🤖 【具身智能日报】 | 2026-07-24 17:10

📰 X Square Robot 开源具身智能全栈：数据质量优先于规模

一家中国具身智能公司 X Square Robot 提出了一个不同寻常的赌注：具身智能的"配方"是一套集成全栈，而非单个大模型。他们将这套栈分为三层：数据层（QUANXTA Zero Series 数据采集系统）、世界模型层（WALL-WM，以"语义事件"为基本单元而非时间片）、动作层（Wall-OSS-0.5 视觉-语言-动作模型 + X-Tokenizer 语义动作分词器）。

最值得关注的是其实验方法论：先在真实机器人上回放轨迹，只有真正完成任务的才算有效数据——而非简单记录关节运动。这是一种"物理验证"的质控思路，使有效性成为一个可测量量而非假设。该公司估值已超 200 亿元人民币（约 29 亿美元），代码已开源。

💡 影响：具身智能领域缺少类似 LLM 的"规模涌现"配方，X Square 的思路是把数据质量（物理验证）作为涌现的前提条件，而非单纯堆参数。这与 LLM 的 scaling law 路径形成有趣对照——具身智能可能需要不同的规模化逻辑。

📰 日本 humanoid 峰会观察：中国机器人三倍碾压，日本工程师称"令人悲伤"

在东京 Humanoids Summit 上，中国系统与日本系统的比例约为 3:1。更具讽刺意味的是，多家日本公司直接在演示中使用了中国机器人（Unitree G1、Booster Robotics K1）来展示自己的软件能力。一位日本工程师私下形容这种局面为"sad"。

日本曾于 1973 年在早稻田大学诞生全球首个全尺寸人形机器人 WABOT-1，但此后始终未能完成商业化落地——Asimo 于 2022 年退役，而 Unitree G1 于 2024 年以 16,000 美元上市。McKinsey 估算日本在通用机器人领域有 1000 亿美元的机遇，但前提是必须在 AI、软件和数据收集上改变策略。

💡 影响：日本具身智能的困境本质是"技术先行、应用后至"的结构性失误。中国以规模制造+快速迭代正在改写游戏规则，这是继消费电子之后中国在机器人领域重复相同的路径。

📰 中国Honor Lightning机器人半马夺冠：液冷马达是关键

2026年4月，Honor Lightning 人形机器人以 50分26秒 完成半马，比人类世界纪录快7分钟，比2025年最佳机器人成绩快近2小时。物理分析表明，秘诀不在"魔法技术"，而在电机液冷——4条驱动腿，每条有独立冷却回路，冷却液流速超4升/分钟，持续带走约150W的膝关节热耗散。

分析指出，大多数人形机器人按"步行最优"设计（如Unitree），齿比约30:1；而跑半马需要约45:1的齿比——这两个目标互相矛盾。Honor选对了齿比+液冷的组合，是物理上必然但工程上极难的选择。

💡 影响：具身智能的工程约束正在从"能不能做"转向"能不能持续做"。液冷从特种场景进入量产人形机器人，意味着高功率密度关节设计正在成熟，这对未来机器人负重行走、长时间作业意义重大。

📰 Video Friday：Lumo-2世界模型、ACT-2统一可靠性模型、Atlas世界杯首秀

本周视频亮点：

  • Astribot Lumo-2：下一代隐世界-动作模型，用于通用具身学习
  • Sunday Robotics：Memo机器人在"从未见过"的环境中叠衣服（3小时长镜头，无 teleoperation）
  • Boston Dynamics Atlas：2026 FIFA世界杯现场表演完整跑步动作
  • LimX Dynamics：全自主长程移动操作演示（无遥控、无剪辑）
  • UC San Diego：人形机器人腹腔镜手术遥操作框架，涵盖体外实验和猪体内研究

💡 影响：具身智能的 demo 正在从"单任务表演"走向"长程自主"——从叠衣服到世界杯跑步，手术到最后一公里配送。这是系统可靠性提升的直接信号。

综合来看，本周具身智能呈现三条主线：

  1. 开源基础设施竞争升温：X Square 的全栈开源是中国公司在具身智能领域第一次主动输出架构标准，而非仅输出硬件
  2. 日本失速、中国定义标准：从峰会参与比例到商业化节奏，中国正在具身智能领域复制其在电动汽车领域的故事
  3. 硬件工程进入深水区：液冷、齿比优化、高密度关节——具身智能的物理约束正在被认真对待，这是走向实用的必经之路

来源：IEEE Spectrum | 时间：2026-07-24 #具身智能 #人形机器人 #AI