2026年，具身智能机器人已站到了量产元年的门口，行业里喊出这句话的人为数不少。但是，如果要让能够自主感知以及自主决策的人形机器人开始前往医疗、物流以及工业领域开展“工作”，那么这中间的跨度会比很多人以为的更大。

地瓜机器人S600所搭载的这颗自主研发、具备560 TOPS算力的机器人专用SoC芯片，为人形机器人从演示智能化阶段走向工程可用化阶段提供了关键的硬件底座升级。

2026年是人形机器人行业中关键的一年，出货量得以从1万台增加到10万台。

然而，若要让机器人真正投入实际作业，还需考察几个核心问题：它们是否能够如同机器牛马一般持续不间断地运行24小时？是否能够把同一动作精确重复一万次？其所具备的功能是否可以顺利复用到另一款产品之上？

这个行业卡点归成三道坎。

第一道难题在于模型难以成功上车：VLA模型如果部署于云端则会出现实时性抖动，而部署在端侧则又会被功耗、成本以及带宽等多方面因素所限制。

第二道难题在于硬件算力需求较高，因为机器人并非运行单一模型便能满足需求，而是需要同时对几十个关节电机以及多路相机传感器进行调度，从而使大脑所开展的感知决策与小脑所负责的运动控制共同构成一套高度复杂的协同系统。

第三道难题最容易被人们所忽略，那就是产业协同问题。在实验室环境中，Demo演示十次成功一次便已足够观看，但量产阶段所要求的是硬件一致性、PCB以及接口的标准化，还有全项可靠性认证的完成，仅仅依赖于一家企业是难以达成的。

将具身智能与自动驾驶放在一起进行对比，其主要的发展阶段可以划分为规则控制、单一任务泛化、跨场景泛化、高阶以及通用几个层面。其中具身智能和自动驾驶所采取的技术路径存在明显差异。

最大的不同在三处：

智驾不会对物体状态进行改变，而具身智能则需要对物体开展抓取、搬运以及形变操作；

智驾数据属于时序化的行车数据，而具身智能数据则更加接近于人类的操作行为数据，因此其获取难度要高出一个量级；

智驾所实现的是单任务下的极限泛化，而具身智能则需要在跨场景以及跨任务方面开展泛化。

2023年的时候，大家还处于对通用人形机器人开展畅想的状态，2024年则基本采取观望的态度，2025年在小范围内进行了场景测试工作，到今年才进入到部分场景得以落地、并且出现产品级应用的阶段。这个演进过程与当年智驾从城市场景扎堆聚集、到园区摆渡、再到L2L3一步步推进的路径，在高度上保持相似。

哪些场景会率先实现大规模量产，目前来看比较大的概率是仓储搬运以及物料转运这类技术门槛较低的领域。仓储场景将会率先跑出来。特定工业的物料分拣以及上下料操作，技术层面已经基本打通。

真正的难点在于后续的系统对接工作，因为不同仓库的货架高度以及场地尺寸均存在差异，同时还需要与仓库已有的WMS系统开展对接。技术路径均已打通，剩余工作在于实现性价比的平衡以及对最后一公里方案的持续打磨。

地瓜机器人起步于地平线，在机器人量产方面积累了多年实战经验。它为自己设定的使命，是构建机器人时代的母生态。母生态并不包揽全链路。

这一定位并不要求地瓜对每一个环节开展全链路的自研工作，而是致力于打造行业通用的标准化平台，从而成为机器人领域中的最大公约数，并让各家伙伴能够在平台之上开展协同创新。

上百种机型已经在地瓜平台上成功实现了落地，该平台链接了全球10万以上的开发者，并与他们共同造出了数百万台机器人产品。

这些产品从传感器、执行器到操作系统以及上层软件实现了全链路的覆盖，所沉淀下来的差异化落地经验，是地瓜最有价值的量产资产。经验，是它的底。

在开展产品研发工作时，基于第一性原理，首先对行业当中真实的算力需求以及计算平台需求进行分析，然后依据这些分析结果来定义对应的芯片与硬件平台。因此可以看到地瓜机器人所打造的芯片算力从5 TOPS逐步扩展到当前的560 TOPS，从而能够全面覆盖消费级机器人直至具身智能全场景的应用需求。

硬件基础之外，该平台还积累沉淀了400余款智能算法以及应用，使得客户能够实现开箱即用的效果。芯片只是外壳，而能力才是其中的核心。真正的价值在于载体之上所构建的能力体系。旭日S600的定位，是要成为面向量产的完整解决方案，它由硬件、算法、软件以及全产业链协同这四个层面所共同构成。

