研报 · 深度报告
具身智能大脑层全景：VLA 模型与数据飞轮——横纵分析报告
报告编号：BR-022（大脑侧第一篇）· 撰写日期：2026-10-19 · 分析框架：横纵分析法（纵轴=范式演化史，横轴=2026年10月玩家截面）· 口径标注：【官方】【机构】【媒体】【估算】· 前序关联：《订单篇》——VLA 若在 2026 底-2027 出现「GPT-3 时刻」是行业最大上行变量，本篇正面回答这一命题
一、一句话定义
具身智能的「大脑层」，是把机器人的感知-理解-决策-执行压缩进一个（或一组）可学习的神经网络模型——当前的主流形态是 VLA（Vision-Language-Action，视觉-语言-动作模型），它以互联网级图文预训练获得常识、以真机/仿真/视频三类数据学会动作，而这场竞争的胜负手不在模型架构（架构已高度趋同且大量开源），在于谁先把「数据飞轮」转起来：以最低边际成本获取千万小时级物理交互数据，并在部署中让数据回流反哺模型。
二、纵向：大脑范式演化史——五次迁移，每次都在「换数据」
机器人大脑的历史，可以浓缩为一条主线：人类手写的先验被一步步撤出，数据一步步接管。每一次范式迁移，解决的都是上一代最痛的问题，同时引入一个新的、往往更贵的问题。
2.1 第一代：传统控制（ROS + 规划器）——先验全靠人写
2000 年代至 2010 年代的主流：感知（SLAM/目标检测）、规划（运动规划器/A*）、控制（PID/MPC）三大模块拼接，ROS 提供通信骨架。这一范式在结构化工厂里已经够用，但每换一个任务都要工程师重写一遍管线——智能的上限就是写代码的人。它解决的问题（让机器人动起来）和它的问题（零泛化）同样明显。
2.2 第二代：深度强化学习——用交互数据换策略
2015 年前后，深度 RL 让机器人从「写规则」变成「试错学习」：策略在奖励信号下自己摸索。以 DreamerV3（2023，Hafner 等）为代表的世界模型强化学习，先学一个环境的紧凑模型，再几乎完全在这个「想象世界」里训练策略——训练因此又快又便宜【官方，arXiv】。RL 解决了「手工先验撤出」的问题，但引入了新问题：奖励函数仍要人设计，样本效率低，一个策略只管一个任务， sim-to-real 的鸿沟让仿真里练出的动作在真机上经常失灵。
2.3 第三代：大模型分层架构——LLM 当经理，控制器当工人
2022 年 SayCan（Google）给出过渡形态：LLM 负责把「收拾厨房」拆成子任务，一个学出来的价值函数负责判断机器人「哪些做得到」，底层仍是传统控制器【官方】。这一架构让机器人第一次「听得懂人话」，但 LLM 并不理解物理世界——它只是把语言映射到技能库。模块间的误差累积、技能库的扩展成本，都还在。
2.4 第四代：端到端 VLA——一个网络，从像素到力矩
真正的范式转折从 RT 系列开始，此后两年半迭代速度接近 LLM 2019-2022 的节奏：
| 时间 | 模型 | 机构 | 关键参数 | 数据 | 关键结果 |
|---|---|---|---|---|---|
| 2022.12 | RT-1 | 35M Transformer | 13 台机器人 17 个月采的 13 万条演示、700+ 任务 | 已见任务 97%、未见任务 76%【官方，arXiv:2212.06817】 | |
| 2023.7 | RT-2 | Google DeepMind | 55B（PaLI-X）/12B（PaLM-E）VLM 协同训练 | RT-1 数据 + 互联网图文 | 全新任务成功率 62%（RT-1 为 32%），首次证明 web 预训练可迁移到动作【官方，arXiv:2307.15818】 |
| 2023.10 | Open X-Embodiment | 34 家机构联合 | 数据集 | 22 种本体、100 万+ 轨迹 | 跨本体训练的 RT-1-X 比专用模型平均高约 50%【官方】 |
| 2024.6 | OpenVLA | Stanford 等 | 7B（Llama2-7B + DINOv2/SigLIP） | 97 万条 OXE 轨迹 | 64 张 A100 训 15 天（约 2.3 万 GPU 时），LIBERO 微调后 85-95%【官方，arXiv:2406.09246】 |
| 2024.10 | π0 | Physical Intelligence | 3.3B（3B PaliGemma + 300M 动作专家，流匹配） | 1 万小时/约 120 万条跨本体真机演示 | 50Hz 高频灵巧控制，开源 openpi【官方，arXiv:2410.24164】 |
| 2025.4 | π0.5 | Physical Intelligence | ~3B | 真机+网络图文+第一视角视频「知识绝缘」协同训练 | 旧金山 3 间从未见过的出租屋里完成整理厨房/卧室——首次在全新家庭泛化【官方，arXiv:2504.16054】 |
| 2025.11 | π*0.6 | Physical Intelligence | 5B | RECAP 强化学习：演示+自主执行+人类纠错三类数据 | 浓缩咖啡成功率超 90%，最难任务吞吐翻倍【官方，arXiv】 |
| 2026.4 | π0.7 | Physical Intelligence | 4B VLM + 860M 动作专家 + 世界模型（14B BAGEL 初始化） | + 世界模型生成次目标图像 | 首次实证「组合泛化」：用已会原子技能拼出从未训练过的任务（空气炸锅烤红薯）【机构，智源社区】 |
同期两条标志性支线：
- Figure Helix 系：2025 年 2 月首发（S2 = 7B VLM @7-9Hz 慢思考，S1 = 80M 视觉运动策略 @200Hz 快执行，约 500 小时遥操数据，机载低功耗 GPU 部署）；2026 年 1 月 Helix 02 增加 S0（10M 参数 @1kHz 全身控制器，用 1000+ 小时人体动捕数据 + 20 万并行仿真环境训练），用神经网络替换了 109,504 行手写 C++，完成 4 分钟级「过整个厨房、装卸洗碗机」的长程全身自主任务；2026 年 9 月 Helix 2.5 用自建 Index 人类视频数据集从头预训练，在 30 个未采集过训练数据的湾区家庭里，420 次全身家务试验成功 237 次（56%）【官方，Figure 博客】。
- NVIDIA GR00T 系：N1（2025.3，全球首个开源人形基座）→ N1.5（2025.5，DreamGen 合成神经轨迹）→ N1.6（2025.9，EgoScale 人类视频预训练）→ N1.7（2026 年 GTC，3B，Apache 2.0 商业授权，22 自由度灵巧手控制）→ N2（预览，基于 DreamZero 世界动作模型，官方称陌生环境新任务成功率为当前主流 VLA 两倍以上，年底发布）【官方，NVIDIA 博客/百科】。
2.5 第五代：世界模型路线——「先在脑子里过一遍」
