机器人不卷参数了，开始卷记性

当大家还在讨论谁的VLA模型参数更大时，一个只有2.4B的小模型悄悄插了个队。

2026年10月，法国研究机构Kyutai联合Inria和École des Ponts发布了REKI——一个2.4B参数的视觉-语言-动作模型（VLA），专门面向机器人操作任务。它的两个卖点都很朴素：预训练只用公开数据；带一个'廉价记忆'，能让它记住自己刚做过什么。

结果有点反直觉：在三个分布外（OOD）基准上，只有体量大约两倍于它的模型能压过它一头。而且，所有权重全部开源。

把这条消息，和同期两件事放在一起看——一百万小时人类视频让机器人学会了转动一把钥匙、西门子在2026工博会上高调谈'具身智能进厂'——你会发现行业叙事正在换挡：比拼的不再是参数规模，而是数据效率、记忆机制，以及谁能把技术真正整合进产线。

🧠 小模型的翻身仗：REKI凭什么和'两倍体量'掰手腕

先看场景。一个机械臂在桌面上做抓取、放置类操作，中途被人挪了物体位置、换了工具——这类'计划外'状况，恰恰是过去VLA模型最容易露馅的地方，因为训练数据里没有这种组合。分布外泛化（OOD），一直是操作类模型最大的软肋。

REKI交出的成绩单就打在这个点上：在三个OOD基准上，只有参数量约为它两倍的模型跑赢了它。换算一下，2.4B的小模型，和5B左右的对手打了个平手甚至互有胜负。

它是怎么做到的？两条路线值得拆开看：

其一，预训练数据只用公开数据。这意味着没有私域真机数据集加持，成本和可复现性都占优——任何实验室都能拿同样的'教材'复现一遍。

其二，'廉价记忆'机制。让它以很低的计算开销记住'最近的过去'。操作任务的本质是时序性的：你刚把杯子挪到左边，下一步的动作分布就和三秒前完全不同。传统VLA每一步都近似'失忆'地做决策，而带记忆的模型能在这种时序依赖里保持一致。

产业逻辑其实很直白：VLA赛道此前靠'堆数据+堆参数'建立门槛，而REKI证明了一个更便宜的路径存在——记忆机制这种结构性创新，可以部分替代参数规模。这对创业公司和学术机构是个重要信号：门槛未必只在算力账单上。据圈内私下流传的说法，多家做操作类VLA的团队已经在拆解REKI的权重，研究它的记忆实现方式。

🎥 一百万小时人类视频：机器人到底能'抄'到哪一步

另一个被反复讨论的问题是：机器人看人类视频，究竟能学到哪一步？

一百万小时的人类操作视频，最近真的让一台机器人学会了转动一把钥匙。这个场景很微小，但意义重大——转钥匙是个需要手腕精细协作的任务，过去几乎只能靠昂贵的人工遥操作采集真机数据来教。

但要冷静看待'看视频学习'的天花板。行业里普遍把它拆成三个递进层级：

• 第一层：看懂任务。人类视频里蕴含着海量'任务语义'——这是个开瓶器、这个动作是拧盖子。这一层，视频数据几乎可以无限供给，是VLA预训练的富矿。
• 第二层：预测画面。模型能根据当前状态预测接下来几帧会发生什么，也就是所谓的世界模型能力。这一层视频也有用，但从'预测'到'执行'隔着 embodiment gap——人手和机械臂的运动学完全不同。
• 第三层：真正控制机械臂。这一层，视频能替代的比例急剧下降。力反馈、摩擦、形变，这些物理量在像素里不存在，绕不开真机数据或高保真仿真。

换句话说，视频是'通识课'，真机数据是'专业课'。REKI选择只用公开数据预训练，本质上是把'通识课'学满，再用更聪明的结构（记忆模块）压缩'专业课'的需求量。这条路径能省多少真机采集成本，正是当前具身智能公司估值模型里最敏感的变量之一。

🏭 西门子的答案：单点模型打不过底座生态

模型侧卷得火热，工厂侧的视角却不太一样。

2026工博会上，西门子把三件事打包成了一条主线：具身智能进厂、工业AI落地、本土创新出海。这三件事看似分散，但西门子给出的答案只有一个——单点技术并非成败关键，能整合软硬件、数据、标准与行业Know-how的底座和生态才是核心。

这句话值得细品。翻译成工程语言就是：一个VLA模型在实验室里跑通演示，和它能在产线上连续运行、通过安全认证、和企业已有的PLC与MES系统对话，中间隔着一条巨大的鸿沟。

注意，这两条路径并不冲突，而是产业链的上下游关系。开源小模型降低了具身智能的入场券价格，让更多团队能在它之上做垂直场景的微调；而工业巨头擅长的是把这些模型'装进'有安全围栏、有数据治理、有运维体系的真实工厂。

据多位接近产业的人士观察，工博会上真正的交易都发生在展台的侧面——工厂自动化部门关心的不是模型多聪明，而是'它出错了谁来兜底''断电重启后任务能不能续上'。这些问题，REKI的论文里一个字都不会提，但恰恰是商业化的主战场。

⚖️ 开源、记忆与生态：具身智能的下一个分水岭

把三条线索收拢，能看到几个清晰的判断。

第一，'记忆'正在成为VLA的标配方向。REKI用'廉价记忆'实现了以小博大的性价比，这不是孤例——时序上下文对操作任务的价值正在被反复验证。对做硬件的团队来说，这意味着端侧的内存与算力配比需要重新设计；对做模型的团队来说，纯前馈式的VLA架构可能很快会被视为'上一代'。

第二，开源小模型正在重塑竞争的入场方式。REKI全部权重开源，且只用公开数据——这等于把'能做出合格VLA'这件事民主化了。未来护城河会进一步向两端转移：一端是数据采集与场景独占（比如某些工艺环节的真机数据），另一端是部署与整合能力（工业生态的位置）。

第三，工业场景是VLA最确定的变现出口，但节奏由生态方掌握。技术上的小模型突破，最终能不能变成产线上的生产力，取决于有没有人把模型、控制器、安全标准、行业Know-how装进同一个底座——这正是西门子们在2026工博会上反复强调的东西。

接下来值得盯住的时间线大致是：开源VLA的OOD基准持续刷榜 → 工业厂商把开源模型纳入自家底座做验证 → 首批'模型+底座'组合在重复性高的工序（上下料、分拣、装配辅助）上进入小批量试产。谁能先把'实验室成绩'翻译成'产线KPI'，谁就拿到了下一轮船票。

📌 小结

一个2.4B的小模型带着记忆追平两倍体量的对手，一百万小时人类视频教会机器人转钥匙，工业巨头在工博会上说'底座和生态才是核心'——三件事拼在一起，是具身智能从'大力出奇迹'走向'巧劲定胜负'的分水岭。参数竞赛没有结束，但故事的主线已经变了：更少的数据、更聪明的结构、更强的整合，才是把机器人真正送进工厂的那把钥匙。