Part 2 芯片、硬件和软件

● BPU 第三代打底，模组扛得住工业级

旭日 S600 所具备的最核心处理单元总共有三块。这三块单元会分别对各自负责的领域进行处理工作。

第一是560 TOPS的四核BPU单元，它所负责的是对大模型以及各类算法框架进行高效的推理工作。

第二是18核CPU单元，它所负责的是对复杂任务开展并行处理以及调度工作。

◎ 第三是 6 核 R52+ MCU，内置多个实时控制单元。

在带宽方面所能够达到的水平为204.8GB/s，这足以支撑各类大模型进行流畅运行。这颗SoC于去年12月正式发布。

BPU作为地瓜自研体系里最核心的IP，这一IP构成了整个体系的地基，目前已经迭代到了第三代Nash架构，从而能够对Transformer算子实现更好的发挥，同时也能够针对高实时性算法开展更深入的优化。

这些硬性指标已清晰摆在这里：与第一代相比，传统CNN网络得以实现246倍以上的加速，而Transformer网络的加速则超过了27倍。这种加速代表着实实在在的价值。这些数字的背后，源于芯片设计、工具链以及架构层面在软硬件一体化方面开展的多年打磨。

仅仅拥有SoC芯片是不够的，因为依赖于它来开展硬件设计工作会面临较高的复杂度。在过去半年左右的时间内，地瓜成功量产出了另一个关键单元，即RDK S600核心模组。虽然只有巴掌大小的一块，却承担着具身智能机器人作为大脑的核心算力平台。虽然体积只有巴掌大小，却能够稳定承载起实际工作的需求。

为了保障足够的可靠性和实用性，它开展了大量的认证测试工作：采用了宽温设计，支持从-40℃到105℃的使用温度范围，从而使得户外雪地低温以及室内高温环境都能够承受得住；模组很多时候会被放置在机器人胸腔里面，腔内温度常常超过80℃，在这种极端条件下依然可以稳定运行。

在80℃的高温条件下，它依然能够照常运行。它还通过了11项以上的可靠性验证，对高温、高湿、振动等各类工况均进行了充分的模拟测试，目标在于达到工业级标准，甚至要超过工业级的量产要求。

配套的开发套件，是地瓜对大量国内外具身企业开展了系统调研之后，把所得结果反馈并融入到产品设计当中而形成的。它能够引出丰富的外设接口，包括GMSL相机、PCIe、USB、网络以及各类自定义扩展。

在测试阶段用户无需频繁更换开发板，一块套件便能够完成各类工况的功能验证。这款套件已经在各线上渠道开售。接口方面，给得足够充分。

● 软件算法：对空间感知、定位识别、操作执行以及运控调节开展四步闭环处理

硬件构成了机器人的躯体，而软件算法则是向其中注入灵魂的关键部分。躯壳只有获得了灵魂，才能够真正立得住脚。地瓜所作出的判断是，一台具身机器人要运行起来需要在空间智能、定位、操作以及运控四个方向部署算法，这四步刚好组成了行动的完整闭环。这四步，刚好形成了闭环。

感知层所运用的Surrounding Omni-Vision算法属于纯视觉方案，它在相机排布方面没有严格的限制，因此四个鱼眼或者四个双目相机都能够满足要求。
。

它对多路视觉输入开展融合理解，输出类似雷达点云的三维感知，使机器人得以对外界建立三维认知，支撑避障和路径规划。

操作层的布局显得十分密集。VO-DP+ 所采用的是开源的纯视觉操作算法，也就是行业当中常被提及的VLA类别。它仅需运用多路相机图像来进行输入，借助融合语义以及环境三维信息的方式，输出的结果不仅可以识别物体是什么，还能对物体的位置以及与自身的距离进行判断。

充电线圈安装、插花、桌面整理这类长序列任务，同一套算法均能够实现跨任务的泛化。它在旭日 S600 单核推理下能够达到20帧以上的运行速度。

HoloBrain作为另一项成果，它在训练数据方面同时融合了真实数据、仿真数据以及人类示教数据，其参数量仅为0.2B，却能够在不少仿真基准上接近7B模型所取得的效果。0.2B足以顶替7B来使用。

在定位方面选用了MultiCAM SLAM技术，它借助多路相机以及IMU所开展的时空耦合方式，从而成功实现了对360度环境的感知以及定位工作。在复杂楼梯以及颠簸场景之中，常用定位算法往往会失效，而它依然可以保持稳定。