VLA 的软肋是模仿陷阱：它是「背答案」，训练分布之外一遇扰动就崩。世界模型（World Model / WAM，世界-动作模型）的解法是让机器人先学会预测「我这么做，世界会变成什么样」，再选择动作。2026 年的三个标志性证据：
- DreamZero（NVIDIA，2026.2）：在 AgiBot 真机平台 80 次 rollout 评测中，未见环境未见物体的任务平均进度 62.2%，最好的预训练 VLA 基线 27.4%；从零在同源数据训练的 GR00T N1.6 与 π0.5 均 ≈0%；10 个完全未见任务（熨衣服、解鞋带等）39.5% vs 16.3%。更关键的一条：混入仅 12 分钟第一视角人类视频（无动作标签）协同训练，未见任务性能从 38.3% 升至 54.3%——视频数据可以直接喂进世界模型的目标函数【机构，Archie Sengupta 博客引述论文】。
- 1X World Model（2026.1）：14B 视频生成骨干 + 逆动力学模型（400 小时未筛选机器人数据训练），用「先生成未来视频、再翻译成动作」的方式让 NEO 学新任务；测试时并行生成 8 条 rollout 择优，纸巾抽取任务成功率 30%→45%【官方，1X 博客】。
- 国内：智元 Genie Envisioner（2025.7，4D 具身世界模型平台）、极佳 GigaBrain-0.7（引入 System-3 预判系统）、自变量 WALL-A（VLA 与世界模型深度融合，首创具身多模态思维链）、千寻 Spirit v1.6（VLA+世界模型融合架构）——世界模型已从学术议题变成产品配置【官方，各公司发布】。
2.6 纵轴小结：五次迁移的「交换律」
| 范式 | 解决了什么 | 引入的新问题 | 数据形态 |
|---|---|---|---|
| 传统控制 | 让机器人能动 | 零泛化，全靠工程师 | 无（人工规则） |
| 深度 RL | 撤出人工策略先验 | 奖励设计难、样本效率低 | 交互试错数据 |
| LLM 分层 | 听得懂指令 | LLM 不懂物理，模块误差累积 | 互联网文本 |
| 端到端 VLA | 常识迁移、一网多任务 | 数据饥渴、模仿陷阱 | 真机演示+图文+视频 |
| VLA+世界模型+RL | 预演后果、组合泛化 | 算力成本陡增、评测难 | 上述全部+合成数据 |
每次迁移都不是替代而是叠加：Helix 02 同时用着 RL（S0 仿真训练）、双系统（分层遗产）和 VLA（S1 端到端）；π0.7 是 VLA+世界模型+RL 三件套。产业共识正在收敛为「VLA 负责快反应、世界模型负责慢推演、强化学习负责自我改进」的三位一体【机构，EconoBytes 产业观察】。
三、横向：2026 年 10 月玩家格局大表
3.1 海外阵营
| 公司 | 模型 | 架构/参数 | 数据策略 | 绑定机型/落地 | 开源与否 |
|---|---|---|---|---|---|
| Figure AI | Helix / Helix 02 / 2.5 | S2 7B@7-9Hz + S1 80M@200Hz + S0 10M@1kHz；Helix 2.5 用 Index 视频从头预训练 | 500h 遥操起步；Index 众包视频（10.8 万人下载、每秒新增 30 分钟视频、已付贡献者 1500 万美元）；1000h+ 人体动捕 | Figure 02/03；BMW 工厂批量运行 6 个月；2026.5 直播 200 小时包裹分拣；湾区 30 家庭家务 56% | 闭源 |
| NVIDIA | GR00T N1→N1.7 / N2 | 双系统（N1.7：3B，Cosmos-Reason2/Qwen3-VL 骨干 + 相对 EEF 动作空间跨本体）；N2 世界动作模型（DreamZero） | EgoScale 人类视频预训练 2 万+ 小时（发现近完美对数线性 scaling law，R²=0.9983）；Isaac/Newton 仿真合成（78 万条轨迹/11 小时） | 平台路线：1X/Agility/波士顿动力/宇树/智元等 40+ 伙伴；Jetson Thor 机载 | N1/N1.7 开源（N1.7 Apache 2.0 商用） |
| Physical Intelligence | π0 → π0.7 | 3.3B→5B，流匹配动作专家+知识绝缘+RECAP RL+世界模型次目标 | 1 万小时+ 跨本体真机（自建遥操，全部自有版权）+网络图文+第一视角视频；不使用公开数据集 | 无自有本体，「机器人的安卓」；移动双臂平台、真机家庭测试 | 部分开源（openpi 研究权重） |
| Skild AI | Skild Brain 1.0 | 单一 500B 参数网络，「全本体」（未见过的机器人校准 15 秒即可上手，亚毫米精度） | 主要靠人类视频学习 | 云 API 授权；ABB/UR/MiR/富士康合作；2026.4 收购 Zebra 机器人自动化业务（Symmetry 编排平台） | 闭源 |
| Google DeepMind | Gemini Robotics 1.5 / ER 1.5 | 双模型：ER（具身推理，可调用搜索）+ VLA（动作） | Gemini 生态多模态数据 | Apptronik Apollo 等多本体；ER 已上 Gemini API | 闭源（SDK 受限开放） |
| Tesla | Optimus Gen-3 大脑（FSD 复用） | 纯视觉 + FSD 架构复用 + WAM 演进 | 车端 FSD 数据体系 + 工厂回流 | 上海超级工厂 50 台 Gen-3 总装车间（座椅安装/搬运）【媒体，中国经济新闻网 2026.5】 | 闭源 |
| 1X | Redwood（160M VLA）+ 1XWM（14B） | VLA@5Hz 机载 + 世界模型规划层 | 遥操优先；1XWM 用 900h 第一视角人类视频中训 + 70h NEO 数据微调 | NEO 家用，2026 限量交付（约 2 万美元或 499 美元/月订阅），首年售罄 | 部分开源（世界模型研究） |
估值坐标（2026 年）：Figure 自报 390 亿美元；Skild C 轮 14 亿美元融资、估值 140 亿+（SoftBank 领投，7 个月估值三倍）；Physical Intelligence 2025.11 确认 56 亿 → 2026 年最新一轮约 10.5 亿美元融资、估值约 112 亿；1X 洽谈 100 亿+；Generalist（GEN 系列）成立约一年即 20 亿【机构，Bloomberg/TechCrunch/The Robot Report 汇总】。纯「卖大脑」的公司估值已普遍超过多数本体厂——资本在为「模型层通吃」下注，但这个定价隐含的假设（模型能跨硬件复制、边际成本递减）尚未被收入验证：Skild 2025 年披露收入仅约 3000 万美元。
3.2 国内阵营
| 公司 | 模型 | 架构/参数 | 数据策略 | 绑定机型/落地 | 开源与否 |
|---|---|---|---|---|---|
