博派速递 NEWS

2025年以来，人形机器人行业开始进入真正意义上的“军备竞赛”。 一边是特斯拉 Optimus、Figure AI、波士顿动力等海外公司不断推进具身智能；另一边，中国本土机器人创业公司也开始集体爆发。从宇树、智元，到银河通用、优必选，大量企业开始争夺“下一代通用机器人平台”的入口。 而在这一轮浪潮中，一家成立时间并不长的公司，却因为一款高自由度人形机器人迅速引发行业关注——它就是超维动力（Kinetix AI）。 相比多数机器人公司偏重“运动能力”或者“单点任务”，超维动力从一开始就提出了一个更激进的方向：让机器人真正成为“物理世界中的智能体”。 从“世界模型”到“第一人称数据”，再到115自由度的高拟人化本体，超维动力的发展路线，实际上代表了当前具身智能领域最激进的一类技术路径。 01 超维动力是谁？ 超维动力（Kinetix AI）是一家聚焦具身智能与人形机器人的科技公司，总部位于深圳。公司成立时间并不长，但技术路线非常鲜明：同时研发“机器人大脑”与“机器人本体”，并试图通过世界模型构建真正意义上的通用具身智能系统。 目前，超维动力主要聚焦三大方向：具身智能基础模型、高拟人化机器人本体、第一人称数据采集系统。 与传统工业机器人企业不同，超维动力更偏向AI驱动型机器人公司。它并不满足于让机器人执行固定动作，而是希望机器人具备环境理解能力、动态决策能力、长序列任务执行能力、物理交互学习能力。 简单来说，超维动力真正想做的，并不是“会动的人形机器人”，而是：能够理解现实世界规则的通用机器人。 02 自动驾驶与AI背景的跨界组合 目前公开资料显示，超维动力核心团队主要来自自动驾驶、人工智能、机器人控制、高端硬件工程等领域。公司团队成员包含原华为高管、自动驾驶领域核心技术人员，以及多位顶级AI科学家。其中，超维动力尤其强调自身的算法能力。 根据公开介绍，公司拥有多位世界级AI算法科学家，谷歌学术累计引用超过10万次。这一点其实非常关键。 因为当前人形机器人行业，真正的核心竞争点已经不只是机械结构，而是感知、规划、推理、动作生成、泛化能力，也就是机器人“大脑”。 过去几年，很多机器人公司能够完成跑步、跳跃、翻跟头等动作，但这些大多仍属于预设动作控制。 真正困难的问题是：机器人如何面对未知环境？ 从未见过的物体、动态变化场景、长序列任务、与人协作，这些问题本质上已经属于“通用智能”范畴。 因此，超维动力从成立开始，就明显更偏向“AI优先”的路线。 03 超维动力为什么强调理解物理世界 当前机器人行业最热门的概念之一，就是“世界模型（World Model）”。而超维动力，也是国内少数公开强调这一方向的公司之一。 那么，什么是世界模型？ 简单来说就是机器人不仅要看到世界，还要预测世界。例如，一个人看到杯子快掉落时，会提前预判杯子会往哪里倒、应该如何接住、接触力度需要多大。这种能力，本质上就是人类长期在现实世界中形成的“物理直觉”。而机器人目前最缺少的，恰恰是这种能力。 因此，超维动力提出：机器人必须建立对现实世界运行规律的预测能力。这也是其“KAI World Model”的核心逻辑。 相比传统机器人依赖规则控制，世界模型更像让机器人形成环境预测、因果理解、动作后果推理能力。这也是为什么当前越来越多机器人公司开始从“大语言模型”转向“具身世界模型”。 因为现实世界远比文本世界复杂。 机器人不仅需要“会聊天”，更需要： 理解重力、摩擦力、碰撞、空间关系与人体运动逻辑。 04 超维动力真正出圈的产品：KAI 这也是公司第一次大规模公开展示其完整技术路线。 相比行业内大量强调“运动性能”的机器人，KAI最大的特点其实是：极致拟人化。 