在运动控制层面，地瓜所发布的WM-LOCO算法，针对双足机器人在高稀疏落脚点场景之下对下一步动作开展预测，同时决策该动作对后续状态所产生的影响，其中运用了世界模型技术。对于跨越沟壑、行走梅花桩以及上下楼梯这类任务，依赖于硬件平台来搭载这套算法，任务成功率得以提升至95%以上。这一95%的成功率体现了其稳定性。

工具链云边端协同：Moss借助这一体系成功将开发周期从一年压缩到了数周。
。

支撑量产的要素并不仅限于产品能力这一方面，还涵盖了开发效率的提升。伴随着Agent浪潮的推进，地瓜对从硬件端到云端的软件系统开展了全面重构工作，从而定义了云边端协同的新范式。

系统的核心是一套名为Moss的Agent引擎，这一命名呼应了《流浪地球》当中的智能体。Moss这个名字带有一定的梗。它专注于机器人硬件的开发工作，能够自动对接底层的各类技术文档以及调试工具。

过去三个月，已有数万开发者在运用Moss开展新功能开发工作，其中参与者涵盖了从小学生到企业工程师的各类群体。
这套框架目前借助Apache许可证的形式实现了开源，因此任何人都可以获取它并进行二次开发。
开源的举措，能够有效降低使用门槛。

PC端的RDK Studio所设定的定位，是为了提升开发的效率。它早在两年前就已经发布，而今年在接入Moss框架之后，仅花费了两周的时间便成功完成了全面重构。

目标是在集成开发环境（IDE）当中运用自然语言来端到端完成应用开发的全部流程，当用户下达下一句话指令之时，AI会自主完成对目标的识别、对动作的理解以及对路径的规划这一整套流程。一句话来说，整个过程得以顺利跑通。

云端所选用的是RoboGo，它覆盖了具身研发的全链路基础设施建设，其中包括数据采集生成、模型训练、仿真验证、多维度评测、量化，直到端侧部署，从而实现了一站式解决。

三者形成了闭环，把过去那种依赖人工建模、制作素材、然后开展训练、全程都离不开人工参与、一套代码往往需要耗费超过一年时间才能落地的传统流程，成功提效到了数周。将一年的周期压缩到了数周。

仅有产品能力难以支撑量产目标，具身智能的落地必须依赖全产业链的协同工作。生态的构建，得依靠众人共同拾柴。

旭日 S600 作为生态底座，已经汇聚了30余家硬件伙伴、50余家方案伙伴以及20余家软件伙伴，从而基本覆盖了芯片、软件、方案到生产的全链路。借助多家汽车领域供应商开展合作，它把汽车行业的量产与大规模制造经验引入机器人领域，成功打造出高可靠控制器。

在关节控制方面，人形机器人所配备的关节数量少则二十余个，而多则可达四五十个，因此行业当中多会选用工业总线来进行控制工作。

地瓜今年与兆易创新推出了完整方案：旭日 S600 作为 EtherCAT 主站下发指令，搭配兆易新一代控制单元作为关节从站，从而成功实现了微秒级控制精度。

小结

具身智能将会重演智驾所走过的老路。在早期阶段，参与者会集中涌入热门赛道，而后期则逐步分化至细分赛道，所比拼的核心在于工程交付能力。

王丛指出，所有公司的壁垒其实都可以称为销售壁垒。这些壁垒的有效期通常都很短。因为企业会更早一步与客户共同开展开发，从而积累起别人没有预料到的细节需求；供应链能力处于行业前列，出货量越多与供应商绑定就会越紧；而在软件层面与需求的积累则会持续形成复利。

模型的参数规模还在快速增大。Pi0.5的参数量为2.6B，今年0.7版本所达到的参数则为5B，阿里也调整到了4B参数，端侧模型至少会扩展至30B，云端模型则会增长到100B以上，否则连基础抓取操作都难以得到保障。

触觉正在把进入门槛大幅降低，从过去十万元级的水平下降到两百元级的范围。触觉得以降到两百元。章鱼动力提出Bio-to-Normal生物电触觉概念，运用采集人体操作过程中生物电信号的方式，还原真实力觉与位移，从而提升了数据采集精度以及泛化能力。

泛化能力的提升，其核心在于行业对数据对齐以及数据治理的基础工作开展得越来越扎实。泛化能力的达成，所依赖的是这种笨功夫。数据总量虽然看似充足，但真正所缺的是高质量有效数据，其中高精度示教、真机试错以及人类偏好标注这几类，才是构成价值闭环的关键。