| 智元机器人 | GO-1（启元） | ViLLA：InternVL-2B 多模态 + Latent Planner（隐式规划器）+ 扩散动作专家，MoE | AgiBot World 百万真机数据集（100 万条/2976.4h/217 任务/106 场景，100 台同构机器人采集）；张江 4000㎡ 数采工厂日均 3-5 万条；2026 年预计产出数百万小时 | 远征/灵犀全系（一脑多形）；2025.12 第 5000 台下线；Genie Envisioner 世界模型平台 | GO-1 2025.9 开源 + AgiBot World 数据集开源（全球下载量最高的真机数据集） |
| 银河通用 | GraspVLA / AstraBrain | VLM（InternLM2-1.8B + DINOv2/SigLIP）+ 流匹配动作专家；AstraBrain-WAM（大脑 3B-13B）/WBC（小脑 80-300M@100-250Hz）/Dex | SynGrasp-1B 十亿级仿真数据预训练 + 少量真机微调，零样本七大泛化；仿真一周生成亿级数据 | 与宁德时代深度合作；零售/工业场景 | 模型不开源，数据路线自成一派 |
| 星动纪元 | ERA-42 | HiRT 分层：7B InstructBLIP 感知规划 + 40M Transformer 动作解码；国内首个端到端原生+世界模型 | 互联网视频预训练（保留原始视频规避信息损耗）+ 遥操真机后训练 + RL 优化 | 自研星动 X HAND1 五指灵巧手，百种以上工具操作（螺钉钻/锤子/取液枪） | 未开源 |
| 千寻智能 | Spirit v1.5 / v1.6 | VLA 与世界模型深度融合 | 自研 UMI 可穿戴数采（第 5 代，成本为传统遥操 1/10）；已积累 20 万+ 小时，2026 年目标 100 万小时 | Moz1/Moz2；宁德时代中州基地产线（近千块电池零故障）；京东 MALL 咖啡师；博世战略合作 | v1.5 开源（首个在 RoboChallenge 超 π0.5 的中国开源模型，66.09 分/成功率 50.33%） |
| 它石智航 | TARS AWE 2.0/3.5 | 物理原生基座（非图像理解路线），百亿级参数，双先验预训练+世界模型驱动后训练 | SenseHub 可穿戴数采（视/动/脑/触融合，融入真实生产生活）；累计真实数据超百万小时 | A1 机器人汽车线束装配（天海电子规模化部署，全球首个线束场景落地）；吉尼斯纪录（1 小时亚毫米线束装配）；刺绣人形机器人 | 未开源 |
| 自变量机器人 | WALL-A / WALL-X | 端到端 + VLA 与世界模型深度融合，百亿级参数（披露为全球最大之一）；具身多模态思维链 ECoT | 大规模真机遥操 + 真机强化学习自进化 | 量子 X1/X2 轮式仿人（62 DoF、±0.03mm 末端精度）；叠衣/晾衣成功率超 90%；主攻酒店/养老院 | WALL-OSS 0.5 开源（2025.8，预训练完可直接上真机） |
| 逐际动力 | LimX COSA / COSA 0.5 | AgenticOS：Sys2 认知层（LLM/VLM@1Hz）+ Sys1 技能层 + Sys0 运控层三层一体 | LimX VGM：视频生成大模型后训练，国内首次将人类操作视频直接用于机器人操作 | 全尺寸人形 Oli、Luna（群控 200+ 台）；TRON 系列科研平台 | 系统开放，模型部分开源 |
| 极佳视界 | GigaBrain-0.7 / GigaWorld-Policy | 通用具身大脑（System-3 预判）+ 通用人形小脑 WBC + 世界生成模型 GigaWorld | 世界模型作为「数据引擎」，官方称学习效率提升 10-100 倍 | Maker H01（量产交付）/Maker L01（乒乓球对拉 132 拍）；拾光 S1 家庭场景 | GigaWorld-Policy-0.5 开源；GigaBrain-0.1 曾登权威真机评测全球第一 |
| （参照）字节 Seed | GR-3 | 4B MoT（混合 Transformer），端到端 | 遥操机器人数据 + VR 人类轨迹 + 公开图文 | 内部场景验证，官方称泛化抓放超 π0 | 未开源 |
| （参照）蚂蚁灵波 | LingBot-VLA 2.0 | 商用服务导向 | 9 万小时清洗出 5 万小时真机 + 1 万小时第一视角有效数据，覆盖 17 品牌 20 构型 | 商业服务场景 | 未开源 |
横截面的三个观察：
- 架构已经不构成区分度。双系统（快慢脑）+ 动作专家 + 流匹配/扩散 + 世界模型辅助，几乎是所有头部玩家的标配模板，差异在层数、频率切分和训练配方。真正拉开差距的是数据管线和工程化能力。
- 中外路线分化清晰：美国头部（Figure/Tesla/PI/Skild）押「模型层通吃」或「全栈垂直整合」，中国公司几乎全部选择「软硬一体 + 场景驱动」——先在工厂/商超/产线里跑起来，用真实任务养数据。中国在人形产量上领先（2025 年约 2 万台 → 2026 上半年已超 4 万台，全年预计破 10 万台【官方，工信部副司长披露】），美国在基座模型范式与算力上领先。
- 「大脑公司」的独立品类已经成立：Skild、Physical Intelligence、Generalist、Field AI 与国内的「只卖大脑」叙事，正面对撞 Figure/Tesla/宇树们的「大脑必须长在自己身体上」。宇树招股书把 42 亿 IPO 募资的 48%（20.22 亿）投向模型研发——本体厂正在用真金白银投票「大脑必须自研」【机构，宇树招股书】。
四、数据飞轮解剖：四种路线的成本、规模与真实成色
这是本篇的核心。VLA 的 scaling law 已被 NVIDIA 用 EgoScale 实证（人类视频数据量与验证损失呈近完美对数线性关系，1,000→20,000 小时数据让平均任务得分翻倍以上，R²=0.9983【官方，GR00T 论文】），于是问题变成：数据从哪来、多少钱、谁囤得多。
4.1 四条数据路线的「价格表」
| 路线 | 单条/单位成本 | 规模上限 | 质量/风险 | 代表玩家 |
|---|---|---|---|---|
| 真机遥操作 | 早期 50-500 元/条；规模化后 30 秒数据 10-15 元、1 小时约 1000 元；行业有效数据条成本 10-50 元 | 受人力与机时线性约束；百台级数采厂月产十万条量级 | 质量最高、与本体天然对齐；但柔性操作采集失败率超 50%，1 小时真实场景仅能采约 20 条有效轨迹且含 30% 行为偏差 | 智元（4000㎡ 工厂、日均 3-5 万条）、1X（遥操优先）、π 系列（全部自采自有版权） |
| 仿真合成 | <0.1 元/条；Isaac 生态 11 小时可出 78 万条轨迹 | 无上限（银河通用称一周亿级） | sim-to-real gap：纯仿真策略直接迁移易失真，当前工程解为「90% 仿真预训练 + 10% 真机微调」；Genesis World 1.0 已把仿真-真机相关性做到 89% | 银河通用（SynGrasp-1B）、NVIDIA（Isaac/Cosmos/Newton）、光轮智能 |
