今日头条
人形机器人商业化提速：Agility在特斯拉"后院"建厂，剑指3亿美元订单
7月17日，Agility Robotics宣布在加州弗里蒙特开设一个6万平方英尺的新设施——地址就在特斯拉预计今年开始生产Optimus机器人的工厂不远处。弗里蒙特是特斯拉Model 3/Y/FSD工厂所在地，如今成了人形机器人产业的双雄会战之地。
Agility的CEO Peggy Johnson对这种"贴身竞争"并不避讳："有特斯拉在同一区域是好事，长期以来Agility是这个领域的孤独玩家，现在终于有人一起热闹了。"
但Agility并非从零起步。它的双足机器人Digit已经产生真实收入：在亚马逊、GXO、Schaeffler、丰田加拿大等客户的制造和仓储场景中运行。公司已手握3亿美元合同订单。Digit累计已搬运超过10万个料箱。
这家公司的反向合并上市（SPAC）预计今年完成，将成为全球首个纯人形机器人上市公司。
为什么这件事重要？
弗里蒙特设厂的战略逻辑：第一性原理出发，人形机器人最大的市场是制造业和物流，而这些场景高度集中在少数工业走廊。加州弗里蒙特-阿拉米达走廊聚集了特斯拉、亚马逊履约中心、丰田工厂——这是美国最大的制造业集聚带之一。把训练设施建在客户身边，意味着可以持续获取真实环境数据，缩短部署周期。
Agility明确表示无意进入家庭场景——"现在的人形机器人远不够安全，不能在消费者家中使用。"这代表大多数独立机器人专家的共识：人形机器人真正的第一阶段是工业场景，完全自主的家用机器人至少还需要5-10年。
二、General Intuition：用视频游戏数据训练机器人基础模型，估值23亿美元
"机器人领域的ChatGPT时刻即将到来"——这是General Intuition CEO Pim de Witte在TechCrunch采访中的判断。这家创业公司刚刚完成了3200万美元融资，估值23亿美元，投资者包括Khosla Ventures等顶级VC。
他们的核心逻辑：过去机器人公司都在做"专门化"的工作——收集大量特定场景的真实数据，训练单一任务的专用模型。de Witte认为这条路走错了。真正应该做的是"基础模型"——用高质量数据训练一个通用的物理AI模型，可以迁移到不同环境、不同机器人形态。
视频游戏 > 真实世界数据？
General Intuition的关键洞察是：视频游戏数据比真实世界数据更适合训练机器人的"空间-时间直觉"。
他们训练模型用了数百万小时的游戏视频，包括玩家的操作输入（按了哪个键、什么时候按的）——这种"动作标签"让模型学会了"人类在特定空间位置会做什么"。这种跨环境的泛化能力，是游戏数据优于真实数据的地方：真实数据噪声大、采集成本高、场景单一。
结果：在四足机器人上，仅用8分钟真实机器人数据微调，模型就能在办公室环境中零样本运行——动态物体出现、人类走来走去，机器人都能应对。"这让我们非常惊讶，"de Witte说，"说明基础模型的泛化能力已经到了一个临界点。"
商业模式：不做机器人，做机器人的"操作系统"
General Intuition不打算自己做机器人。他们的定位是物理AI的基础模型供应商——成为机器人公司可以依赖的底层能力。de Witte说："我们不会去建一个自动驾驶公司，我们要让下一个建自动驾驶公司的人容易10倍。"
第一性原理分析
这个方向的核心假设是：机器人技能的本质是"空间-时间推理"，而不是"特定任务编码"。如果这个假设成立，基础模型路线将彻底改变行业格局——就像NLP领域从"每个任务一个模型"到"一个LLM+提示"一样。
但风险在于：游戏数据训练的"直觉"能否真正迁移到物理世界的硬约束（重力、摩擦力、材料形变）？8分钟的微调数据能覆盖多少真实场景？基础模型路线需要证明自己能在高风险工业场景（工厂、物流）达到安全标准。
三、美国自主地面车辆首次实战：Forterra 100+辆无人车在乌克兰
TechCrunch 7月7日报道，美国自主车辆公司Forterra的100多辆Lancer自动越野车已在乌克兰冲突区部署9个月，执行物流和伤员撤离任务。
这是美国国防科技公司有史以来规模最大的自主地面车辆实战部署。
关键数据
- 车辆：基于北极星ATV的Lancer，加装定制传感器和计算栈
- 载荷：汽油动力，可载750公斤货物（乌军自研UGV仅250公斤）
- 战绩：累计行驶4000公里，完成1100+次任务，运输货物77.7万磅，完成88次伤员撤离
- 通信：加装Starlink天线，实现远程软件更新
自主 vs 遥控：当前边界
目前乌克兰士兵主要通过**远程遥控（teleoperation）**操控这些车辆，而非完全自主行驶。原因：自主系统还无法应对战场上的敌情识别和即时反应。"我们需要能实时响应敌方威胁，但现有自主系统还做不到这一点，"一名乌克兰士兵说。
Forterra从战场中学到了宝贵教训：电子战环境下如何更新软件、如何在复杂地形中操控、如何避免车辆在泥泞中趴窝被俄军瞄准。这些经验将直接转化为美国陆军/海军陆战队的国家安全合同。
投资看点
Forterra已融资超5亿美元，投资者包括XYZ Venture Capital和Moore Strategic Partners。这次乌克兰实战数据，对争取五角大楼的自主车辆生产合同（已与Oshkosh Defense合作）有直接价值。
四、WAIC 2026中国动态：每刻深思空间光计算方案亮相
2026世界人工智能大会期间，每刻深思携空间光计算核心技术联合阶跃参展，展出"空间光计算芯片+大模型"全栈融合方案，依托阶跃STEP 3.7大模型完成实景推理加速演示。
同时，每刻深思与科华数据达成"算电冷协同"战略合作，聚焦UPS、液冷、异构算力协同，推进绿色算力方案规模化落地。
与本日报的关联： 具身智能的核心硬件挑战之一是端侧算力不足——机器人的传感器融合、实时决策需要大量低功耗算力。空间光计算（用光学方式做矩阵运算）理论上能把AI推理的能效提升1-2个数量级。如果这项技术成熟，将是具身智能硬件的重要推动力。
本周小结：具身智能的"三路并进"
本周三条新闻，从三个维度勾勒出人形/具身机器人产业的现状：
| 维度 | 代表事件 | 核心信息 |
|---|---|---|
| 商业化 | Agility建厂+3亿订单 | 人形机器人已产生真实收入，工业场景是主战场 |
| 基础模型 | General Intuition 23亿估值 | 视频游戏数据→机器人基础模型，泛化能力是核心赌注 |
| 特殊场景 | Forterra乌克兰实战 | 军事/危险场景是自主系统的早期落地，比家用更现实 |
一个值得思考的趋势： 当前人形机器人行业存在明显的"分工演化"——Agility/Figure/1X做整机，General Intuition做基础模型层，Forterra代表特种应用层。这种分层和当年NLP行业的发展路径如出一辙——底层基础模型、中间层微调/Agent、上层应用。具身智能正在重走NLP的演进路径，只不过物理世界的复杂性让这条路走得慢得多。
下一个关键节点： 特斯拉Optimus何时真正量产？Agility Digit V5（能感知人类的版本）秋季发布。通用基础模型能否在工业场景通过安全认证？
#具身智能 #机器人 #AgilityRobotics #GeneralIntuition #Forterra #WAIC #人形机器人 #空间光计算