2026年，具身智能机器人已经站到了量产元年的门口，行业里喊出这句话的人为数不少。但是，如果要让能够自主感知以及自主决策的人形机器人开始前往医疗、物流以及工业领域开展“工作”，那么这中间的跨度会比很多人以为的更大。
地瓜机器人S600所搭载的这颗自主研发、具备560 TOPS算力的机器人专用SoC芯片，为人形机器人从演示智能化阶段走向工程可用化阶段提供了关键的硬件底座升级。
2026年是人形机器人行业中关键的一年，出货量得以从1万台增加到10万台。
然而，若要让机器人真正投入实际作业，还需考察几个核心问题：它们是否能够如同机器牛马一般持续不间断地运行24小时？是否能够把同一动作精确重复一万次？其所具备的功能是否可以顺利复用到另一款产品之上？
第一道难题在于模型难以成功上车：VLA模型如果部署于云端则会出现实时性抖动，而部署在端侧则又会被功耗、成本以及带宽等多方面因素所限制。
第二道难题在于硬件算力需求较高，因为机器人并非运行单一模型便能满足需求，而是需要同时对几十个关节电机以及多路相机传感器进行调度，从而使大脑所开展的感知决策与小脑所负责的运动控制共同构成一套高度复杂的协同系统。
第三道难题最容易被人们所忽略，那就是产业协同问题。在实验室环境中，Demo演示十次成功一次便已足够观看，但量产阶段所要求的是硬件一致性、PCB以及接口的标准化，还有全项可靠性认证的完成，仅仅依赖于一家企业是难以达成的。
将具身智能与自动驾驶放在一起进行对比，其主要的发展阶段可以划分为规则控制、单一任务泛化、跨场景泛化、高阶以及通用几个层面。其中具身智能和自动驾驶所采取的技术路径存在明显差异。
智驾不会对物体状态进行改变，而具身智能则需要对物体开展抓取、搬运以及形变操作；
智驾数据属于时序化的行车数据，而具身智能数据则更加接近于人类的操作行为数据，因此其获取难度要高出一个量级；
智驾所实现的是单任务下的极限泛化，而具身智能则需要在跨场景以及跨任务方面开展泛化。
2023年的时候，大家还处于对通用人形机器人开展畅想的状态，2024年则基本采取观望的态度，2025年在小范围内进行了场景测试工作，到今年才进入到部分场景得以落地、并且出现产品级应用的阶段。这个演进过程与当年智驾从城市场景扎堆聚集、到园区摆渡、再到L2L3一步步推进的路径，在高度上保持相似。
哪些场景会率先实现大规模量产，目前来看比较大的概率是仓储搬运以及物料转运这类技术门槛较低的领域。仓储场景将会率先跑出来。特定工业的物料分拣以及上下料操作，技术层面已经基本打通。
真正的难点在于后续的系统对接工作，因为不同仓库的货架高度以及场地尺寸均存在差异，同时还需要与仓库已有的WMS系统开展对接。技术路径均已打通，剩余工作在于实现性价比的平衡以及对最后一公里方案的持续打磨。
地瓜机器人起步于地平线，在机器人量产方面积累了多年实战经验。它为自己设定的使命，是构建机器人时代的母生态。母生态并不包揽全链路。
这一定位并不要求地瓜对每一个环节开展全链路的自研工作，而是致力于打造行业通用的标准化平台，从而成为机器人领域中的最大公约数，并让各家伙伴能够在平台之上开展协同创新。
上百种机型已经在地瓜平台上成功实现了落地，该平台链接了全球10万以上的开发者，并与他们共同造出了数百万台机器人产品。
这些产品从传感器、执行器到操作系统以及上层软件实现了全链路的覆盖，所沉淀下来的差异化落地经验，是地瓜最有价值的量产资产。经验，是它的底。
在开展产品研发工作时，基于第一性原理，首先对行业当中真实的算力需求以及计算平台需求进行分析，然后依据这些分析结果来定义对应的芯片与硬件平台。因此可以看到地瓜机器人所打造的芯片算力从5 TOPS逐步扩展到当前的560 TOPS，从而能够全面覆盖消费级机器人直至具身智能全场景的应用需求。
硬件基础之外，该平台还积累沉淀了400余款智能算法以及应用，使得客户能够实现开箱即用的效果。芯片只是外壳，而能力才是其中的核心。真正的价值在于载体之上所构建的能力体系。旭日S600的定位，是要成为面向量产的完整解决方案，它由硬件、算法、软件以及全产业链协同这四个层面所共同构成。
旭日 S600 所具备的最核心处理单元总共有三块。这三块单元会分别对各自负责的领域进行处理工作。
第一是560 TOPS的四核BPU单元，它所负责的是对大模型以及各类算法框架进行高效的推理工作。
第二是18核CPU单元，它所负责的是对复杂任务开展并行处理以及调度工作。
在带宽方面所能够达到的水平为204.8GB/s，这足以支撑各类大模型进行流畅运行。这颗SoC于去年12月正式发布。
BPU作为地瓜自研体系里最核心的IP，这一IP构成了整个体系的地基，目前已经迭代到了第三代Nash架构，从而能够对Transformer算子实现更好的发挥，同时也能够针对高实时性算法开展更深入的优化。
这些硬性指标已清晰摆在这里：与第一代相比，传统CNN网络得以实现246倍以上的加速，而Transformer网络的加速则超过了27倍。这种加速代表着实实在在的价值。这些数字的背后，源于芯片设计、工具链以及架构层面在软硬件一体化方面开展的多年打磨。
仅仅拥有SoC芯片是不够的，因为依赖于它来开展硬件设计工作会面临较高的复杂度。在过去半年左右的时间内，地瓜成功量产出了另一个关键单元，即RDK S600核心模组。虽然只有巴掌大小的一块，却承担着具身智能机器人作为大脑的核心算力平台。虽然体积只有巴掌大小，却能够稳定承载起实际工作的需求。
为了保障足够的可靠性和实用性，它开展了大量的认证测试工作：采用了宽温设计，支持从-40℃到105℃的使用温度范围，从而使得户外雪地低温以及室内高温环境都能够承受得住；模组很多时候会被放置在机器人胸腔里面，腔内温度常常超过80℃，在这种极端条件下依然可以稳定运行。
在80℃的高温条件下，它依然能够照常运行。它还通过了11项以上的可靠性验证，对高温、高湿、振动等各类工况均进行了充分的模拟测试，目标在于达到工业级标准，甚至要超过工业级的量产要求。
配套的开发套件，是地瓜对大量国内外具身企业开展了系统调研之后，把所得结果反馈并融入到产品设计当中而形成的。它能够引出丰富的外设接口，包括GMSL相机、PCIe、USB、网络以及各类自定义扩展。
在测试阶段用户无需频繁更换开发板，一块套件便能够完成各类工况的功能验证。这款套件已经在各线上渠道开售。接口方面，给得足够充分。
● 软件算法：对空间感知、定位识别、操作执行以及运控调节开展四步闭环处理
硬件构成了机器人的躯体，而软件算法则是向其中注入灵魂的关键部分。躯壳只有获得了灵魂，才能够真正立得住脚。地瓜所作出的判断是，一台具身机器人要运行起来需要在空间智能、定位、操作以及运控四个方向部署算法，这四步刚好组成了行动的完整闭环。这四步，刚好形成了闭环。
感知层所运用的Surrounding Omni-Vision算法属于纯视觉方案，它在相机排布方面没有严格的限制，因此四个鱼眼或者四个双目相机都能够满足要求。