| 视频模仿 | 0.01-5 元/条（UMI 手持采集 0.5 元级）；互联网视频近零边际 | 互联网级 | 版权与隐私合规是硬约束（影视素材训练在国内司法实践中已判侵权，如爱奇艺诉 MiniMax 案）；有效性约 30-50%（embodiment gap），但世界模型可直接吃无动作标签视频 | Figure Index（付酬众包，规避爬虫合规风险）、Skild（人类视频主力）、NVIDIA EgoScale、它石 SenseHub、逐际 VGM |
| 真机回流 | 边际成本趋近于零（已部署机器人的运行/纠错数据） | 随部署量指数增长 | 需用户授权与合规处理；失败数据价值被重估（有客户愿以 1.5 倍价格收购失败样本） | 仙工智能（5 万台设备×20% 回流×10h/天×300 天≈年 3000 万小时潜力）、π*0.6 RECAP、1X（成功+失败轨迹同训） |
【机构，中国机电一体化协会《2026 中国具身智能产业发展报告》；机构，佐思汽研；机构，腾讯新闻/科创板日报汇总；机构，SciEngine 期刊论文 2026.7】
4.2 数据缺口：差的是 20 倍，不是 2 倍
- 国金证券测算：训练具备实用能力的具身模型至少需要 1000 万小时多模态交互数据，全球当前积累的高质量真实数据约 50 万小时，不足需求的 5%【机构，国金证券 2026.7 深度报告】。
- 智元姚卯青：语言模型有数百万亿 token，具身智能训练数据与之差 4-5 个数量级【官方，智元合伙人演讲】。
- 商汤王晓刚：行业多年积累约 10 万小时量级，目标两年内（到 2027/2028）通过环境式速采冲到 1000 万小时、再借世界模型到亿小时——「到那个时候才真正迎来 ChatGPT 时刻」【官方，博鳌 2026 发言】。
- 成本换算：百万小时真机预训练 = 10 亿-16 亿元人民币量级投入；且「采 1 万小时，真正能用的往往只有几十到几百小时」，有观点称「花几千万采的十万小时数据，模型能力只涨了 5%」——99% 的采集成本可能是沉没成本【机构，腾讯新闻/读懂马斯克 2026.8 调查报道】。
4.3 各家「数据资产负债表」【估算口径，基于公开披露汇总】
| 公司 | 公开披露的数据资产 | 折算与备注 |
|---|---|---|
| Physical Intelligence | π0 预训练 1 万小时（约 120 万条）真机 | 全部自采、版权干净；家族迭代累计估 1.5-3 万小时【估算】 |
| Figure | Index 众包视频流（每秒新增 30 分钟，已付 1500 万美元）；Helix 初代 500h 遥操；S0 用 1000h+ 动捕 | Index 折算年增数十万小时级人类视频；策略是「视频原生素材 + 少量遥操」【估算】 |
| NVIDIA | EgoScale 2 万+ 小时人类视频（N1.7）；GR00T-Dreams 合成管线 | 合成数据另计；开放 BONES-SEED 14.2 万+ 人体动作 |
| 智元 | 开源 2976 小时/100 万条；数采厂日均 3-5 万条，年产能百万小时级；宣称 2026 年产出数百万小时 | 国内最大真机存量；开源部分即全球最大真机数据集 |
| 千寻智能 | 累计 20 万+ 小时多类型交互数据；2026 年目标 100 万小时 | UMI 路线成本为遥操 1/10 |
| 它石智航 | 累计真实世界数据超百万小时 | SenseHub 穿戴式，含视/动/触 |
| Skild | 未披露，官方口径「主要靠人类视频」 | 500B 参数模型的语料规模不透明 |
| 蚂蚁灵波 | 6 万小时（5 万真机 + 1 万人类视频，均为清洗后有效值） | 覆盖 17 品牌 20 构型 |
| 银河通用 | SynGrasp-1B（十亿级合成条数） | 真机存量小、合成产能大，路线异质 |
结论：没有任何一家的真机数据存量超过 100 万小时，与千万小时的门槛差一个数量级；行业总体处在「飞轮开始转动、但远未自转」的阶段——从「机器人自主执行→数据回流→模型变强→部署更多」的自主飞轮，业内普遍判断还需 2-3 年。
4.4 评测基准现状：榜单在「通胀」，权威在转移
- 仿真榜已饱和：LIBERO 上 Cosmos Policy / LingBot-VA 均报 98.5%，OpenVLA-OFT 97.1%——失去区分度本身就是一个信号，前沿评测已转向泛化与扰动【机构，Ai2 VLA Leaderboard，2026.7 更新】。
- RoboTwin 2.0 成了 WAM 的主场：榜首前五全是世界动作模型/隐空间模型（Next Forcing 94.1、LingBot-VA 92.9），π0.5 以 82.7 排其后；且 WAM-VLA 差距随任务步数与随机化拉大（π0.5 从 Clean 到 Random 掉 5.9 分，顶部 WAM 只掉 ≤1.5 分）【机构，论文汇总】。
- RoboArena（真机双盲 Elo，最接近「机器人 Chatbot Arena」）：2026 年 6 月 2 日快照——千寻 Spirit v1.6 以 1918-1924 分登顶，英伟达 Cosmos3-Nano-Policy 1880-1881、DreamZero 1762、自变量 WALL-OSS 1670、π0.5_fast/pi0.5 约 1562-1564。但 6 月 24 日 RoboArena 官方排查出集中在两个新注册账号的可疑评测数据并移除后，Spirit v1.6 从榜单消失，千寻未公开回应——这个事件本身应被记录为行业评分体系尚未成熟的证据【机构，SCMP/百度百科词条收录；榜单迁移中】。
- 真机长程任务：Helix 2.5 的 30 家庭 56% 是目前最有说服力的「真实世界成绩单」；DreamZero 在 AgiBot 平台的 62.2% 任务进度是「未见环境」的标杆数字【官方，各自论文/博客】。
五、算力与训练成本：大脑是烧出来的
5.1 训练一个 VLA 基座要多少钱
| 项目 | 数据点 | 折算 |
|---|---|---|
| OpenVLA（7B，开源参照系） | 64×A100×15 天 ≈ 23,040 A100 时 | 按租赁价 2-4 美元/卡时，纯算力约 4.6-9.2 万美元（不含数据/人力/失败实验）【官方论文+机构推算】 |
| ASI<Train> CORTEX 方案（LLaMA3.2-11B 骨干、200 万轨迹、2.32 万亿 token） | 1024×H100×10 天 ≈ 24.7 万 H100 卡时 | 约 68 万美元【官方，项目文档】 |
| 「做出几个能看的 VLA Demo」 | 一年至少烧 3000-5000 万元人民币 | 含数据与人力【机构，行业调查】 |
| 世界模型路线 | 上亿元算力消耗 | 14B 视频生成骨干的预训练远贵于 VLA 本体【机构，行业调查】 |
