對話原力靈機范浩強：為什么要用機器人「建造長城」？

本文作者：向欣

2026-07-31 14:08

導(dǎo)語：具身的落地競爭，升級為系統(tǒng)能力之戰(zhàn)。

具身的落地競爭，升級為系統(tǒng)能力之戰(zhàn)。

作者丨向欣

編輯丨高景輝

雷峰網(wǎng)(公眾號：雷峰網(wǎng))報道：

逛完今年的 WAIC，原力靈機展臺上那座由數(shù)萬塊積木搭建的長城令人印象深刻。

4 臺桌面機械臂和 2 臺輪式機器人 Apex 聯(lián)合作業(yè) 15 個小時，用近 8.2 萬塊微型積木拼出了一座 3.5 米長、1.5 米寬的長城模型。桌面機械臂以穩(wěn)定的節(jié)奏拼接著微米級的積木塊，輪式機器人滑行穿梭，負責上料、搬運和整體巡視。

這座微縮長城的最小組件不到 1 厘米寬，拼裝精度進入亞毫米區(qū)間，超越了人手自然抖動的極限。遇到偏差，機器人能自主感知、即時糾錯，重新調(diào)整姿態(tài)后再嘗試。

原力靈機讓人印象深刻的地方在于，精細操作、錯誤恢復(fù)、多機協(xié)同能力能在同一套系統(tǒng)里并行運轉(zhuǎn)十幾個小時。展館里提全棧的廠商很多，但把這些能力串成一條完整作業(yè)線跑通的并不多。

他們是怎么做到的？我們在現(xiàn)場和原力靈機聯(lián)合創(chuàng)始人范浩強聊了聊。展臺上的動作只是表象，那些背后的技術(shù)判斷和產(chǎn)業(yè)思考，更值得仔細琢磨。

拼一座長城，到底難在哪？

今年 WAIC 上，不少廠商直接把產(chǎn)線搬進展廳，試圖用最直觀的方式證明落地能力。原力靈機同樣以工業(yè)落地為目標，卻選了不太一樣的展示方式：用積木搭長城。

理由很簡單。工廠產(chǎn)線太專業(yè)了，普通觀眾可能會看不懂，更重要的是也提不起興趣。積木就不一樣了，人人都玩過。

形式是積木，邏輯其實是產(chǎn)線。上料、裝配、質(zhì)檢、下料、異常恢復(fù)……這些環(huán)節(jié)和工廠里的流水線一模一樣。而積木本身也成了一個溝通工具：觀眾看到的是長城，潛在客戶看到的是展商的能力邊界。

這次積木長城的展項，系統(tǒng)展示了具身智能的三大能力：精細操作、錯誤恢復(fù)、多機協(xié)作。

積木的拼接公差是微米級的，遠超機械臂自身的重復(fù)定位精度。機器人需要先靠視覺判斷偏移方向，難點之一是，最后接觸的那一刻，視覺已無法分辨，必須轉(zhuǎn)而依賴其他感知方法。

原力靈機的方案是在執(zhí)行末端裝上六維力傳感器，它會和關(guān)節(jié)電流共同推斷受力狀態(tài)，決定是繼續(xù)壓還是停下來。

單做視覺、單做力覺都有人能實現(xiàn)類似的方案，其中難點在于把多模態(tài)信號集成進同一個模型還能跑通。這背后是具身通用基礎(chǔ)模型 DM0.5 的支持：它引入了歷史關(guān)鍵幀實現(xiàn)分鐘級任務(wù)記憶，訓(xùn)練中擴展了時序推理能力，推理速度在單卡 4090 上可達到 10Hz。

但真正花時間最多的地方，還不是精度，而是異常流的處理，即錯誤恢復(fù)能力。

很多人對工業(yè)場景的想象會有一個預(yù)設(shè)前提：機器人必須做到完美無缺，才有資格走進產(chǎn)線。但一個反直覺的事實是，產(chǎn)線最看重的反而不是完美，而是在出錯之后自己可以進行調(diào)整恢復(fù)，不讓整條線停下來。這也更加貼合人類在產(chǎn)線中的工作狀況。畢竟百分之幾的廢品率可以接受，產(chǎn)線一停就是真金白銀的損失。

