FutureX · 记录未来如何发生

今日要点

· 小鹏发内部信、何小鹏亲自兼任机器人业务 CEO，宣布从智能汽车公司转型"物理 AI 公司"，IRON 人形机器人 2026 年底量产、2027 Q1 进门店做导购，坚持从芯片到关节灵巧手的全栈自研。

· "养大脑"成资本新焦点：高瓴创投独家押注从睡眠场景切入的柔性陪伴机器人弘火智能（MoYa）天使轮；简智机器人获蚂蚁、滴滴、德联资本数亿元领投，刷新具身"无本体数据"采集赛道最大融资。

· 港股 IPO 队列同日扩容：众擎机器人据报已秘密递表港交所、估值破百亿，干线物流自动驾驶的主线科技再度递表，谐波减速器厂商来福谐波通过上市聆讯。

· 马里兰大学 HumanEgo 仅用 30 分钟人类第一人称视频、零机器人数据，让双臂机器人在四项真实任务上达 92.5% 成功率，并零样本迁移到不同本体、相机与场景。

· 落地里程碑：均普智能首批 G2 机器人下线，搭载具身基座 GO-1，在 3C 工厂连续 8 小时完成 2283 次任务零失误，千台订单已锁定。

HumanEgo：30 分钟人类第一视角视频，零样本教会双臂机器人 · manipulation

把机器人的"数据接口"从实验室遥操作搬到一副智能眼镜上——不依赖任何机器人数据、不做机器人后训练、也不做互联网级预训练，直接从分钟级人类视频学出可部署策略，这是从人类视频学操作这条路线里最激进的一步。

Zhi (Leo) Wang et al.（University of Maryland）· arXiv 2605.24934 https://arxiv.org/abs/2605.24934 · 解读：机器之心 原文

核心思路是"把表征建在交互上、而不是身体上"：戴 Meta Aria 眼镜采集带 6-DoF 头部轨迹和 3D 手部关键点的第一人称视频，为场景中每只手、每个物体计算一个 29 维交互中心 Token（ICT），编码实体在参考系下的 6D 位姿、手相对物体的位姿与抓取状态。人手经重定向被抽象为"虚拟双指夹爪"，配合抠除人臂、渲染虚拟夹爪的视觉处理，消除人手与机械爪的外观与运动学鸿沟；遮挡时用运动学锁定保持物体位姿连续。策略采用 flow matching，并叠加物体运动预测、2D 轨迹回归、潜在一致性三个稠密辅助目标，从约 60 条轨迹的低数据中高效学习。在抓放、长程堆叠、接触密集双手协同、连续旋转四类任务上 92.5% 成功率，较等时长遥操作基线高出 41 个百分点。

多语言指令揭示 VLA 模型的"阶梯式"致命弱点 · vla

主流 VLA 的多模态骨干理论上跨语言，但实际从未被系统验证。这篇把"语言鲁棒性"从静态的模型能力，重构成了执行过程中的动态时间控制问题——并据此给出无需重训、仅在推理时介入的修复法。

哈尔滨工业大学 · ACL 2026 主会接收 · 解读：肉身算法 原文

团队把 LIBERO 指令翻译成中文、日语、阿拉伯语等 10 种语言构建 LIBERO-Multilingual 基准。OpenVLA-OFT 英语平均成功率 97.1%，非英语骤降至 50.8%–65.3%；在 Goal 任务上阿拉伯语仅 6.4%，较英语跌超 91 个百分点。通过表征偏差与文本-图像梯度比分析发现，语言影响并非均匀分布，而是集中在少数"关键节点"——53% 的多语言失败集中在需要语言定位目标的"导航"阶段。据此提出分步推理时干预：离线识别梯度敏感的前 50% 步骤，在线对这些步骤把当前表征向英语参考方向对齐。OpenVLA-OFT 非英语平均回升 9.5pp，pi0.5 大幅回升 24.2pp（中文 56.7%→80.3%）；而统一施加平均偏移或随机选步几乎无效甚至倒退。

GaussianDWM：用 3D 高斯统一自动驾驶的场景理解与多模态生成 · world-model

驾驶世界模型过去大多只谈"预测/生成未来帧"，却答不出场景里有哪些目标、在何处。这篇把同一套 3D 高斯表示既送进 LLM 做理解、又作为条件驱动生成，试图补上世界模型缺失的显式三维结构。