| Figure × Nscale | 35 亿美元起步（可超 60 亿）部署至多 10 万张英伟达 GPU（Vera Rubin 平台，2027H2 起） | 单个机器人大脑公司史上最大算力订单【机构，Science Report 2026】 |
| 数据 vs 算力 | 某头部创始人：100 万小时数据的采集成本 1-2 亿元，训练成本约为采集的 10 倍 | 即对应 10-20 亿元训练账单【机构，腾讯新闻】 |
规律很清楚：模型参数（3B-7B）和单次训练账单（几十万-几百万美元级）远小于 LLM 前沿（GPT-4 级训练传为数亿美元），VLA 的钱主要花在数据采集和反复迭代上，而不是单次大训练——这与 LLM「一次预训练定乾坤」的成本结构根本不同，也是「数据资产重于模型资产」这一判断的经济学基础。
5.2 英伟达的全家桶角色
英伟达在具身大脑层的布局是五层栈：①GR00T 开源基座模型（N1.7 已可商用）→ ②Cosmos 合成数据与世界模型 → ③Isaac Sim/Lab 仿真框架 + Newton 开源物理引擎（与 DeepMind/迪士尼共研，MuJoCo-Warp 求解器让人形仿真加速 70 倍）→ ④Halos 安全栈 → ⑤Jetson Thor 机载芯片（2070 TFLOPS）+ GR00T 参考人形（与宇树/Sharpa 联造，2026Q4 推出）。策略与安卓同构：软件全开源，价值回收在算力与生态锁定。佐证是其财报——FY2026 总营收 2159.4 亿美元，汽车+机器人板块仅 23.5 亿（占 1.1%）：它不需要现在从机器人身上赚钱，只需要所有机器人用它【官方，NVIDIA 财报与开发者站点；机构，今日头条分析】。Figure 既是英伟达的股东关系方、芯片客户，又是仿真与安全栈用户——训练、部署每一环都绕不开同一家供应商。国内受芯片出口管制影响，头部公司普遍采取「英伟达集群训练 + 国产芯片适配推理」的双轨【估算】。
六、开源 vs 闭源：智元们到底在送什么
6.1 开源版图
- 海外：NVIDIA GR00T N1/N1.7（Apache 2.0）、OpenVLA/OFT、π 系列研究权重（openpi）、Hugging Face LeRobot（收购 Reachy 2 后成为开源社区主干）。
- 国内：智元 GO-1 + AgiBot World（2024.12 数据集、2025.9 模型）、千寻 Spirit v1.5（首个超 π0.5 的中国开源模型）、自变量 WALL-OSS（预训练完可直接上真机）、极佳 GigaWorld-Policy、北京人形 XR-1 + RoboMIND（30 万条，全球下载超 2000 万次）、宇树 UnifoLM 世界模型/VLA 双开源。
6.2 智元开源的战略意图：送数据、留管线、定标准
智元把 100 万条/2976 小时真机数据（采集成本数亿元）直接开源，四层逻辑【机构，江流 AI 等多篇分析】：
- 数据不是护城河，数据生态才是——开源部分是存量，真正的资产是持续扩张的数采工厂（成都基地+全国共建）与 AIDEA 数据管线；
- 开源是招商——开发者用 AgiBot 的数据格式、任务定义、工具链（Genie Studio），最终 buy 智元的本体与模型服务，开源百万条是为了让更多人加入这个飞轮；
- 定义「好数据长什么样」——用工业级标准（长程任务、真实场景、全流程质控）抬高行业数据基准，后来者按此标准卷；
- 全球标准卡位——模型开源（英伟达已做）、硬件开源（宇树在做）之外，数据开源是中国最可能率先建立全球影响力的环节。AgiBot World 已被英伟达等采用为评测/训练底座。
6.3 开源对创业公司护城河的冲击
模型架构层面的事实是：市场上大量「自研模型」基于开源底座二次开发，架构本身已不构成壁垒，「简单魔改」的计算成本比外界想象低两个数量级【机构，腾讯新闻产业调查】。冲击与反冲击的逻辑：
- 被冲击方：以「我有一个模型」为卖点的大脑初创公司——当 GR00T N1.7 可以商用、Spirit v1.5 开源即超 π0.5、百万条数据免费下载时，纯模型层的故事讲不动了。
- 幸存逻辑：正如 LLM 领域 Llama 开源没能阻止 OpenAI 收费——架构可开源，数据与部署回路开不了源。真正的护城河排序：独占场景数据回流 > 真机部署规模 > 数据管线工程能力 > 模型架构。这也解释了为什么头部「大脑公司」全部在往场景和本体延伸（Skild 收购 Zebra、千寻绑定宁德时代/博世/京东、它石进天海电子产线）。
- 对二级市场投资的含义：判断一家具身公司的口径应从「发了什么模型」切换为「数据从哪来、回流比例多少、单任务适配成本是否随部署递减」。
七、「GPT-3 时刻」评估：距离与路径
《订单篇》的命题是：VLA 若在 2026 底-2027 出现 GPT-3 时刻，是行业最大上行变量。逐项检验。
7.1 硬指标现状（截至 2026.10）
| 维度 | 当前最好水平 | 与「GPT-3 时刻」的差距 |
|---|---|---|
| 已见任务成功率 | 工业定点任务 90%+（π*0.6 咖啡、自变量叠衣、智元部分任务 78%） | 基本达标——但这对应 GPT-3 之前的「BERT 时代」：专项模型早就能打 |
| 未见任务/环境泛化 | Helix 2.5 真实家庭 56%；DreamZero 未见环境 62.2% 进度；π0.7 组合泛化个案 | 半程——从「演示级」到「可靠级」（85%+ 且长尾可控）还差一大截 |
| 长程任务 | Helix 02 四分钟连续 loco-manipulation；π0.7 多步组合 | 刚破纪录，离「一整天自主工作」差 1-2 个数量级 |
| 数据 | 全球高质量真机约 50 万小时 vs 需要 1000 万小时 | 缺口 20 倍，这是主瓶颈 |
| 跨本体 | Skild 声称 15 秒校准上手新机型；GR00T N1.7 相对 EEF 动作空间 | 未被独立验证复现 |
| 部署成本 | 千寻 UMI 数据成本降至遥操 1/10；灵御 0.6 元/条 | 采集成本年降 5-10 倍的势头已现，但基座训练账单在涨（世界模型上亿） |
7.2 距离还有多远：三种权威声音
- 乐观派（2 年）：商汤王晓刚——2027-2028 年数据冲到 1000 万小时级即 ChatGPT 时刻【官方，博鳌 2026】；银河通用王鹤——2028 底前到来，标志是未训练任务直接 70-80% 成功率【官方，中国日报 2026.7】。
- 中性派（3-5 年）：自变量王潜——ChatGPT 时刻还需 3-5 年，具身智能是平滑过渡不会突变【官方，钛媒体 2025】；EconoBytes 产业观察——行业整体处 GPT-2 阶段，距 GPT-4 级通用 3-5 年【机构】。
- 怀疑派（10 年/永不突变）：vivo 邵浩——只有彻底摆脱人工采集才有 ChatGPT 时刻，约十年；星动纪元陈建宇——具身智能是渐进改良，边际成本降到近零的那一刻回头看才成立，「不存在一个突然的时刻」【官方，博鳌 2026 圆桌】。
7.3 本报告的判断【估算】
以「GPT-3 时刻」的严格定义（无需任务级微调即在多数未见任务上达到可用成功率、且边际适配成本趋近于零）衡量：