現(xiàn)在大家展示的抗干擾能力，面對的情況其實有兩種。一種是人為制造的，例如用手電筒照一照改變光線，或者推一推物品改變位置，機器人再調(diào)整回來。不過這種變動未必和真實工況相符。

另一種則是自然環(huán)境中自然產(chǎn)生的錯誤。例如，在這次積木長城的案例中，積木本身會有公差，有的凹槽緊一些，有的松一些，拼裝過程中隨時可能出現(xiàn)偏差，零件可能會崩出去，掉落到隨機的位置，這些就屬于自然產(chǎn)生的錯誤，很難預(yù)演。

原力靈機的方法是大量采集真實失敗場景的數(shù)據(jù)，配合 RL 讓模型從自身運行分布中學習。其訓(xùn)練數(shù)據(jù)主要來自真機遙操作，每個月能采集數(shù)萬小時的真實操作數(shù)據(jù)。

盡管他們也有使用仿真數(shù)據(jù)，但范浩強認為，一方面，在 GPU 里模擬一次，花的錢和能耗可能比真實做一次還大，另一方面，地球其實是最好的模擬器。

這套真機數(shù)據(jù)訓(xùn)練+RL 的模式，聽起來門檻不高，但一層層拆開看，每一級都在疊加難度。100 臺機器人同時采數(shù)據(jù)已經(jīng)很難，還要帶著算法一起采，本質(zhì)上每個數(shù)據(jù)采集任務(wù)都是一個獨立項目。原力靈機的DW0.5 世界模型在其中扮演后訓(xùn)練環(huán)境的角色，用幀級綁定和密集反饋機制加速了這個過程。

除此之外，6 臺機器人還要協(xié)同工作。桌面機器人負責精細拼接，兩臺輪式機器人負責上料、下料和巡視。整個調(diào)度由一個 Agent 完成，這個 Agent 直接調(diào)用了階躍星辰最新的大模型。它要感知誰缺料了、誰的組件完成了、整體進度怎么樣，然后把任務(wù)分解成對原子技能的調(diào)用。

這就和真正的產(chǎn)業(yè)應(yīng)用是同樣的邏輯了。搭長城，其實是在搭一條產(chǎn)線。

積木長城的能力，

如何遷移到工廠產(chǎn)線？

今天能搭積木，明天能不能搭別的？可以。

這次積木長城背后的具身模型是以原子性動作作為學習單元的，一拿、一放、一塞、一拉……新任務(wù)到來時，模型可以進行子任務(wù)拆解，重新組合，具備任務(wù)泛化能力。

比如一個牙膏包裝的場景，今天要裝一管，明天要裝兩管，后天要裝進不同尺寸的盒子，模型不需要重新編程，只需要理解新的指令，調(diào)整子任務(wù)的排列。這跟拼積木的邏輯一脈相承。

很多場景里的任務(wù)，其實都是pick and place型任務(wù)的變體。物流分揀、工業(yè)上下料、裝配、回收料整理，抽象來看都是在做同一件事：把一個東西從一個地方運到另一個地方，只不過 pick 和 place 的環(huán)節(jié)各有要求，于是變成了揀選、變成了裝配、變成了打包。原子技能的拆解邏輯，對應(yīng)的就是這種任務(wù)本質(zhì)。

原力靈機選擇落地場景的邏輯是，不做流水線中間的高頻節(jié)拍，那些用非標自動化更經(jīng)濟，而是做線頭線尾的「零碎活」：料盤用完要拿走、材料卷用完了要上新卷、不同批次的產(chǎn)品需要不同的包裝方式。這些動作很難用一套固定的自動化設(shè)備實現(xiàn)，占地面積大、稼動率低，但恰好是機器人柔性能力的用武之地。

多機協(xié)作的展示也對應(yīng)產(chǎn)業(yè)場景：輪式機器人給桌面設(shè)備上料下料、巡視全局，和工廠里一個員工盯幾臺自動化設(shè)備的模式一致。