1、115自由度：为什么行业都在追求高自由度？ 根据公开信息，KAI拥有高达115个自由度。 这是什么概念？ 目前很多人形机器人自由度大约在30—60之间。 而115自由度意味着：机器人拥有更接近真实人类的动作能力。 手指独立运动、腰部扭转、肩部复杂动作、面部与躯干协调、全身动态协同，自由度越高，机器人动作越自然。但同时，控制难度也会指数级上升。 因为每增加一个自由度，系统需要实时计算的状态变量都会大量增加。这也是为什么高自由度机器人长期以来都非常困难。 2、触觉皮肤：机器人开始“感知接触” KAI另一个重要特点，是加入了触觉皮肤系统。 目前多数机器人仍主要依赖摄像头、激光雷达、深度视觉。但现实世界交互，仅靠视觉远远不够。 例如机器人抓鸡蛋时，需要知道当前压力是否过大、是否发生滑动、接触面是否稳定。这些都需要触觉反馈。 因此，触觉实际上是机器人从“观察世界”迈向“真正操作世界”的关键一步。这也是当前全球具身智能的重要研究方向。 3、KAI Halo：第一人称数据采集 除了机器人本体，超维动力还推出了“KAI Halo”头戴式数据采集系统。 其核心思路是：通过第一人称视角采集真实人类行为数据。因为机器人训练最大的问题之一，就是：缺少真实世界操作数据。 而第一人称数据能够帮助机器人学习人类动作逻辑、交互习惯、空间理解、操作顺序。这一方向与当前全球具身智能行业趋势高度一致。 例如 Figure AI、Physical Intelligence、特斯拉等企业，也都在强化真实世界动作数据训练。 05 中国人形机器人，开始进入全栈竞争时代 超维动力的发展，其实代表了中国机器人行业正在发生的重要变化。过去几年，行业重点更多集中于本体运动、动态平衡、硬件结构。 但2025年以后，行业竞争开始全面升级。真正的竞争核心已经变成世界模型、数据系统、具身智能、高拟人化交互、泛化能力。 也就是说：机器人行业正在从“机械时代”，进入“AI时代”。 而这一轮竞争，中国企业开始展现出明显优势。原因主要有三点： 1、中国供应链成熟 目前中国已经形成全球最完整的人形机器人供应链，包括电机、减速器、激光雷达、传感器、电池、结构件，成本优势明显。 2、AI与机器人开始融合 过去AI公司不懂硬件，机器人公司不懂大模型。而现在，两者开始融合。 超维动力就是典型代表。 3、行业开始进入真实落地阶段 当前行业已经不再满足于：“机器人能跑能跳”。 而是开始追求真正干活、长时间稳定运行、泛化任务能力、人机协作能力。 这也是为什么越来越多企业开始强调： · 世界模型 · 第一人称数据 · 触觉系统 · 高拟人化 因为这些能力，才是真正通向通用机器人的关键。 超维动力虽然仍是一家年轻公司，但其技术路线已经非常清晰： 通过“世界模型+第一人称数据+高拟人本体”，打造真正的具身智能机器人。 相比传统机器人企业，超维动力更像一家“AI驱动的人形机器人公司”。而从KAI的发布也能看出，当前行业已经不再只是拼“机器人能不能动”，而是开始竞争： · 谁更理解现实世界 · 谁更接近人类行为 · 谁更具备泛化能力 未来几年，人形机器人行业真正的分水岭，很可能不是“谁跑得更快”，而是：谁能真正让机器人理解这个世界。

