0.5毫米缝隙里的具身智能之战

具身智能行业最近发生了三件事，看似不相关，拼在一起却是一张完整的地图。

英伟达把重注押在物理AI的全栈安全方案上，盯的是Robotaxi和人形机器人；清华AIR首届博士李健雄创立本溯智能，五源资本领投，押注动作原生具身模型；至简动力的冯宗宝则在IROS 2026上亮出硬指标——在间隙仅0.5毫米的真实场景下，实现机器人造机器人。

一个是平台巨头，一个是学院派创业，一个是执行器玩家。三者切入角度完全不同，但指向同一个判断：具身智能的叙事正在换轨，从“能演示”转向“敢落地”。

2024、2025年，行业靠一段又一段演示视频融资。到了2026年，圈内的共识已经变了：没人再为一段精心剪辑的视频激动，大家只问一个问题——你的机器人敢进厂吗？敢上街吗？出了事谁负责？

这篇文章，就来拆这三条线索背后的产业逻辑。

🛡️ 英伟达卖的不是AI，是入场券

安全不是功能，是入场券。

先看英伟达在做什么。根据公开信息，英伟达正在力推一套面向物理AI（Physical AI）的全栈安全解决方案，目标很明确：让Robotaxi更安全，让人形机器人更安全。而且这不是纸面规划——已经有机器人公司在实际使用这套方案。这套方案的抓手包括Isaac仿真与合成数据生成、Cosmos世界模型、Halos车载安全评估体系，以及在GTC等场合反复强调的“仿真中训练、真实中部署”（train in simulation, deploy in reality）路径。（可查证信源：NVIDIA GTC 2025主题演讲、NVIDIA官网Physical AI板块、Halos产品页）

注意“全栈”这个词。它意味着安全不再只是模型层的一个护栏，而是从训练、仿真、验证到部署的完整链条。一个机器人系统要在真实世界里跑起来，光模型好不够，你还得证明它在极端情况下不伤人、不撞车、不把产线搞停。

这背后的产业逻辑值得细品。物理AI和纯数字AI有一个本质区别：数字AI出错的代价是胡言乱语，物理AI出错的代价可能是人命。一辆Robotaxi误判一个行人，一台人形机器人在产线上挥错一次手臂，责任都躲不掉。所以安全不是锦上添花，而是能否商业化的前置条件。监管侧也在同步收紧——各国对自动驾驶和工业机器人的功能安全标准（如ISO 26262、ISO 10218）一直在迭代，安全验证正在从“加分项”变成“门槛项”。（可查证信源：ISO官网相关标准页面）

英伟达的角色也很有意思。它自己不造车、不造机器人，但它把自己定位成了“卖铲人”里的卖铲人——所有做物理AI的公司都需要算力，也都需要安全。把安全做成一套可复用的全栈方案卖给整个行业，这是典型的平台打法。

业内私下聊起来，一个越来越明显的共识是：未来机器人公司的竞争，一部分是模型能力的竞争，另一部分是“谁能先拿到安全认证”的竞争。谁的系统经过了完整的安全验证流程，谁就先拿到进厂、上路的资格。英伟达提前卡位，等于把裁判牌握在了手里。

对创业公司来说，这也是一把双刃剑。用英伟达的安全栈，落地快、背书硬，但也意味着深度绑定。这个选择题，2026年每家具身智能公司都躲不开。

🎓 动作原生模型，一场学院派豪赌

早期投资，投的从来不是数据，是人。

第二条线索来自资本市场。据雷峰网独家消息，清华AIR首届博士李健雄创立了本溯智能，五源资本领投，常春藤资本、线性资本、华山资本跟投。清华AIR副教授詹仙园出任首席科学家。（可查证信源：雷峰网独家报道《清华AIR首届博士李健雄创业，五源领投》及相关工商注册信息）

这个阵容值得拆开看。

先看人。清华AIR（智能产业研究院）是国内具身智能和智能驾驶研究的高地之一，能从这里走出的首届博士直接创业，说明其研究积累经过了导师团队的背书。首席科学家由AIR副教授詹仙园担任，意味着学术资源和产业落地之间保留了一条直通管道——这对早期公司来说是稀缺资产。（可查证信源：清华大学智能产业研究院官网教师主页）

再看钱。五源资本领投，线性资本、华山资本、常春藤资本跟投，这个组合横跨了不同风格的投资机构。五源偏早期、看长线，线性一贯重技术原创性。多家机构在一个博士创业项目上叠投，传递的信号是：资本对“底层模型路线”的兴趣，正在从大厂外溢到学院派团队。

再看路线。本溯智能押注的是动作原生（action-native）具身模型。推演一下这个路线的含义：当前主流的具身模型大多以语言或视觉为第一性，把动作当作输出末端；而动作原生路线，是把动作本身作为模型的原生表征——机器人不是“理解了指令再动”，而是从底层就以动作的方式学习和思考。