- 2026 底-2027 出现完整 GPT-3 时刻的概率偏低（主观概率 20-30%）。理由：数据缺口 20 倍是硬约束，50 万→1000 万小时按当前最激进产能（智元数百万小时/年 + 千寻百万小时目标 + 大晓环境速采）测算，2027 年底全行业累计到 300-500 万小时是合理区间，仍不满足。
- 但「GPT-2.5 时刻」大概率在 2027 年内出现（主观概率 60%+）：世界模型路线（DreamZero 类）在未见任务上已把最好成绩翻倍（27.4%→62.2%），且能直接消化无标签视频——这条路的 scaling 曲线不依赖昂贵的真机采集。若 GR00T N2（年底发布）兑现「两倍于主流 VLA」的官方口径并在 RoboArena 稳定霸榜，加上 π0.7 式组合泛化扩散，「演示即产品」的阈值（工业场景免微调部署）可能在 2027 年先在 B 端达成。
- 对订单篇命题的修正：上行变量不必等到完整的 GPT-3 时刻——B 端「免微调部署阈值」的到达（预计 2027）就足以触发订单弹性，因为它把单场景适配成本从数十万元级打到千元级，直接改写机器人销售的 ROI 表。
八、横纵交汇洞察：格局、议价力与三剧本
8.1 大脑层会重演 LLM 的「基座通吃」吗？
支持「通吃」的论据：VLA 与 LLM 同构（预训练+scaling law 已实证）、跨本体训练已被 OXE/π 证明有效、Skild 500B「一脑控任意机」的叙事拿到 140 亿美元估值、英伟达正在用开源基座+算力复制 CUDA 式标准垄断。
反对的论据更偏物理世界：①数据不可爬取——LLM 的通吃建立在互联网文本这个免费公共品上，机器人数据必须一台一台采，先发者的数据优势无法被后来者「一次爬取」追平，但也意味着没有谁的模型能靠「全网数据」一步登天；②embodiment 差异——灵巧手、双臂、轮式底盘的本体鸿沟仍在（π0 论文自己承认不是任何仿人的即插即用大脑），NVIDIA 走 per-embodiment 后训练路线与 PI 的统一模型路线之争未分胜负；③场景碎片化——线束装配（它石）、电池产线（千寻）、家庭收纳（1X/Figure）的数据分布天差地别，B 端客户要的是「这条产线上 95% 的良率」，不是通用智能。
本报告的判断【估算】：大脑层最终更可能呈「3-5 个通用基座 + 场景碎片化应用层」的混合结构，但基座的护城河与 LLM 不同——不在模型而在数据回路。通用基座的候选名单：英伟达 GR00T（算力+标准）、Physical Intelligence π（数据纯度+学术血统）、Skild（资本+工业渠道）、Figure Helix（全栈垂直，若开放则成基座）、国内智元/千寻（量产+场景数据）。二线的大脑公司若在 2027 年前拿不到独占数据回路，将面临「用着开源基座做场景集成」的定位下移——这个集成层有价值（类比 LLM 时代的应用层），但估值逻辑完全不同。
8.2 大脑公司对本体厂的议价力：现在弱，斜率向上
当前截面：本体厂强势。宇树把募资的 48% 投向自研模型，Figure 甩开 OpenAI 自研 Helix 后宣称「模型迭代比 OpenAI 还快」，1X 与 OpenAI 合作也转为自建 World Model Lab——头部本体厂全部选择大脑自研，理由是数据回路必须长在自己机队上。
但斜率对大脑公司有利：①自研大脑的年账单（数据+算力数亿元起）只有放量出货的本体厂养得起，二线本体厂（年出货几百台）自研在经济上不成立，终将外购；②Skild 收购 Zebra、绑定 ABB/富士康，PI 被传 112 亿估值——工业渠道正在给「第三方大脑」留出接口；③真正的议价力测试点在 2027 年：当 GR00T N2/π0.8 级模型把「换脑成本」降到足够低，本体厂自研模型的相对优势会被开源基座的绝对性能追平（参照手机厂自研 OS 的历史结局）。短期（2026-2027）大脑溢价被本体出货量压制，中期（2028+）若基座性能拉开代差，权力将翻转【估算】。
8.3 三剧本（含时间判断）
剧本 A：飞轮加速（概率 35%）——2027 年 B 端引爆，2028-2029 家庭破局 世界模型+视频学习把数据边际成本打到足够低（DreamZero 式「12 分钟视频+16pp」持续放大），GR00T N2/π0.8/国产基座在 2027 年达成工业免微调部署；机器人出货 2027 年 50 万台级、数据回流启动自转飞轮；2028-2029 家庭场景（可靠性 L4 级验证完成）出现第一台「买了不后悔」的家用人形。订单篇的最大上行变量兑现，行业重演 2023 年 LLM 的资本狂潮。观测指标：RoboArena 头部分数年增幅 >15%、单一公司真机+回流数据破 500 万小时、B 端免微调交付案例放量。
剧本 B：渐进改良（概率 45%）——基准年涨 5-10 个点，2030 年前后才见分水岭 数据缺口以每年 2-3 倍速度填补而非一蹴而就；模型能力稳步上行但「最后一公里」（长尾可靠性、安全认证、成本）拖住家庭场景；行业在 B 端纵深发展（线束、电池、物流、商超逐个场景攻克），大脑公司估值回归收入倍数，本体厂靠出货量维持话语权。ChatGPT 时刻推迟到 2029-2030（与陈建宇「渐进论」、王潜 3-5 年一致）。这是当前证据最支持的剧本——2026 年的所有硬指标（家庭 56%、未见任务 62%）都指向「陡峭但未断裂」的进步曲线。
剧本 C：瓶颈期/挤泡沫（概率 20%）——数据墙撞上，资本先退 千万小时数据迟迟凑不齐，世界模型的视频学习路线遭遇物理一致性天花板（生成内容违背物理的「Gen2Real gap」无法根除）；榜单可信度危机（RoboArena 数据污染事件重演）叠加大脑公司收入不及预期（Skild 式 3000 万美元收入 vs 百亿估值的倒挂），2027 年资本退潮，行业整合：基座收敛到 3-4 家有算力/数据靠山的玩家（英伟达系、PI、头部国产），纯模型创业公司被本体厂收购。技术进步不停但节奏降档，GPT-3 时刻推迟到 2031 年后。
三个剧本共同的投资/产业含义：无论哪个剧本，「数据回路资产」（数采工厂产能、部署回流规模、独占场景合约）的估值权重都应高于「模型发布」。身体侧报告关注的订单与量产，在本篇的逻辑里获得新的含义——出货量就是数据采集权，量产节奏即数据飞轮的转速。大脑层与身体层的分析至此汇合：2027 年看 B 端免微调部署的渗透率，2028-2029 看家庭可靠性验证与数据自转飞轮是否成立。
九、信息来源
主要检索时间：2026-10-18 至 2026-10-19；检索轮次：13 轮（1 轮 arXiv API + 12 轮中英文网页检索）。
论文与官方发布
- arXiv API 检索结果（vision language action robot，2026-10-18 查询）：https://export.arxiv.org/api/query?search_query=all:vision+language+action+robot
- Figure《Introducing Helix 02: Full-Body Autonomy》（2026.1）：https://www.figure.ai/news/helix-02