今年5月初，波士顿动力放出一段 Atlas 完成后空翻的短视频时，外界的评价依旧两极分化。 不少人认为，这家公司还是停留在“机器人炫技”阶段——倒立、跑酷、空翻固然惊艳，但距离真正工业落地似乎依旧遥远。 但5月18日，波士顿动力在 X 平台公开的两段最新实测视频，明显改变了行业对 Atlas 的认知。 相比过去偏展示性质的动作演示，这一次 Atlas 展现出的，已经不只是运动能力，而是真正接近工业场景的人形机器人作业能力。 尤其是那段仅39秒的“搬运迷你冰箱”视频，更像是 Atlas 迈向量产化阶段的一次信号释放。 01 Atlas开始进入真实劳动阶段 视频中的 Atlas，先完成躯干180度旋转，随后自然下蹲，将一台迷你冰箱稳稳抱起，并平稳移动至工作人员身旁。整个过程中，机器人几乎没有明显停顿。 真正值得关注的，不是它“能搬东西”，而是它在搬运过程中的细节表现：它会主动贴合物体调整受力角度、会在移动过程中持续修正重心、会根据负载变化实时调整身体姿态、甚至在转身与行走过程中，也始终维持高度稳定。 这些动作已经明显不同于传统机器人依赖固定轨迹执行任务的方式。 Atlas 整机重量约90公斤。而如今它的能力，早已不局限于后空翻或体操式运动展示。 它正在开始具备真正的“全身协同作业能力”。 更关键的是，这代 Atlas 已经不再高度依赖视觉摄像头持续锁定目标，而是开始更多依靠全身本体感知能力完成任务。 这意味着，机器人正在从“看见后执行”，转向“感知后理解”。对于人形机器人行业来说，这是一个重要变化。 02 真正突破的不是搬运而是物理智能 过去很长时间里，大部分高端人形机器人仍然停留在“视觉+局部操作”的阶段。 机器人可以识别物体，也能完成抓取，但大多数动作仍局限于轻量化、标准化环境。 而现实中的重体力劳动，并不是简单的抓取问题。 以人类搬运冰箱为例，我们并不会只靠双手发力。 人在搬运过程中，会自然调用全身协同能力，前臂贴合支撑、膝盖借力、身体前倾分担重量，同时持续感知重心变化，并实时调整身体平衡。 这其实就是“物理智能”。 而波士顿动力此次想验证的，正是机器人是否已经开始具备这种能力。 Atlas 团队透露，他们在模拟环境中构建了数十万种不同规格、不同摆放状态的冰箱模型，通过强化学习不断训练机器人适应复杂变化。 冰箱重心偏移、摆放角度变化、内部物品移动导致负载变化、地面摩擦力变化甚至突发超重情况。 Atlas 并不是通过固定程序完成任务，而是在全身感知基础上实时调整姿态。 为了测试极限能力，研发团队甚至将原本适配50至70磅训练重量的冰箱进一步增重，直接提升至约100磅以上。即便超出训练载荷范围，Atlas 依旧能够稳定完成搬运任务。 这意味着，人形机器人正在逐渐摆脱“固定动作脚本”的限制，开始具备一定程度的动态适应能力。 03 极简硬件背后，是量产化思维 相比过去的液压版 Atlas，这一代量产化 Atlas 最大的变化，其实来自硬件架构。 波士顿动力放弃了此前复杂笨重的液压系统，全面转向电驱动方案。而且整机仅采用两种通用型旋转执行器。 过去很多机器人之所以难以量产，一个重要原因就是零部件复杂度过高。执行器种类繁杂，不仅制造成本高，后期维护难度也极大。 而 Atlas 新一代架构的核心逻辑，是“标准化”。双臂、双腿采用高度对称设计；肩部、骨盆等核心结构实现通用化；整机模块支持快速拆装；多数零部件数分钟内即可更换。这种设计思路明显已经开始偏向工业化生产。 同时，Atlas 取消了大量外置线缆，使关节能够实现360度自由旋转。这也是它能够完成躯干大幅旋转动作的重要基础。 此外，机器人足部采用前后对称结构设计，使其前进、后退与横向移动能力更加接近人类。 这些改变背后，本质上都在服务一件事：降低量产难度，提高工业场景可靠性。 04 波士顿动力正在解决虚实差距 人形机器人行业长期存在一个核心难题：仿真里能成功，现实里却经常失败。 因为现实世界远比模拟环境复杂。地面摩擦变化、电机延迟、传感器误差、负载波动，都可能导致机器人动作失控。而 Atlas 此次最大的技术意义之一，就是开始大幅缩小“仿真”和“现实”之间的差距。波士顿动力主要依靠三种方式实现这一点。 