技术上讲，这条路线要过三道坎：一是动作数据的采集成本，语言和视觉数据互联网上应有尽有，高质量动作数据却只能靠遥操作、动捕或仿真合成，成本高一到两个数量级；二是表征设计，动作序列天然是连续、高频、带因果约束的，怎么设计tokenization和预测目标，学界尚无定论；三是评估体系，没有像语言模型那样现成的benchmark，能力高低只能靠真机任务成功率说话。这也解释了为什么学院派团队反而有机会——这些坎拼的正是研究积累，而不是工程堆料。

用一张图看本溯的生态位：

要提醒一句：动作原生是不是终局路线，现在下结论为时尚早。VLA（视觉-语言-动作）阵营兵强马壮——从谷歌的RT系列到π（Physical Intelligence）的π0，再到国内多家大厂的VLA模型，这条路线的数据飞轮已经转起来了。动作原生路线能否在数据规模和通用性上证明自己，还要看实际交付。但资本市场愿意为“另起一条路线”买单，本身就说明具身智能的模型层还远未收敛——这是一场所有人都有机会、也所有人都可能归零的赌局。

🔧 0.5毫米，比任何演示视频都硬

精度每前进一毫米，泡沫就被挤出一分。

第三条线索来自IROS 2026。至简动力的冯宗宝给出的数字非常具体：在间隙仅0.5毫米的真实场景下，实现机器人造机器人。

0.5毫米是什么概念？大约五根头发丝的直径。在这种间隙里作业，意味着机器人必须在毫米级甚至亚毫米级的容错空间内完成装配动作，任何一个抖动、一次力控失准，都会直接导致装配失败。这不是实验室里铺好地毯、摆好固定工位的表演，而是真实工厂、真实工位、真实节拍下的作业。

把0.5毫米放到行业坐标系里看，才明白它有多难。目前主流协作机器人的重复定位精度普遍在±0.02到±0.1毫米之间，但那是静态指标——真实装配场景里，负载形变、关节间隙、力控延迟会把误差放大好几倍。工业机械臂做高精度装配通常靠视觉引导加刚性夹具把工件“喂”到固定位置，本质上是把环境改造得足够简单。而“机器人造机器人”意味着工件是自家的结构件、场景是自家的产线，间隙是真实工艺决定的，没法为了让机器人好干而重排。要在这种条件下插进0.5毫米的缝隙，靠的不是单一指标，而是力控、视觉、运动规划三者的闭环协同：视觉把位姿误差收敛到毫米级，力控在接触瞬间接管，以柔顺策略完成最后0.5毫米的进入。（可查证信源：至简动力在IROS 2026上的公开分享与官方演示视频）

这里还有一个容易被忽略的关键词：执行器。至简动力不是整机厂商，而是做执行器（关节模组）的玩家。装配精度的天花板，很大程度是执行器决定的——力矩控制的分辨率、关节的反驱能力（backdrivability）、力矩传感的带宽，这些底层参数决定了上层算法能把误差压到多小。执行器厂商敢站出来说“机器人造机器人”，等于是在用自己的底层硬件参数背书：我不是做一段视频给你看，我是把造机器人的活儿真干了。

对行业来说，这件事的信号意义大于事件本身。“机器人造机器人”一直被视为具身智能落地的试金石：一方面它是标准的精密制造任务，节拍、良率、可复现性都骗不了人；另一方面它意味着机器人产业链自身成为具身智能的第一个规模化场景——先让机器人把机器人造便宜了，其他场景的渗透才有成本基础。如果0.5毫米级作业能稳定复现，人形机器人整机的量产爬坡就多了一块真实拼图。

🗺️ 三条线索，一张地图

把三条线索并排看，格局就清楚了：

三个玩家，恰好卡在具身智能落地链条的三个咽喉位置：英伟达解决“敢不敢让它上”，本溯解决“它够不够聪明”，至简动力解决“它手稳不稳”。

这也正是2026年具身智能的换轨逻辑。前两年行业的核心问题是“能不能做到”，答案是一段段惊艳的演示视频；现在行业的核心问题变成了“敢不敢负责”——安全责任谁来担、模型能力能否迁移、物理精度能否复现。这三个问题没有一个能靠视频回答。

更值得玩味的是三条线索的共同点：它们都在做“别人看不见的苦活”。安全验证是苦活，动作数据是苦活，亚毫米力控是苦活。而演示视频时代的红利正在消退，接下来能定义行业格局的，恰恰是这些不性感但必须有人干的活。

从“能演示”到“敢落地”，这一步跨不过去，具身智能就永远只是资本的宠物；跨过去，它才是产业的基础设施。2026年，我们正在看这一步怎么迈。

参考信源

1. NVIDIA GTC 2025主题演讲及NVIDIA官网Physical AI、Isaac、Cosmos、Halos产品页（英伟达物理AI全栈安全方案相关表述）

2. 雷峰网独家报道（本溯智能融资信息、团队背景）

3. 清华大学智能产业研究院（AIR）官网教师主页（詹仙园任职信息）

4. IROS 2026官方议程及至简动力公开分享、演示材料（0.5毫米间隙作业相关数据）

5. ISO 26262（道路车辆功能安全）、ISO 10218（工业机器人安全）标准页面（安全认证门槛相关表述）