国产具身智能新突破：30%成本实现45%效率提升，WALL-B模型引领行业变革

2026-08-13 12:44 3 阅读

国产具身智能创全球新纪录：30%成本实现45%效率提升，WALL-B模型引领行业变革

在人工智能与机器人技术飞速发展的今天，具身智能作为连接数字世界与物理世界的桥梁，正成为全球科技竞争的焦点。近日，一家名为自变量机器人的中国公司，通过一场公开直播实测，向世界展示了国产具身智能的惊人实力：在物流分拣任务中，其自研的WALL-B世界统一模型驱动双机械臂，以1816件/小时的分拣效率，超越了美国Figure AI此前公开的1248件/小时纪录，效率提升超过45%，而硬件成本仅为后者的30%。这一成绩不仅刷新了行业认知，更揭示了具身智能发展的新路径——以模型能力为核心，而非依赖昂贵的硬件堆砌。

直播实测：一小时狂拣1816件异形包裹

这场直播实测并非简单的演示，而是对机器人真实作业能力的严苛考验。在直播中，传送带上的包裹完全随机混合，包括纸盒、软袋、圆柱体、泡沫生鲜件等，形态、重量、尺寸各异，且摆放姿态随机，模拟了真实仓储环境中最棘手的工况。机器人需要在无人工干预、无固定流程的情况下，连续作业一小时，完成分拣任务。

面对如此复杂的场景，WALL-B模型展现出了卓越的适应能力。机器人首先通过视觉感知实时识别包裹的属性，包括形状、位置和姿态，然后根据这些信息动态调整抓取策略。对于轻巧规整的包裹，夹爪直接快速抓取搬运；对于大而重的箱体，则切换为双臂协同；对于夹取困难的物体，则通过侧面推移等方式稳妥处理。这种临场应变能力，在“面单整理”环节尤为突出：小件包裹借助惯性快速翻转，大件则分步调整，软包先拨动展开再校准面单。整个过程中，机器人没有重复执行同一套动作，而是根据实时情况做出最优决策。

最终，机器人以1816件/小时的有效分拣效率完成测试，准确率高达98%，全程无故障停机。这一成绩不仅远超Figure AI的1248件/小时，更是在硬件配置相对简单（双机械臂+标准夹爪）的情况下实现的，充分证明了模型能力的决定性作用。

技术解析：WALL-B模型如何突破效率上限？

WALL-B模型之所以能取得如此亮眼的表现，源于其独特的架构设计。与传统的VLA（视觉-语言-动作）模型不同，WALL-B基于世界统一模型（WUM）架构，从底层打通了视觉、听觉、语言、触觉与动作的壁垒，实现了感知、理解和执行的深度融合。这种设计消除了模块间的信息传递损耗，使机器人能够更准确地理解环境并做出决策。

具体而言，WALL-B具备三大核心能力：

原生多模态融合：视觉、语言、触觉等信息在同一网络中协同处理，机器人不仅能“看到”物体，还能“理解”其属性，并直接生成动作指令，减少了中间环节的误差。
物理规律理解与预测：模型能够理解物体间的物理关系，如遮挡、堆叠、重心等，并预测不同动作可能带来的结果。在直播中，当两个包裹叠在一起时，机器人判断直接抓取可能导致滑落，于是先分离包裹再分拣，展现了类似人类的推理能力。
零样本泛化：面对从未见过的包裹类型，WALL-B能够调用已有的物理认知和操作经验，临场组合出新的处理策略，无需针对特定物体进行专门训练。

正是这些能力，使得机器人无需依赖更复杂、更昂贵的硬件（如五指灵巧手），仅凭双臂和标准夹爪就能完成高难度任务。这标志着具身智能正从“硬件驱动”转向“模型驱动”，为规模化落地提供了更经济、更高效的路径。

行业影响：从家庭到工业，中国具身智能的通用路线

自变量机器人并非首次展示WALL-B的实力。此前，该公司已将WALL-B应用于家庭场景，让机器人在真实环境中学习与迭代。家庭环境充满不确定性，物品位置多变、材质多样、需求随机，是检验机器人泛化能力的“试炼场”。通过在家庭中的长期积累，WALL-B沉淀了丰富的物理交互经验，这些经验又迁移到工业物流场景，实现了跨场景的泛化。

这种从家庭到工业的路径，展示了通用具身智能大模型的巨大潜力。未来，随着预训练模型的持续演进，机器人或许无需针对每个场景单独开发，而是依靠不断增强的模型能力，快速适应新环境、学习新任务。这将大幅降低部署成本，加速具身智能在物流、制造、服务等领域的普及。