首先，是高一致性的硬件结构。由于 Atlas 采用高度标准化设计，虚拟模型参数与实体机器人能够高度匹配，仿真训练结果可以直接迁移到真实机器人上。 其次，是全域随机化训练。研发团队会故意随机改变训练环境中的变量：包括重量、摩擦力、电机输出、负载变化等。机器人必须在不确定环境中持续学习适应。这种训练方式，使 Atlas 不再依赖固定场景，而具备更强泛化能力。 最后，则是极高的研发迭代效率。目前 Atlas 已形成完整闭环：动作规划 → 仿真训练 → 实体测试 → 故障修复 → 再训练。 虽然团队尚未实现“单日完成新动作部署”的目标，但从训练到实体落地，已经可以在数周内完成完整迭代。在人形机器人行业，这种速度已经相当领先。 05 Atlas真正瞄准的是工业劳动力市场 很多人依旧把 Atlas 当作“会空翻的机器人”。 但从目前的发展方向来看，波士顿动力真正想做的，已经不再是展示型机器人。 它想打造的是“通用型体力劳动机器人”。目前，波士顿动力的机器人产品线已经逐渐成型： 四足机器人 Spot 负责巡检；Stretch 负责物流搬运；而 Atlas，则开始进入复杂人形劳动作业场景。 它的目标场景非常明确：工厂车间、仓储物流、建筑工地，以及高强度重复劳动岗位。 背后推动 Atlas 加速商业化的，还有现代汽车集团。目前现代集团正在推进智能工厂建设，并计划未来几年扩大机器人部署规模。 外界普遍预计，Atlas 将成为其智能制造体系的重要组成部分。 06 Atlas距离真正量产还有哪些挑战 尽管 Atlas 已经展现出明显进步，但距离真正大规模商业化，仍有不少问题需要解决。 首先是成本。高性能人形机器人目前仍然价格昂贵。如何进一步降低执行器、电池、传感器与整机制造成本，依旧是行业核心难题。 其次是灵巧手问题。此次演示中，Atlas 依旧使用传统机械手，而非此前展示的新一代灵巧手。这说明精细化操作系统仍未完全成熟。 此外，工业现场远比实验环境复杂：突发障碍、复杂地形、多人协作、安全冗余、长时间连续作业……这些都对机器人稳定性提出更高要求。 与此同时，波士顿动力内部也经历人员调整。包括管理层变化以及部分核心技术人员流动，都可能影响后续产品推进节奏。 07 Atlas终于开始撕掉花瓶机器人标签 过去很多年，Atlas 一直被视为“机器人领域最会炫技的产品”。但这一次，波士顿动力真正想证明的，并不是 Atlas 会不会后空翻。 而是人形机器人是否已经开始具备真实物理世界中的劳动能力。 搬运冰箱看似只是一个简单动作，但背后验证的是全身协同控制、动态重心调整、负载适应以及复杂物理交互能力。 这意味着，人形机器人正在从“实验室展示阶段”，逐步走向“工业生产阶段”。 当然，Atlas 依旧还有很长的路要走。 但至少这一次，它开始真正像一个“能干活的机器人”了。

5月17日，Figure AI创始人兼CEO Brett Adcock在社交平台发出一句简短预告： “18日上午10点，人类VS机器。” 一句话，直接点燃了整个机器人行业。 事情的起因其实很简单。此前，一位网友在评论区提出质疑：如果Figure机器人真的能长时间稳定工作，那为什么不直接找真人同台对比？ 没想到，Brett Adcock直接接下了这个挑战。而这场原本看似“整活”的直播，最终却逐渐演变成了一次关于人形机器人真实能力的大型公开实验。 01 一场原本只计划8小时的直播，最后突破100小时 最开始，Figure只是想证明一件事：机器人能否像人类一样，长时间稳定工作。 此前，外界一直质疑人形机器人“只能拍视频、不能真正干活”。面对争议，Figure没有长篇解释，而是直接开启直播。 