机器人也开始打乒乓球了！
这一次，球台直接搬到了世界机器人大会（WRC）现场。
超维动力的展台前，一台全尺寸人形机器人盯着飞来的乒乓球挥拍、转腰，再根据落点迅速调整动作。
球台旁边，另一套更大的系统也被摆上了展台。
全尺寸人形机器人 KAI Bot、高自由度灵巧手 KAI Hand、数采头环 KAI Halo、KAI World Model，以及覆盖数据和训练流程的 KAI Embodied AI Infra。
这套布局很容易让人想到 Figure。作为全球估值最高的具身智能公司之一，Figure 几乎是这一轮人形机器人热潮中最受关注的明星公司。
它真正得到资本认可的，不只是造出了一台人形机器人，而是同时押注本体、模型和真实场景。
自己造机器人，自己训练 Helix 模型，再把机器人送进宝马工厂，让真实任务产生的数据回到模型里，Figure 打通了从本体、模型到真实场景与数据回流的全栈链路。
同样，超维动力走的也是全栈路线。
这家成立约一年的中国公司，已经把整机、灵巧手、数据采集设备、世界模型与训练 Infra 同时摆到了桌面上。
但这些拼图为什么必须同时存在，又如何真正咬合成一套持续进化的系统？
答案就藏在超维动力选择的全栈路线里。
具身领域，全栈路线正在成为共识
过去几年，人形机器人最容易出圈的方式，是完成一个足够炫的动作。
会跑、会跳、会叠衣服，一段几十秒的视频就能收获流量。
但现在，大家已经不只看 Demo 了。
机器人完成一次任务，只能说明这个任务被做出来了。能否在不同环境、不同本体上稳定复现，才决定它有没有机会成为产品。
放眼全球，头部玩家虽然起点不同，却都在补齐自己的全栈能力。
Figure 从「本体 + 大模型」切入，一边自研 Helix VLA 模型，一边让机器人进入宝马工厂，在真实任务中积累经验，再把数据反哺模型。
Tesla Optimus 的底牌，则是特斯拉的垂直整合能力。
FSD 积累的算法经验、成熟的供应链，再加上自家工厂提供的落地场景，让它能够同时推进本体研发、模型训练与规模制造。
Physical Intelligence（π）从模型侧出发，专攻通用具身基础模型，试图让同一套模型适配不同机器人，为形态各异的本体提供通用操作能力。
路线各不相同，目标却越来越一致：把本体、模型、数据与真实场景接进同一条迭代链路。
而超维动力的选择，则是同时布局硬件本体、具身大模型、高质量数据采集和底座 Infra。
超维动力联合创始人、香港大学计算与数据科学学院教授罗平，对此有一个很直观的解释：
语言模型的用户是普通人，而具身大小脑的用户是机器人。
两类模型面对的是完全不同的反馈，语言模型输出的是 Token，具身模型输出的却是机器人下一秒的动作。一次错误不只是答案不准确，还可能变成抓取失败、碰撞或者失去平衡。
这也决定了，具身智能不能只在互联网数据里学习。模型需要真实世界的动作数据，也需要在机器人本体上反复训练和验证。
数据进入模型，模型驱动本体，本体执行后的结果再回到训练系统。缺少任何一环，闭环都会断掉。
从这个角度看，全栈并非企业想把业务做得更宽，而是具身智能进入真实世界后的必然要求。
硬件、模型、数据，如何咬成一个闭环？
超维动力的全栈能力，最终需要落到具体产品上。
它真正想解决的问题，并非造出一台机器人，而是如何让人类经验更顺畅地变成机器人能力。
先造一副能承接人类数据的身体
超维动力推出的全尺寸人形整机KAI Bot，身高 173cm、体重 70kg，全身拥有 117 个自由度。
其全身近 80% 的区域覆盖触觉皮肤，集成约 18000 个触觉触点，理论上可感知 0.1N 以上的轻微触碰。
更重要的原因在于，机器人训练越来越依赖人类示范数据。但如果人需要靠肩、腰和手才能完成的动作，而机器人在结构上根本做不出来，再多数据也无法直接映射到本体。
动作重定向时，每缺一个关键自由度，模型就要多做一层妥协。
罗平表示，机器人本体越接近人的身体结构，就越容易从第一人称数据中学习人的操作方式。
人类社会中的桌椅、工具和空间同样按照人的身体设计。高拟人不是为了外观，而是为了降低机器人复用人类经验的门槛。
这也是 KAI Bot 追求高自由度的核心逻辑：自由度不是为了堆参数，它实际上决定了模型能不能把学到的动作完整执行出来。
手部则承担最精细的物理交互。独立销售的 KAI Hand 拥有 37 个自由度，其中 20 个主动自由度、1 个被动自由度和 16 个柔顺自由度，指尖力超过 30N。
持续抓握 10 分钟后，整手最高温度不超过人体体温。
四者合起来，才是一双真正为具身模型准备的手。
从 SMASH 看 KAI World Model，机器人如何理解并预测真实世界
如果说 KAI Bot 和 KAI Hand 回答了身体是否够用，那么KAI World Model要解决的，就是机器人如何理解物理世界，并预测自己的动作会带来什么结果。
罗平将它比作一个实时生成的 VR 世界：人在生成环境中用双手操作物体，模型根据人的动作和第一视角画面生成后续状态，产生的数据再用于训练人形机器人。
这条路线并未押注单一技术。团队同时探索 JEPA 式路线、3D 方法和视频生成，将其概括为 4D 世界建模。