它对多路视觉输入开展融合理解，输出类似雷达点云的三维感知，使机器人得以对外界建立三维认知，支撑避障和路径规划。
操作层的布局显得十分密集。VO-DP+ 所采用的是开源的纯视觉操作算法，也就是行业当中常被提及的VLA类别。它仅需运用多路相机图像来进行输入，借助融合语义以及环境三维信息的方式，输出的结果不仅可以识别物体是什么，还能对物体的位置以及与自身的距离进行判断。
充电线圈安装、插花、桌面整理这类长序列任务，同一套算法均能够实现跨任务的泛化。它在旭日 S600 单核推理下能够达到20帧以上的运行速度。
HoloBrain作为另一项成果，它在训练数据方面同时融合了真实数据、仿真数据以及人类示教数据，其参数量仅为0.2B，却能够在不少仿真基准上接近7B模型所取得的效果。0.2B足以顶替7B来使用。
在定位方面选用了MultiCAM SLAM技术，它借助多路相机以及IMU所开展的时空耦合方式，从而成功实现了对360度环境的感知以及定位工作。在复杂楼梯以及颠簸场景之中，常用定位算法往往会失效，而它依然可以保持稳定。
在运动控制层面，地瓜所发布的WM-LOCO算法，针对双足机器人在高稀疏落脚点场景之下对下一步动作开展预测，同时决策该动作对后续状态所产生的影响，其中运用了世界模型技术。对于跨越沟壑、行走梅花桩以及上下楼梯这类任务，依赖于硬件平台来搭载这套算法，任务成功率得以提升至95%以上。这一95%的成功率体现了其稳定性。
工具链云边端协同：Moss借助这一体系成功将开发周期从一年压缩到了数周。

