2025机器人大爆发：从VLA大脑到通用具身智能的技术演进

步入2025年，全球机器人产业的进步堪称“科幻走进现实”，各大巨头的Demo发布极具冲击力：

首当其冲的是Figure AI，其在10月揭幕的第三代人形机器人不仅展示了处理琐碎家务的潜力，其酷炫的视觉表现也引发了热议。然而，关于复杂任务的实际成功率，业内仍存疑虑，且其头部设计带来的“恐怖谷效应”依然是社交媒体讨论的焦点。

与此同时，明星初创公司1X在10月底推出的Neo机器人则走了一条完全不同的美学路线，其亲和力极高的面部设计显著降低了大众的抵触感。但争议也随之而来，Neo被爆出高度依赖远程操作（Teleoperation），被部分批评者戏称为“伪智能”，并由此引发了关于家庭隐私的深度担忧。

作为行业风向标的特斯拉Optimus虽然在12月发布了运行极为流畅的跑步视频，但其量产之路在2025年遭遇了重大挫折。供应链瓶颈与硬件可靠性问题迫使马斯克不得不按下生产“暂停键”，转而进行大规模的硬件重构。

在探讨过灵巧手与行业年度盘点后，本篇文章将深入剖析具身智能的核心动力：机器人基础模型。我们要揭秘的是：为何2025年会被公认为机器人基础模型的“觉醒元年”？

通过实地走访硅谷顶尖实验室，我们将本专题分为“闭源”与“开源”两大部分，拆解这些机器大脑的训练黑盒。首先，我们将目光聚焦于资本市场的绝对宠儿——闭源系统。

01 机器人基础模型：跨越60年的技术范式迁徙

简单理解，如果说GPT是“善于思辨的对话者”，那么机器人基础模型就是“精于实操的执行者”。

这个“会动手的大脑”并非一蹴而就，而是历经了四代范式的演进才最终在2025年迎来质变。

Chapter 1.1 拓荒时代：编程式机器人（1960s-1990s）

1961年，Unimate在通用汽车生产线上开启了工业机器人时代。它当时的运作逻辑极其死板：工程师必须逐行输入坐标代码。只要零件位置偏移哪怕1厘米，系统就会陷入瘫痪。这种“零容错”模式虽然在特定工厂环境下服务了几十年，但完全无法应对真实世界的复杂性。

Chapter 1.2 感知时代：基于SLAM的自主导航（1990s-2010s）

随着SLAM技术的成熟，机器人学会了“看路”。以Roomba为代表的扫地机器人通过激光雷达建图并规划路径。然而，这种“感知→规划→执行”的链路在处理叠毛巾等柔性物体时捉襟见肘——2010年伯克利的一项实验显示，机器人叠好一条毛巾竟需24分钟，且步骤极其脆弱。

Chapter 1.3 学习时代：行为克隆与强化学习（2010s）

模仿学习让机器人能像孩子一样通过观察人类演示来学习动作，但其泛化性极差且数据渴求度高。随后的强化学习（RL）虽然让波士顿动力的机器人学会了惊艳的后空翻，但RL在缺乏物理常识的情况下，试错成本高昂得令人生畏，且难以跨出实验室的理想环境。

Chapter 1.4 爆发时代：VLA模型的统御（2020s中期至今）

大语言模型的成熟催生了VLA（视觉-语言-动作）范式。它将视觉理解、语言常识与动作执行深度融合。现在，你只需说一句“帮我准备早餐”，机器人就能凭借大模型中蕴含的物理常识（如：鸡蛋易碎，面包需加热）进行端到端的决策与操作。

2025年之所以成为“元年”，归功于三股洪流的交汇：大模型智力达标、算力成本显著下探、以及中国硬件供应链的全面爆发。然而，核心挑战依然在于“真机数据”的极度匮乏。谁能率先跑通高质量数据的规模化采集，谁就掌握了未来的入场券。

硅谷新锐Dyna Robotics正是这一浪潮的佼佼者。其创始人团队由DeepMind前科学家与资深连续创业者组成，短短一年内估值突破6亿美元，甚至让英伟达与亚马逊竞相注资。他们通过精准攻克“叠毛巾”这类看似枯燥却极其考验触觉反馈的任务，成功验证了基础模型的商业化潜力。

02 闭源模型的三大权力博弈流派

Chapter 2.1 全栈整合：马斯克与Figure AI的豪赌

这一派坚持“软硬一体，垂直深度耦合”。特斯拉Optimus背靠FSD十年的数据积累，试图通过人类视频迁移学习（Video-to-Robot）直接跨越进化鸿沟。而Figure AI在经历与OpenAI的“闪婚闪离”后，独立研发出Helix模型。该模型创新的“双系统架构”模拟了人类大脑皮层与小脑的分工，让机器人既能深思熟虑，又能灵活反应。

Chapter 2.2 垂直突破：以Dyna为代表的实干派

不同于追求一步到位的巨头，Dyna认为机器人的Scaling Law应遵循“质量大于数量”。他们通过让机器人在特定商业场景（如洗衣房、餐厅）高频“打工”，积累极高质量的物理交互数据。这种“从小而精到大而全”的演进路径，类似于先培养专业技能，再激发通用元学习能力。

Chapter 2.3 生态平台：英伟达与Google的Android梦

英伟达通过GR00T N1构建了庞大的底层工具链，意图通过生态锁定成为机器人时代的基础设施。Google则凭借RT系列模型与开放数据集在学术界树立标准。而OpenAI与Meta也通过频繁的投资与人才招揽，试图在通用操作协议上占据一席之地。

03 2026展望：家务机器人的黎明已至

尽管量产之路充满坎坷，但2025年的技术底座已然夯实。正如Dyna团队所预测，当硬件成本下探至普通消费级水平，首批能够协助叠衣服、清理卫生的家庭助手将在2026年后大规模走进寻常百姓家。这不再是遥远的PPT梦想，而是触手可及的产业爆发前夜。