但生成一个可交互环境只是起点，世界模型最终还要回到真实世界，接受速度、碰撞和本体差异的检验。
乒乓球速度快、旋转多变、落点随机，机器人无法只靠预设动作完成任务。它必须持续观察环境、预测来球，并根据预测结果实时调整下一步动作。
具体来看，SMASH 并非让一个大模型从头包办，而是把视觉感知、轨迹预测、动作规划和全身控制串成一套闭环方案。
系统先在毫秒级捕捉来球并预测轨迹，再将视觉数据与高频机身状态实时融合，持续计算击球时机、速度和角度。
而且，前不久 SMASH 刚释放了最新进展：「真 · 人类史上首场人形机器人自主乒乓球完整对局！」
预测的下一步，是要变成动作。
团队采集数十小时人体运动数据，让机器人从人类动作中学习击球，再通过全身协同策略，调动肩、肘、腕、腰和腿完成击球。
更值得关注的是，SMASH 并未只部署在自家本体上，相关算法还适配了宇树 G1 与智元远征 A3 等机器人。
从看见、预测到行动，这套系统呈现的乒乓球 Demo，正是世界模型所需要的闭环能力，以及这种能力跨本体复用的可能。
数据闭环，决定模型能进化多快
身体准备好了，接下来就是让模型持续获得真实世界经验。
具身智能的数据无法像网页文本一样直接抓取。人如何打开柜门，怎样在超市取货，手指接触物体时如何调整力度，都需要在真实场景中重新记录。
KAI Halo 就是超维动力伸向真实世界的数据入口。
数百名采集人员佩戴设备进入家庭、超市、商业空间和小型工厂，采集第一人称多模态数据。
公司披露，目前已经积累超过 10 万小时视频数据，覆盖 20 多个场景和 300 多种全身原子技能。
但数据采回来只是开始。百万级片段不断进入后台，如果处理、训练和评测仍依靠人工拼接，迭代速度很快就会卡住。
KAI Embodied AI Infra 平台则承担了后半段工作，它覆盖数据处理、模型训练、仿真评测和真机部署，再把机器人运行结果回传到系统中。
按照官方数据，这套平台可将高质量数据生产效率提升 10 倍，将模型训练与评测速度平均提升 5 至 7 倍。
至此，KAI Halo 负责采集，Infra 负责加工，World Model 负责学习，KAI Bot 负责先做算法的验证和落地，最后再让不同机器人本体负责执行。
真实世界反馈再进入下一轮训练，五块拼图才真正咬合。
当资金和算力不占绝对优势时，闭环效率就是中国创业公司缩短差距的重要杠杆。
一年时间，搭起三年成型的技术骨架
把目光投向大洋彼岸，Figure 成立于 2022 年，用数年时间逐步补齐机器人本体、Helix 模型和工厂部署，才形成今天这套相对完整的闭环。
而超维动力的速度要快得多。
这家公司于 2025 年 7 月在深圳成立。约一年时间里，整机、灵巧手、数采设备、世界模型和训练 Infra 相继落地，具身智能所需要的几块核心拼图，已经有了基本轮廓。
这样的推进速度，也与团队过去的积累有关。
超维动力的团队横跨具身模型、计算机视觉、运动控制、自动驾驶和机器人硬件，成员曾参与医用康复外骨骼量产、L4 级矿卡落地及端到端自动驾驶模型等项目。
因为华为自动驾驶从 0 到 100 万量产交付，背后的 Infra 平台就是他们做的。
同时，公司也与香港大学 MMLab、深圳河套学院等科研团队合作，推进具身模型和运动控制研究。
不过，产品线铺开只是第一步。
人形机器人最终要面对的，是长时间运行是否可靠、产品能否批量交付，以及进入真实场景后能不能创造价值。对于一家成立约一年的公司来说，同时推进本体、模型、数据和 Infra，资金与组织压力都不会小。
因此，超维动力没有等到整套系统完全成熟后再考虑商业化，而是先把其中相对独立的能力拆出来。
2026 WAIC 期间，KAI Hand 和 KAI Halo Lite 开始公开销售。
整机之外，灵巧手可以进入其他机器人，数采设备可以服务模型团队，Infra 也可以成为技术服务。
这也是超维动力最值得关注的地方。
它与 Figure 之间，尽管存在资金规模、场景积累和商业化进度上的差距，但两家公司对行业终局的判断十分接近：
具身智能比拼的不会只是某一台机器人，而是谁能让本体、模型、数据与真实场景更快转起来。
超维动力的优势，在于这套全栈布局一步到位，也足够集中。成立约一年，它不仅搭起了整套技术骨架，还为其中几项能力找到了进入市场的入口。
如果这些产品能够相互带回数据、场景和模型能力，超维动力拥有的就不只是一台持续升级的人形机器人，而是一套可以反复训练和迭代的具身智能系统。
这正是它有潜力超越 Figure 的原因。
这个判断与单一参数或某场 Demo 无关，真正值得注意的是，随着行业进入系统竞争，超维动力已经率先拿到了下一阶段比赛的入场券。
接下来，闭环运转的速度与效率，将决定超维动力能走多远，也将成为中国具身智能公司追赶甚至超越硅谷巨头的关键。
One More Thing
据 WRC 现场围观的业内人士透露，在对打乒乓球的环节里：
KAI Bot 面对一些擦网球和离谱高抛球，依然能做出相当丝滑的救球反应（doge）。
欢迎在评论区留下你的想法！
— 完 —
点亮星标
科技前沿进展每日见