最初计划运行8小时，但很快突破26小时，随后继续延长。到目前为止，Figure机器人已经连续自主运行突破100小时。 参与工作的，是多台轮换运行的Figure 03机器人。最开始只有Bob、Frank和Gary，随后Rose和Jim也陆续加入。 这些机器人在物流分拣线上持续完成包裹搬运、识别和分类任务。截至直播阶段性统计，机器人累计处理包裹数量已经超过12万件，平均单件处理时间约2.9秒。 而随着直播热度不断攀升，Figure甚至把公司直播限定版T恤直接放上传送带，让机器人现场抓取、识别并完成分拣。 某种程度上，这场直播已经越来越像一座真实运转中的“机器人仓库”。 02 网友开始怀疑，是不是有人在远程操控？ 随着直播时间越来越长，争议也开始出现。不少网友注意到一个细节： 机器人在工作过程中，经常会出现“手抬到头部附近”的动作。 在机器人行业里，这种动作过去经常出现在远程操控场景中，因此很快引发猜测：机器人是不是有人在背后遥控？ 对此，Brett Adcock公开回应：“完全没有远程操控。” Figure解释称，这其实是Helix-02全身控制系统在动态避障时产生的自然动作。 当机器人转身取货时，系统会自动调整手臂轨迹，避免机械臂与环境发生碰撞，因此才会出现类似“摸头”的动作。 Figure表示，目前机器人运行的核心，是自研Helix-02模型。系统直接读取机器人本体摄像头数据，在本地完成实时推理和动作生成，不依赖云端网络。 换句话说，即使断网，机器人依然能够继续工作。不过，外界质疑并未完全消失。因为Figure并没有公开后台日志、控制记录等完整技术证据，同时还关闭了部分评论区，这反而进一步放大了公众的不信任情绪。 某种意义上，这场直播已经不只是技术展示，而是一次关于“机器人是否真正自主”的公开辩论。 03 真正重要的不是机器人速度，而是机器人调度 相比单个机器人动作，Figure这次真正值得关注的，其实是背后的机器人协同系统。 根据直播信息，每台Figure 03机器人单次续航大约为4小时。但当电量降低时，机器人不会停机等待，而是主动通知待命机器人接替工作。 新的机器人走向岗位，旧机器人离开，整个交接过程不到30秒。随后，离开的机器人会自主前往无线充电区域，通过脚部感应完成充电。如果系统检测到异常，例如软件错误或硬件问题，机器人还会自动退出任务队列，并由其他机器人接替。 这意味着Figure正在展示的，已经不再只是“单个机器人能力”。而是机器人集群协同能力。 过去行业更多关注机器人能不能走、能不能抓、能不能保持平衡。但Figure正在尝试证明另一件事： 未来真正重要的，也许是机器人如何像团队一样协同工作。 04 Figure4提前曝光，真正重点是手 在直播过程中，Brett Adcock还透露了下一代产品Figure4的部分信息。他甚至用了一个非常激进的说法： “Figure 4会成为人形机器人的iPhone时刻。” 从目前公开信息来看，Figure4最大的变化集中在手。 早期Figure采用的是前臂驱动结构，但团队后来认为，这种设计限制了灵巧操作能力。 因此，新一代Figure4正在大幅增加手部执行器数量。按照Brett透露的信息：Figure4手部的执行器数量，甚至可能超过机器人身体其他部分总和。 因为机器人真正困难的任务，并不是走路，而是折叠衣物、整理柔性物体、精细抓取、复杂装配。如果机器人手部自由度不足，训练数据与真实人类动作之间就会出现巨大偏差。 而在Figure看来解决手的问题，本质上就是解决通用机器人问题。 05 Figure还在做另一件更重要的事，摆脱中国供应链 除了技术本身，Brett Adcock还透露了一个更敏感的信息：Figure正在推进“中国供应链清零”。 