机器人大脑，开始做减法了

机器人大脑这条赛道，风向变了。

过去一年大家比的是谁的 VLA（视觉-语言-动作）模型更大、谁的预训练数据更多。但最近几天接连落地的三个进展，指向了另一个方向：Kyutai 的 2.4B 小模型 REKI 在三个分布外基准上干翻了体量两倍于自己的对手；Google DeepMind 的 Gemini Robotics 2 把智能层铺到了机器人全身；香港科技大学的 EmArm 则直接给机械臂裹上了一层“皮肤”。

一个做减法，一个做加法，一个做“体感”。三条路线撞在同一时间窗口，不是巧合——VLA 的竞争，正在从“参数军备赛”切换到“效率、记忆与本体感知”的新战场。

💡 一、2.4B 的小模型，凭什么赢了两倍体量的对手

先说最有杀伤力的那条消息。

Kyutai 联合 Inria 和 巴黎高等路桥学院（École des Ponts）发布了 REKI——一个 2.4B 参数的 VLA 模型，定位是机器人操作（manipulation）。听起来平平无奇？两个细节让它变得扎眼。

第一，它只用公开数据做预训练。没有私有数据集护城河，没有“我们独家拿到了多少小时遥操作数据”的故事，全靠公开料喂出来。这对整个行业是个微妙的信号：当公开数据就能把基线模型拉到一个可用水平，数据垄断的叙事就得重新定价。

第二，它带了一个“廉价记忆”（cheap memory）模块，能记住自己最近的过去。对机器人操作来说，这不是锦上添花——抓取、插拔、翻找这类长时序任务，最怕的就是“金鱼记忆”：上一个动作碰倒了杯子，下一个动作还按原计划走。给 VLA 加上对近期历史的低成本的持续记忆，等于让机械臂有了短期的“前车之鉴”。💡 而且注意“cheap”这个词——不是堆上下文长度硬扛，而是想办法把记忆做便宜、做轻。

结果也拿得出手：在三个分布外（out-of-distribution）基准上，只有体量大约两倍于 REKI 的模型能赢它。也就是说，2.4B 打出了接近 5B 的成绩。同时，全部权重已经开源放出。

这背后的产业逻辑很清楚：VLA 模型的下游是机器人本体，而机器人本体的算力预算是刚性的。机载算力跑不动大模型，边缘侧部署就是死结。谁能用更小的参数拿到接近的性能，谁就掌握了“上机”的入场券。小模型赢基准只是表象，赢边缘部署成本才是本质。

🧠 二、Gemini Robotics 2：谷歌把“智能层”铺到了全身

小模型在卷效率的时候，Google DeepMind 走的是另一条路：把底座做厚，把能力面拉宽。

IEEE Spectrum 在 Video Friday 栏目中放出了 Gemini Robotics 2 的介绍视频。官方表述值得逐字读：“作为驱动下一代真正自适应机器人的智能层，随着它迈出字面意义上的第一步，这一重大进展解锁了智能全身控制、高级灵巧操作和多机器人协作。”

三个关键词，三个台阶。

“智能全身控制”，意味着智能不再只调度一只末端执行器，而是覆盖整机的运动——这对人形机器人尤其关键，双足行走加双臂操作本身就是全身耦合问题。

“高级灵巧操作”，指向的不再是抓起一个方块，而是更接近人类手指级别的精细活。

“多机器人协作”则是最容易被低估的一项：单机智能解决的是“一台机器人会干活”，多机协作解决的是“一群机器人怎么分活、避让、共享任务”。从车间落地角度看，后者才是量产场景的真需求——没有哪家工厂只买一台机器人。

大小两条路线看似相悖，其实是一个市场的两端：REKI 们在抢“机器人本体内嵌智能”的部署位，Gemini Robotics 2 们在抢“云端大脑+平台化生态”的定义权。中间地带，才是未来两年最惨烈的战场。

✋ 三、EmArm：机械臂终于长出了“皮肤”

前两条新闻争的都是“大脑”，第三条新闻补的是“身体”。

香港科技大学的研究团队开发了具身传感运动机械臂 EmArm（Embodied Sensorimotor Robotic Arm），核心是把一层软体光学触觉皮肤直接嵌入机械臂骨架，再接上一个实时决策算法。机械臂因此能感知和分析上臂、前臂全臂范围内的接触信息，实现接近人类的触觉感知和自适应物体操作。

更细的能力包括：它能区分不同的触碰交互——比如挠痒和轻拍是两种不同的信号；能实时响应；还能通过触觉反馈避开障碍物。

这几条能力单看都不炫，合在一起指向的是 VLA 领域一个长期欠账：触觉一直是被视觉按在地上摩擦的模态。主流 VLA 用摄像头看得见物体，但抓没抓稳、滑没滑、捏多紧会碎，模型自己是不知道的——它只能从画面里“猜”。而全臂触觉皮肤意味着，接触信息从末端执行器的单点，扩展到了整条手臂的分布式感知。机械臂用前臂挡开一个障碍物、用手臂内侧稳住一个易碎品，这些动作第一次有了真实的传感闭环。✋

产业逻辑同样直白：视觉数据已经被各家卷到天花板，下一波数据增量大概率藏在触觉里。谁先把触觉数据的采集管线跑通，谁就在操作类任务上多出一条别人抄不走的护城河。

把三条路线的技术要素拼在一起，大致是这样一张图：

感知进、决策出、反馈回灌——记忆和触觉，本质都是在给这个闭环补短板。

⚖️ 四、三条路线同场竞技，钱和场景会往哪边走

把三条路线放到一张桌上比，差异一目了然：

放到竞争格局的四象限里看：

大模型平台在技术门槛和商业价值双高的领跑区，小模型靠开源生态卡位潜力股，触觉方案眼下商业兑现还早、但技术稀缺性高。至于依赖人工示教的传统方案，正在被一步步挤向跟随者乃至存量玩家的位置。

再往深看一层，这三条路线其实共享同一个底层判断：VLA 的下一分不再靠“见多识广”，而要靠“记性好、手上有数”。 视觉-语言的预训练红利正在被摊薄，公开数据 everyone 都有，差异要从记忆机制、多模态反馈和部署效率里抠出来。据多位跟踪海外机器人团队的人士观察，头部实验室近期的招聘和论文方向也印证了这一点——长时序任务、触觉学习、多机协调的权重明显在上升。

对国内玩家，这个窗口有特殊意义。开源小模型路线意味着，只要在记忆机制、数据工程和本机部署上下功夫，追赶的绝对差距是可以被方法创新压缩的；而触觉硬件（光学皮肤、柔性传感）恰好卡在国内柔性电子和传感器产业链的强项区。⚖️ 别人的军备赛是烧钱游戏，换赛道未必是坏事。

从时间轴看，这三件事几乎是无缝衔接地落在同一个季度：

小结

2.4B 的 REKI 证明小模型加记忆能打，Gemini Robotics 2 证明大模型在往全身和多机延伸，EmArm 证明触觉是操作智能的最后一块拼图。三条路线合起来，勾勒出 VLA 竞赛的下半场剧本：比的不只是谁的大脑更大，而是谁的闭环更完整、谁的部署更便宜、谁的手更“有数”。对产业而言，参数神话正在退场，接下来该轮到工程化和数据闭环登台了——这恰恰是落地派最擅长的战场。