- Helix 模型档案（含参数/时间线/Helix 2.5 家庭测试 56%）：https://aiwiki.ai/wiki/helix_vla
- Physical Intelligence 公司与 π 系列档案（π0-π0.7 演进、RECAP）：https://aiwiki.ai/wiki/Physical_Intelligence ；π0 解读 https://roboticaguide.com/what-is-physical-intelligence-pi0/ ；π0.5 档案 https://railwail.com/gb/models/pi-0-5-pi
- 智元 GO-1 开源公告（ViLLA 架构细节）：https://www.agibot.com.cn/article/188/detail/79.html ；GO-1 发布 https://sh.people.com.cn/BIG5/n2/2025/0311/c138654-41159945.html ；智元开源与数采 https://www.stcn.com/article/detail/3696011.html
- 银河通用官网（AstraBrain 架构）：https://www.galbot.com/
- 自变量机器人官网（WALL 系列/WALL-SS/HOST）：https://x2robot.com/en ；A++轮 https://news.dayoo.com/finance/202601/12/171077_54916005.htm
- 逐际动力 LimX COSA 发布：https://www.limxdynamics.com/zh/news/BK000054 ；COSA 0.5：https://baike.baidu.com/item/LimX%20COSA%200.5/69167235
- 它石智航 WAIC 2026 与 AWE 3.5：https://sh.people.com.cn/BIG5/n2/2026/0720/c134768-41644438.html ；工博会 https://www.cbt.com.cn/cj/cj/202610/t20261015_332045.html
- 1X World Model 官方博客：https://1x.tech/discover/redwood-ai-world-model ；1X/NEO/Redwood 档案 https://aiwiki.ai/wiki/1x_technologies
- NVIDIA Isaac GR00T 开发者页：https://developer.nvidia.cn/isaac/gr00t ；GR00T 演进与 EgoScale scaling law：https://ai2.work/blog/nvidia-isaac-gr00t-brings-language-driven-control-to-physical-robots ；Newton/Isaac Lab https://trendflows.net/bytecraft/nvidia-physical-ai-groot-isaac-lab-simulation-to-deployment ；英伟达台湾官方博客（GR00T N1.7/N2）https://blogs.nvidia.com.tw/blog/nvidia-expands-open-model-families-to-power-the-next-wave-of-agentic-physical-and-healthcare-ai
- OpenVLA-OFT 训练配置：http://openvla-oft.github.io/ ；ASI<Train> CORTEX 成本估算：https://docs.superintelligence.io/artificial-superintelligence-alliance/asi-less-than-train-greater-than/asi-less-than-train-greater-than-cortex-brain-inspired-robotics-model
- Genesis World 1.0 发布（89% 仿真-真机相关性）：https://www.humanoidsdaily.com/news/genesis-ai-launches-genesis-world-1-0-turning-the-sim-to-real-gap-into-a-compute-problem ；https://lanceum.com/research/genesis-world-1-0-robotics-simulation-platform
机构与媒体分析
- 具身大脑技术路线分化与竞争格局（EconoBytes 产业观察第 003 期）：http://mp.weixin.qq.com/s?__biz=MzI5NjIwMjgzNw==&mid=2651660322（含双系统参数表、四大阵营、GPT-2 阶段判断）
- 东方富海《具身之脑》：http://www.ofcapital.com/ofcweb/jx/research/20251211/2287.html ；兴业证券人形机器人深度（四）：https://upload.chongnengjihua.com/production/2026/4/16/20/0f70e0435b826_1776341817610.pdf
- WAM vs VLA 评测深评（DreamZero 数字、RoboArena 2026.6.5 快照、RoboTwin 2.0 榜单）：https://archiesengupta.com/blog/world-action-models-vs-vla-deep-dive
- Ai2 VLA Model Leaderboard：https://allenai.github.io/vla-evaluation-harness/leaderboard
- SCPM：千寻 Spirit v1.6 登顶 RoboArena：https://www.scmp.com/tech/article/3355838/ ；榜单数据移除事件：https://baike.baidu.com/item/Spirit%20v1.6/67920591
- 千寻智能 A+轮与 RoboArena 官宣：http://mp.weixin.qq.com/s?__biz=MzkzNTczMzEzNA==&mid=2247487482 ；护城河拆解 http://mp.weixin.qq.com/s?__biz=MzA4NzY2ODYyMw==&mid=2650597097 ；Moz2/WAIC http://mp.weixin.qq.com/s?__biz=MzA5MzM5OTQwMA==&mid=2247582746