Tianchen Deng et al.（上海交大 / 清华 / 旷视 / Mach Drive）· CVPR 2026 · 代码 github.com/dtc111111/GaussianDWM · 解读：机器之心 原文

方法分 World Tokenizer、场景理解、多模态生成三部分，围绕同一组 3D 高斯展开：在高斯基元上叠加来自 CLIP、并继承 SAM 层次语义的语言特征（用场景级自编码器把 512 维压到 3 维），再经 Gaussian Projector 与任务感知采样投影到 LLM 嵌入空间（主实验采样 4096 个高斯 token）。生成端用双条件设计，低层 RGB/depth 约束纹理几何、高层 world knowledge 来自 LLM 提供语义空间先验。在 NuInteract 上平均指标 59.23（对比 DriveMonkey 52.12），2D/3D visual grounding 的 mAP 分别从 19.47、34.53 提升到 34.95、52.78。

SANA-WM：分钟级、单卡可部署的高效世界模型 · world-model

长视频世界模型普遍依赖大模型、大数据与多卡推理，成本是落地具身仿真的拦路虎。这项工作把"60 秒 720p、相机可控"压进单张 GPU，给可扩展世界模型研究提供了一条降本路径。

朱皓怡 et al.（NVIDIA / 中国科学技术大学）· arXiv 2605.15178 https://arxiv.org/abs/2605.15178 · 代码 NVlabs/Sana · 解读：Lumina 具身智能 原文

模型据首帧图像、文本与 6-DoF 相机轨迹生成 60 秒、720p、相机运动可控的视频世界。架构用 Hybrid Linear DiT，结合 Gated DeltaNet 与 softmax attention，在保持长上下文建模的同时压低算力与显存；双分支相机控制借 UCPE 与 Plücker ray 条件提升轨迹跟随精度。团队构建了约 21.3 万条带度量尺度相机位姿标注的视频数据集，并以两阶段生成加长视频 refiner 改善画质与时序一致性。

LabVLA：让机器人在实验室"动手做实验" · vla

科学 AI 长期"脑手脱节"——能读文献、定方案，却干不了移液、离心这些占研究员六成时间的体力活。这是一套针对实验室场景的数据引擎 + 训练配方 + 评测基准的全栈方案，而非只改模型结构。

浙江大学 / 上海 AI 实验室等 · 解读：肉身算法 原文

针对实验室高精度仪器、透明液体、零容错协议流程的特殊性，团队用仿真数据引擎 RoboGenesis 破解真实数据稀缺：定义原子技能、组合成工作流、经物理验证过滤（检查液体是否溅出、协议是否遵守）、再结构化导出以适配多种机器人本体。模型在 Qwen3-VL-4B 上两阶段训练——先用 FAST 动作令牌预训练让骨干"认识"动作，再以流匹配与 DiT 动作专家做后训练输出连续控制，并用"知识隔离"锁定骨干权重避免破坏既有视觉-语言推理。配套发布面向实验室任务的 LabUtopia 基准。

简智机器人 ｜ 连续多轮 ｜ 累计数亿元 · adjacent

本轮由蚂蚁集团、滴滴、德联资本共同牵头，顺为资本、BV 百度风投、九识智能等老股东追加，是蚂蚁与滴滴首次在具身赛道联手，也是"无本体数据"领域迄今最大单笔。公司 2025 年 5 月成立，由前 Momenta 算法高级总监陈建兴与资深智驾产品专家朱雁鸣创办，主张"数据比模型更早迎来规模化"，自研 Gen DAS 无感可穿戴采集设备，并推出面向具身世界模型的全模态数据集 Gen EgoData（含视觉、力觉、动作轨迹、物理交互结果与思维链），已与 30 余家 AI 企业合作。叠加京东自建采集中心、四家机器人厂合投智域基石，赛道正从"造身体"转向"养大脑"的数据军备竞赛。来源：数据行者X 原文