支撑量产的要素并不仅限于产品能力这一方面，还涵盖了开发效率的提升。伴随着Agent浪潮的推进，地瓜对从硬件端到云端的软件系统开展了全面重构工作，从而定义了云边端协同的新范式。
系统的核心是一套名为Moss的Agent引擎，这一命名呼应了《流浪地球》当中的智能体。Moss这个名字带有一定的梗。它专注于机器人硬件的开发工作，能够自动对接底层的各类技术文档以及调试工具。
过去三个月，已有数万开发者在运用Moss开展新功能开发工作，其中参与者涵盖了从小学生到企业工程师的各类群体。
这套框架目前借助Apache许可证的形式实现了开源，因此任何人都可以获取它并进行二次开发。
开源的举措，能够有效降低使用门槛。
PC端的RDK Studio所设定的定位，是为了提升开发的效率。它早在两年前就已经发布，而今年在接入Moss框架之后，仅花费了两周的时间便成功完成了全面重构。
目标是在集成开发环境（IDE）当中运用自然语言来端到端完成应用开发的全部流程，当用户下达下一句话指令之时，AI会自主完成对目标的识别、对动作的理解以及对路径的规划这一整套流程。一句话来说，整个过程得以顺利跑通。
云端所选用的是RoboGo，它覆盖了具身研发的全链路基础设施建设，其中包括数据采集生成、模型训练、仿真验证、多维度评测、量化，直到端侧部署，从而实现了一站式解决。
三者形成了闭环，把过去那种依赖人工建模、制作素材、然后开展训练、全程都离不开人工参与、一套代码往往需要耗费超过一年时间才能落地的传统流程，成功提效到了数周。将一年的周期压缩到了数周。
仅有产品能力难以支撑量产目标，具身智能的落地必须依赖全产业链的协同工作。生态的构建，得依靠众人共同拾柴。
旭日 S600 作为生态底座，已经汇聚了30余家硬件伙伴、50余家方案伙伴以及20余家软件伙伴，从而基本覆盖了芯片、软件、方案到生产的全链路。借助多家汽车领域供应商开展合作，它把汽车行业的量产与大规模制造经验引入机器人领域，成功打造出高可靠控制器。
在关节控制方面，人形机器人所配备的关节数量少则二十余个，而多则可达四五十个，因此行业当中多会选用工业总线来进行控制工作。
地瓜今年与兆易创新推出了完整方案：旭日 S600 作为 EtherCAT 主站下发指令，搭配兆易新一代控制单元作为关节从站，从而成功实现了微秒级控制精度。
具身智能将会重演智驾所走过的老路。在早期阶段，参与者会集中涌入热门赛道，而后期则逐步分化至细分赛道，所比拼的核心在于工程交付能力。
王丛指出，所有公司的壁垒其实都可以称为销售壁垒。这些壁垒的有效期通常都很短。因为企业会更早一步与客户共同开展开发，从而积累起别人没有预料到的细节需求；供应链能力处于行业前列，出货量越多与供应商绑定就会越紧；而在软件层面与需求的积累则会持续形成复利。
模型的参数规模还在快速增大。Pi0.5的参数量为2.6B，今年0.7版本所达到的参数则为5B，阿里也调整到了4B参数，端侧模型至少会扩展至30B，云端模型则会增长到100B以上，否则连基础抓取操作都难以得到保障。
触觉正在把进入门槛大幅降低，从过去十万元级的水平下降到两百元级的范围。触觉得以降到两百元。章鱼动力提出Bio-to-Normal生物电触觉概念，运用采集人体操作过程中生物电信号的方式，还原真实力觉与位移，从而提升了数据采集精度以及泛化能力。
泛化能力的提升，其核心在于行业对数据对齐以及数据治理的基础工作开展得越来越扎实。泛化能力的达成，所依赖的是这种笨功夫。数据总量虽然看似充足，但真正所缺的是高质量有效数据，其中高精度示教、真机试错以及人类偏好标注这几类，才是构成价值闭环的关键。

来源：地瓜旭日 S600，在中国成为人形机器人时代的基石 | OFweek机器人网