- 数据成本与缺口：数据金字塔 https://txtmix.com/posts/video/embodied-ai-data-pyramid-2026 ；具身数据战 https://new.qq.com/rain/a/20260228A0601700 ；数据教材 https://www.kepuchina.cn/article/articleinfo?business_type=100&classify=0&ar_id=744113 ；数据产业白皮书 https://www.sgpjbg.com.cn/searchtag/26350836.html ；佐思 https://db.shujubang.com/home/login/index/gid/21388 ；SciEngine 论文 https://www.sciengine.com/JMI/doi/10.3969/j.issn.1008-0821.2026.07.011 ；江苏数据学校 https://big5.cri.cn/gate/big5/js.cri.cn/20260818/2c5731e2-1e99-41d4-81e6-a0cd6018bf59.html ；花钱调查 https://www.readmusk.com/zh-hant/news/2026-08-13/1eaz95e4 ；服贸会数据生意 https://m.chinanews.com/wap/detail/cht/zw/jw687702.shtml ；灵御智能 https://view.inews.qq.com/a/20260520A049BH00
- 估值与融资：Skild 估值分析 https://valueaddvc.com/blog/skild-ai-valuation-2026-general-purpose-robot-brain ；Generalist 融资与估值对比表 https://ai2.work/blog/generalist-raises-200m-as-robot-brain-funding-outpaces-hardware ；招聘市场视角汇总 https://herohunt.ai/blog/recruiting-robotics-engineers-for-physical-ai-2026 ；虎嗅大脑之争 https://m.huxiu.com/article/4890909.html ；投资人模型辨析 https://news.qq.com/rain/a/20260729A05WAH00
- GPT-3 时刻讨论：王晓刚（两年/1000 万小时）https://www.rmhb.com.cn/zt/ba/basy/202603/t20260326_800433783.html ；博鳌圆桌（邵浩十年论/陈建宇渐进论）https://news.ifeng.com/c/8rpY4ygAsEA ；王鹤 2028 底 https://www.chinadaily.com.cn/a/202607/23/WS6a6164c6a3109862e2b466c71.html ；王潜 3-5 年 https://tmtpost.com/7685946.html
- RT 系列史料：RT-1/RT-2 数字与解读 https://robotops.pro/blog/vision-language-action-models-explained ；https://kindatechnical.com/autonomous-systems/foundation-models-for-robotics-rt-2-palm-e-and-octo.html ；teleop scaling 分析 https://moltbook.com/post/9a785ba2-7324-4678-9860-d3e5af10b544 ；百度百科 Robotics Transformer https://baike.baidu.com/item/Robotics Transformer/67934355
- AgiBot World 数据集拆解：https://github.com/34328/AgiBot-World 及 http://mp.weixin.qq.com/s?__biz=MzY5MjQzODA4OQ==&mid=2247484835（100 万条/2976.4h 细目）；九家数据布局 https://m.chinadevelopment.com.cn/checklist.php?s=index/detail/id/2008171
- 版权与合规：具身训练数据法律风险 https://m.toutiao.com/article/7690529454573879843 ；京师律所合规分析 http://m.jingshsz.com/show-17-802-1.html ；数据权属专家讨论 http://www.mzyfz.com/html/1022/2026-09-29/content-1690012.html ；Troveo 版权数据 https://www.troveo.ai/resources/robotics-training-data
- 其他：Skild/极佳/章鱼动力 WAIC 报道 https://peking.bjd.com.cn/content/s6a885959e4b0e45f3fd65327.html ；极佳 Pre-B 轮 https://www.ncsti.gov.cn/kjdt/xwjj/202603/t20260306_240118.html ；宇树/英伟达分析 https://news.marsbit.co/20260602134214372821.html ；英伟达五层栈 https://www.toutiao.com/article/7695360608355402249 ；Figure×Nscale https://science.report/discover/figure-and-nscale-plan-massive-gpu-buildout-for-robot-ai-training-93052 ；1X 五万台专访 http://mp.weixin.qq.com/s?__biz=Mzg5MTA0NzQwOA==&mid=2247496980 ；技术路线 2026 综述 https://www.cet.com.cn/xwsd/10516167.shtml ；VnRobo VLA 对比 https://vnrobo.com/en/blog/ai-series-5-vla-models ；硅谷机器人中心对比 https://www.roboticscenter.ai/es/tools/vla-models-comparison ；千诀/大模型通识 https://www.kuazhi.com/post/716554540.html ；千寻腾讯分析 https://news.qq.com/rain/a/20260604A05EX600
（所有 URL 访问日期均为 2026-10-18/19；标注【估算】处为本报告基于上述来源的推算，其余均按【官方/机构/媒体】口径对应来源性质。）