弘火智能（SoulX / MoYa） ｜ 天使轮 ｜ 高瓴创投独家投资 · adjacent

这是这家柔性机器人公司的首轮外部融资，资金用于柔性家庭关怀机器人 MoYa 的研发、量产交付与供应链建设。MoYa 从睡眠场景切入，外形像可抱着入睡的毛绒玩具，内部融合柔性结构、气动控制（气囊充放气模拟环抱）、呼吸节律与情绪陪伴，刻意收敛到"拥抱、呼吸、轻拍"并暂不加视觉以保护隐私。创始人郑潜为哈工大机器人方向本科、浙大博士，曾参与外骨骼企业早期研发。区别于"通用人形+工业"的主流叙事，走的是细分场景差异化路线，计划今年 9 月上市。来源：高瓴创投 原文

破壳机器人 ｜ 天使轮 ｜ 数千万美元 · embodied

由许华哲从估值破 200 亿元的星海图离开后创立并完成本轮。资本对机器人赛道持续青睐，财新提出的问题是：这究竟是商业模式跑通，还是各家在更激烈竞争到来前抢先储备"弹药"。来源：财新 原文

众擎机器人（EngineAI） ｜ 拟港股 IPO ｜ 估值破百亿元 · humanoid ⚠️ 据报

据报已秘密递表港交所，与中金、中信证券合作。叠加宇树冲刺科创板，人形整机厂正集体迈向公开市场。来源：Sohu https://m.sohu.com/a/1036554855_100157908?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334

主线科技 ｜ 再次递表港交所 · autonomy

在中国商用车自动驾驶解决方案提供商中排名第四，主攻干线物流与港口等场景的重卡无人驾驶。此前递表未果，本次为再度冲刺。来源：凤凰网 https://i.ifeng.com/c/8txB94YymFv

来福谐波 ｜ 通过港交所上市聆讯 · hardware

谐波减速器是人形机器人关节的核心零部件之一。公司年营收 2.6 亿元、仍亏损 1.7 亿元，联想与国开基金为股东。在人形供应链国产替代的预期下闯关资本市场，但盈利能力仍是问号。来源：Sohu https://m.sohu.com/a/1036550498_430392?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334

韦特嘉机器人（ULTIROBOTICS） ｜ 千万级人民币 · industrial

仓储具身企业，由常熟经开聚源与深圳科创学院联合投资、后浪资本任战略财务顾问。自研 Ulti-Brain 模型采用分层架构融合世界模型，基于 RGBD 流做长时连续空间感知，主打不依赖客户场景数据的泛化。来源：高工人形机器人 原文

均普智能首批 G2 机器人下线，进 3C 工厂"打工" · industrial

G2 搭载具身基座大模型 GO-1，在 3C 工厂连续 8 小时完成 2283 次任务、零失误，千台订单已锁定。无锡基地四条产线约每小时下线一台，8 月单月产能目标 300–400 台，并计划两年内将制造成本降两成。与冲"通用人形"的路线不同，均普先从 3C 电子装配、物流分拣、工业搬运等确定性场景切入；在行业普遍处于演示阶段时，来自真实产线的连续零失误数据比实验室视频更具说服力。来源：智电拆解 原文

小马智行第七代 Robotaxi 亮相重庆车展，成本降至 23 万内 · autonomy

第七代车型整车成本压到 23 万元以内，是规模化运营经济模型的关键一步，公司同时表态加速海外扩张。成本曲线被普遍视为 Robotaxi 决胜手，这一降幅意在缩小与单车智能路线的单位经济差距。来源：第一电动网 https://d1ev.com/newsflash/303097

Waymo 以 2.2 亿美元买下苹果在亚利桑那的前自动驾驶测试场 · autonomy

Waymo 收购苹果此前在亚利桑那的自动驾驶测试场地，价格约 2.2 亿美元。在其向纳什维尔等新城市扩张、并推进第六代系统的背景下，自建测试与运营基础设施成为车队规模化的配套动作。来源：MSN http://www.msn.com/en-us/money/companies/waymo-buys-apple-s-former-arizona-self-driving-test-site-for-220m/ss-AA25zBHA

国产机器人进入宝马沈阳工厂产线验证 · industrial ⚠️ 验证阶段

东北老工业基地的宝马生产线引入国产人形机器人参与产线作业，报道亦坦言仍需在真实产线反复验证——能否稳定识别零件、拿取工具，能否在人机协作中保持安全距离与长时高强度作业。属车厂产线试用，尚非规模化量产指标。来源：新浪财经 https://finance.sina.com.cn/jjxw/2026-06-14/doc-inicipvz0905136.shtml