在硬件設(shè)計上，原力靈機的想法也比較超前。

Apex 走圓潤親切路線，原力靈機考慮到一線操作人員接受一個新事物需要過程，外形柔和一些，攻擊性和壓迫感天然就會降低，安全性在觀感上也更容易建立信任。很多廠商今年才開始往這個方向靠，原力靈機在設(shè)計之初就已經(jīng)把這一點考慮進去了。

這種設(shè)計思路也幫助原力靈機打開了工業(yè)之外的空間，商業(yè)場景也在推進中，沃爾瑪、優(yōu)衣庫等品牌已經(jīng)和他們接洽試用。

此外，導(dǎo)航攝像頭裝在左右兩側(cè)而非腦袋前后，既是審美選擇也體現(xiàn)了全棧算法能力：有些公司攝像頭一換位置算法就適配不了，原力靈機因為算法全棧自研，硬件設(shè)計自由度更大。

全棧能力從何而來

原力靈機能在展臺上搭出這座長城，其技術(shù)能力是來自一個更長的積累鏈條。

首先是團隊積累深厚。原力靈機由曠視聯(lián)合創(chuàng)始人、前 CTO 唐文斌創(chuàng)立，核心團隊全部來自曠視核心研究院和業(yè)務(wù)線。范浩強本人也是曠視時期的資深技術(shù)骨干。這支團隊從 ResNet 時代就開始做視覺模型研究，在 AI 1.0 時代積累了長時間的經(jīng)驗。

現(xiàn)在業(yè)界存在 VLA 模型和世界模型的技術(shù)路線之爭，但在他們看來，這有點像問輪子和激光雷達誰更重要，其實它們都是一輛車里有用的組件，非要辯出誰用誰不用，在技術(shù)上不成立。原力靈機提「具身原生模型」的概念，核心邏輯就是：有用的技術(shù)都用，不站隊。

這個方法論也延續(xù)到了他們的研發(fā)哲學里。團隊在 Transformer 時代做過一次驗證，證明了 CNN 加上特定配置也能做 Transformer 能做的視覺問題。他們的思維方式是做「還原論式」的思考：把一個技術(shù) work 的本質(zhì)和核心提煉出來，再去應(yīng)用。

更關(guān)鍵的是對數(shù)據(jù)的理解。原力靈機從第一天就把數(shù)據(jù)當作核心要素來對待。

我們了解到，原力靈機團隊在曠視做計算機視覺的時候，就講究「數(shù)據(jù)、算法、系統(tǒng)」三要素，其中數(shù)據(jù)是第一位的。算法決定在數(shù)據(jù)充分時能否把能力發(fā)揮出來，系統(tǒng)決定能否把算法的表現(xiàn)最終呈現(xiàn)出來。這個認知被完整地搬到了具身智能領(lǐng)域。

之所以從第一天就把數(shù)據(jù)當作核心要素，也是因為他們重視系統(tǒng)化工程能力。

所謂系統(tǒng)化工程能力，是把硬件、驅(qū)動、深度學習基礎(chǔ)設(shè)施全鏈條系統(tǒng)化的能力，這里面涉及大量的基建工程。原力靈機開源了 Dexbotic 2.0 一站式 VLA 開發(fā)框架、DM0、DM0.5、DW0.5 系列模型權(quán)重與配套訓(xùn)練推理代碼，目的之一就是為了展示自己在這些方面的思考和投入。

在系統(tǒng)能力的搭建上，今年原力靈機節(jié)奏很快：2 月發(fā)布 DM0，7 月 Action2026 開發(fā)者大會一口氣推出 DM0.5、Apex 本體和 DFOL2.0、MaaS、DexOS 三件套，從模型到本體到開發(fā)工具到云服務(wù)，完整的產(chǎn)品矩陣已經(jīng)就位。

回到 WAIC 的展臺上。今年我們看到不少廠商都在展示泛化能力和長程任務(wù)，有的疊衣服，有的用烤面包機，有的做咖啡，的確百花齊放。但原力靈機的「積木長城」仍然是獨特的：它展示了一條完整作業(yè)流的系統(tǒng)化運轉(zhuǎn)，精細操作、錯誤恢復(fù)、多機協(xié)同、任務(wù)調(diào)度，所有這些能力在同一套系統(tǒng)里跑通，持續(xù)十幾個小時。