过去一年，Figure一直在推动关键零部件供应链迁移，包括电机、传感器、减速器、PCB等核心部件，都开始转向本土化或多元化采购。 背后的原因并不复杂。一方面是地缘政治风险；另一方面则是供应链控制权问题。 目前Figure账面资金已经超过10亿美元。在人形机器人尚未真正大规模商业化之前，他们显然希望利用资本优势，提前建立可控供应体系。 不过现实问题也很明显，当前全球机器人产业链中，中国依然占据极高比重。Figure能否真正完全摆脱中国供应链，仍存在很大不确定性。 06 Figure真正想证明的，其实不是机器人能干活 有意思的是，Figure现在最迫切想证明的，可能并不是机器人工作效率。而是机器人背后没有人类操控。 因为过去几年，行业出现了太多机器人神视频，剪辑、摆拍、遥控、后期加速。 市场已经逐渐形成一种默认认知：动作太流畅，就一定有人控。所以，Brett Adcock干脆直接开启超长直播。连续100小时运行，再加上一场“人机对决”，本质上更像是一场公开“打假”。 而真正值得关注的地方在于当机器人已经开始和人类比较效率时，行业讨论的问题，已经不再是“机器人能不能工作”。 而是机器人什么时候会真正进入现实生产体系。

3月25日-27日，达明机器人的创新协作手臂再次登上全球电子制造业的展会舞台，更携手众多重量级合作伙伴，在多个专业领域的展会中同步亮相，展示了我们在不同工业场景下的前沿应用。 本届慕尼黑上海电子生产设备展上，达明机器人作为AI Robotics引领者，携一系列面向高端制造与产业升级的创新解决方案亮相W2馆2100展台，呈现AI与机器人技术在3C电子、半导体、汽车等关键行业的深度融合与价值落地。 针对Wafer取放高精度、高稳定要求，搭载专利TM Landmark动态视觉补偿技术，TM AI Cobot 在运行过程中具有出色的稳定性和重复精度，其运行速度与输出力矩全程可调可控，同时AI算法可动态检测随机异常，确保取放零偏差、零失误。 PCBA点胶及TYF检测 TM AI Cobot 具备碰撞自动停止功能，在安全方面具备可靠保障。末端标配2.5D视觉系统，AI自动识别多种缺陷，支持不同距离精准拍照，其视觉软件已整合为即用功能模块，实现零代码控制，操作简单易用。不仅能够检测点胶的宽度、连续性等关键参数，还可准确识别电路板上的零件缺失、外观缺陷、字符错漏等常见问题。 金属壳体外观检查 TM AI COBOT 软硬件高度整合，集成高分辨率视觉成像与 AI 智能识别算法，实现金属壳体外观检测图像采集、模型自动训练、一体化部署全流程自动化。可对具有复杂曲面、高反光特性的金属壳体进行高清成像，有效抑制反光干扰，清晰捕捉壳体表面的细微划痕、凹坑、污渍等缺陷特征。基于少量缺陷样本训练，即可实现对各类金属壳体表面缺陷的精准识别，尤其在细微划痕的检出上，展现出高精度与高可靠性的检测性能，有效降低运维成本，保障检测过程高效、稳定、可靠。 固化炉取放料自动化应用 TM AI Cobot 搭载专利TM Landmark动态视觉补偿技术，针对晶圆取放场景中的高精度、高稳定要求，能够实现±0.1mm的超高精度作业。该系统可在复杂环境下保持高稳定性，并通过实时动态补偿彻底解决多工位切换过程中的定位累积偏差。结合AI动态异常检测机制，可自主识别并处理随机异常，确保取放过程零偏差、零失误，将传统调试时间缩短最高可达90%，大幅提升设备部署效率与长期运行的一致性。 值得一提的是，达明机器人凭借领先的控制技术、优异的稳定性能、卓越的品质以及快速调试和方案复制能力，早已成为众多半导体终端用户和集成商的首选，用实力赋能半导体等行业智能化升级。