优必选 U1 超仿生陪伴机器人预售近 4000 台 · humanoid

京东预售 10 天订单逼近 4000 台（此前已报 6 天破 2700 台，今续增），定金 3000 元、面向成人，搭载"养成系"情感大模型，定位家庭陪伴而非生产力工具。需注意这部分主要是 C 端"尝鲜需求"，与工业可量产能力是两件事。来源：Pandaily https://pandaily.com/ubtech-u1-humanoid-companion-robot-preorder-jun2026

亚马逊扩大印度仓储自动化 · industrial

亚马逊宣布在印度进一步扩展仓储机器人与自动化部署，延续其全球履约网络的机器人化路线，也是新兴市场仓储自动化加速的信号。来源：Tech in Asia https://www.techinasia.com/news/amazon-expand-warehouse-automation-india/amp/

小鹏：何小鹏亲自挂帅机器人，宣布转型"物理 AI 公司" · humanoid

6 月 10 日内部信措辞不轻——"小鹏机器人正式迎来量产和商业化的前夜""这是小鹏从智能汽车公司向物理 AI 公司转型"。何小鹏兼任机器人业务 CEO，拉通集团资源，把汽车业务的供应链、制造与品质体系完整复制到机器人。时间表为 IRON 人形机器人 2026 年底量产、2027 Q1 进小鹏门店做导购，并坚持从芯片、操作系统到关节、灵巧手的全栈自研，逻辑类比比亚迪做电池的垂直整合压成本。风险点在于 5 月底核心机器人团队刚经历人员离职，使 200 天冲刺量产更具挑战。这是继比亚迪布局人形后，又一家车企将自研整车能力大举平移到具身赛道。来源：智电拆解 原文

智元发布具身基座 GO-2，主打"动作思维链" · world-model ⚠️ 厂商口径

在本周智源大会上，智元发布新一代具身基座模型 GO-2，核心是 ACoT-VLA（动作思维链）：传统 VLA 需"看场景→生成语言描述→映射成动作"，中间的语言翻译环节带来信息损耗；GO-2 让推理直接发生在动作空间，输出结构化、运动学合理的粗粒度动作意图序列，由显式与隐式两个动作推理器配合，再以异步粗精执行做实时修正，并通过全生命周期闭环让模型部署后持续自我优化。官方称长时序任务成功率较基线提升 25%（厂商口径，待第三方复现）。同步亮相的还有精灵 G2 工业机器人、Genie Sim 3.0 仿真平台、AGIBOT WORLD 开源数据集与 ICRA 百万美元赛事，以及五年投入 20 亿元的"元苼"生态计划，呈现基座模型+仿真+开源数据+开发者生态的组合打法。来源：硅基艺志 原文

昆仑万维公布世界模型 Matrix-Game 3.5 · world-model

智源大会上，昆仑万维天工团队公布世界模型最新进展 Matrix-Game 3.5。世界模型已成本届大会最受关注议题之一，来自具身、机器人控制、游戏引擎与物理 AI 基础设施的研究者各陈技术路线，路线之争仍在延续。来源：昆仑万维集团 原文

通用汽车 CEO：当前主攻乘用车自动驾驶，为出租车服务铺路 · autonomy ⚠️ 表态口径

在关停 Cruise 之后，通用汽车将重心转向把自动驾驶做成乘用车功能，再以此为未来的出行服务铺路，相当于以"自动驾驶车端能力"而非独立 Robotaxi 车队的方式留在赛道。这与多数中国玩家直接铺设 Robotaxi 车队的路径形成对照。来源：DoNews https://www.donews.com/news/detail/8/6595178.html

人形机器人将有"身份证"：全生命周期管理规范出台 · humanoid

据工信部人形机器人与具身智能标准化技术委员会，按最新发布的《人形机器人全生命周期管理规范》，未来每台人形机器人将被赋予身份编码（即"身份证"），目前已有约 2.8 万台获得编码。这是产业从"造出来"走向"管起来、可追溯"的基础设施性动作。来源：电子与电气计量测试 原文

FutureX · 记录未来如何发生

素材来源多方媒体/网络新闻