8月23日夜晚，在第二屆世界人形機器人運動會舉重台上。一个机器人慢慢把16公斤的杠铃举过头顶，过了头顶之后停了两秒钟，裁判判为成功。同时报名该项目的队伍中有70%的人选择退出比赛。原因很简单，就是举不起来。
在赛场边上的几公里处，另一个机器人弯下腰来把一本书放到书架上第三排第四格的位置。虽然动作不是很好看，但是没有出现错误。
大家认为这是两个公司的事情，实际上负责这两件事情的技术体系是一样的。具身智能这几年来分成了两条路：一条是在赛场上刷极限，另一条是在场景中磨交付。现在有人想要把这两条路焊接在一起的一台机器上。
把这件事情看作是一块田地。以前有人只种能够拿到农业博览会金奖的大南瓜，虽然很热闹但是不能进菜市场；有人只种天天都有人买的小青菜，但是土地肥力不够，遇到极端天气就会垮掉。北京人形这次做的事儿，在同一片田里既种出了可以登上领奖台的瓜，又供应了每天不断顿的菜。
1、举重与放书是同一个身体发出的不同种呼吸
来做一个计算。人举重，从杠铃离地到过头，神经调动了16块肌肉，整个过程不到2秒，只用三组协同模式就可以解释掉90%的动作变化。这是漫长的进化中白白送给人类的一种能力，比如你端起一碗热汤，手会自动找到最稳定的角度，并不需要思考。
但是机器人不同。每一个关节处的力矩、每一次动作时重心的变化都要重新计算。把一个16公斤重的杠铃举过头顶，就相当于给一个四岁孩子的体重瞬间压在了机器人的头上，并且还要调整整个身体的姿态来避免被压垮。这并不是体力活，而是要会做账。
第一届运动会的时候，天工Ultra百米跑出了21.50秒的成绩。一年之后，同一家公司生产的天工Ultra跑到了8.64秒，超过了博尔特保持了17年的人类纪录9.58秒。400米、1500米、原地跳高等项目都在这一年里被大幅度刷新。用身体的感觉来换算的话，就是你现在的姿势站起来去倒一杯水，在走到厨房门口的时候就已经跑了100米。*
场景赛中的图书整理也有一套算法。30分钟之内完成图书的搜集、上架、巡查纠正等工作，并且全部由自己做出决定，不可以远程控制。一本书应该放在哪一排哪一格，如果放错了又该移到哪里去，都要由机器人来判断。
赛场上的平衡与关节控制可以迁移到场景赛中使用；而场景赛中所积累下来的长程规划和抓取经验也可以反哺到竞技动作上进行优化。两块地都用的是同一个灌溉系统。*
但是也未必如此。如果这套“大小脑结构”只在比赛、展示的时候起作用，在客户的实际仓库中却失效了，那么它就是一片废地。观察变量只有一个：接下来半年内是否有真正的企业愿意为这种能力买单，并且是第二次买单。
能够在擂台上、菜市场里都站得住脚的人，才算有真本事。
2、70%的队伍放弃比赛，并不是因为电机的问题，而是怕自己出问题
为什么这么多队伍不试一试呢？电机功率小一些可以吗？关节的硬度不好吗？不是这样的。按照规定，机器人举重不可以甩抛借力，动作必须是连续的、完整的、从地面到头顶，过了头顶之后要停顿2秒钟才有效，如果身体接触到了举重台就判为失败。
难的是过头顶的那一秒。重心大幅度上移并且身体前倾，系统要同时完成两项矛盾的任务：使关节产生最大的力量来抵抗重力，并且不断地调整姿势以避免被压垮。堆电机功率不能解决这个问题，它要在负重与平衡之间做出实时的选择。*
北京人形的“慧思开物”平台把这件事情分成了大脑和小脑。“大脑”负责任务理解与决策规划，“小脑”则把决策转化为具体的行动。“天鹕”负责管理任务，“我悟”负责管理建模物理世界，“XR-1”负责执行动作。XR-1通过了我国第一个具身智能国家标准测试，并且被选入了ICML排名在前0.7%的核心宣讲中。
从2024年起我就用写作的方式来进行投资复盘，并且养成了一个习惯：评判一家科技公司的标准不是它获得了多少奖项，而是它的核心技术是否有一个可以反复调用的基础。北京人形此次共刷新了34项人类纪录，获得15枚金牌、12枚银牌和18枚铜牌。奖牌数量最多当然是好看了点，但是真正有价值的是那些极限测试中积累下来的“技术余粮”，能不能在下一个场景中直接使用呢？
健身房里练出来的力气，在菜市场里是不能用上的，那就是一种表演。
3、一个公司不可能做到所有的场景，但是平台可以
真实的三维岗位——脏、险、烦，数不胜数。除了图书馆之外，还有仓库、医院和工地等。一个公司不能自己去覆盖所有的场景。
北京人的解法就是“联队模式”。开头提到的那支队伍，它的正式名称叫做“北京人形-华科联队”。华中科技大学与北京人形组队，使用同一个平台拿下了该项目的第一块金牌。图书馆整理岗也是一样的打法。北京人形负责底层硬件平台以及大小脑结构的设计，高校和场景公司则对具体的岗位进行策略上的优化。
这就如同一片开放的试验田一样，主人负责播种和浇水，每个人都可以自由地去种植自己的作物。清华、北大等高校以及晓悟智能等企业的合作伙伴们，都在同一个平台上使用了北京人形机器人的本体，并且进行了二次开发。
国外的大厂也都在回答同一个问题。Figure 的机器人进入到了宝马工厂进行钣金件的搬运工作，而 Agility 的 Digit 则在亚马逊仓库里做着物流周转的工作。最后大家比的是不是哪家的机器人能翻得更漂亮，而是哪家的机器人可以每天按时上班、稳定地完成任务。
这套逻辑能否成立，就看伙伴是否能更快地完成开发并且取得实际收益了。只看一个数据就可以知道：在接下来的两届运动会上，选择以北京人形底座为开发对象的合作方的数量是增多还是减少。
平台真正的护城河就是别人愿意在你的土地上耕作一生。
回到8月23日的那个夜晚。举重台上16公斤的东西和书架上第三排第四格里的那本书本来就是两回事。北京人形使用同一个系统把它们连接在一起。
再看具身智能，是盯着哪家机器人的跳跃高度，还是哪家机器人最先学会了每天上班不迟到？
你看机器人公司的时候，是看它拿了几个奖牌，还是看它后面有没有一个可以不断复用的基础平台？
如果你手上有科技股，你有没有问过它一个问题是——它的技术，在没有被聚光灯照射的时候还能不能工作？
真正的通用，并不是样样第一，而是样样不掉链子。
风险提示：本文是根据公开的信息进行的个人复盘和行业的观察，并不能作为投资建议。具身智能产业还处于初期阶段，技术路线以及商业化的进程都存在很大的不确定性，所以请读者自己做出判断。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。