当RoboChallenge测试遭遇“硬件墙” 自变量机器人躺枪，具身智能或许需要更多理性

近期，具身智能模型评测平台RoboChallenge对多款主流开源模型进行真机测试并发布初步结果。在这份关注度颇高的榜单中，基于Physical Intelligence（PI）系列构建的π0和π0.5表现出色，而国产开源模型表现相对平淡。其中，自变量科技的开源模型WALL-OSS-Flow的成绩被部分自媒体单独拎出，以“零成功率”为题进行传播。

事件很快反转。RoboChallenge官方迅速全渠道辟谣，澄清官网部分展示的结果“可能是临时的、部分的或仅用于调试目的”。然而，“零成功率”的标签仍在网络多平台被密集投放，甚至在相关文章评论区出现大量疑似水军的聚集评论。更令人意外的是，自变量机器人官网随后一度无法打开，疑似遭遇黑客攻击。

这场乌龙事件，如同一个切片，揭示了前沿科技与公众认知之间那道深深的沟壑。在人工智能浪潮中，具身智能模型——这个被视为机器人“大脑”的关键技术，正因其高度的专业壁垒和软硬件一体的复杂性，频频陷入被误读的窘境。

一次典型的“误读”是如何发生的

对于自变量的误读，核心源于一个关键的技术认知偏差：具身智能模型并非纯粹的软件。

它与“拿来即用”的AI语言大模型截然不同，是一个深度耦合硬件本体的系统。当模型需要被部署到一个新的机器人身体（本体）上进行评测时，必须解决复杂的跨本体适配问题，包括数据迁移、坐标对齐、接口打通等。据业内人士透露，RoboChallenge评测所用的机器人本体，暂时并不支持自变量模型主要的末端控制方式，双方的数据回放与对齐存在天然障碍，当时的适配调试仍在进行中。

换言之，自媒体截屏传播的，是一个尚未完成适配的“半成品”调试过程，而非模型的真实能力的最终结论。这好比用一套顶尖F1赛车的引擎数据，去评判它在一台家用轿车底盘上的临时测试表现，并据此断定引擎本身是失败的。

遗憾的是，在流量与速判的驱动下，这种剥离技术语境、脱离硬件基础的片面解读获得了传播。而随后疑似有组织的水军推动与网络攻击迹象，更让事件蒙上了一层阴影，折射出新兴赛道早期竞争的非理性一面。

误读，为何是具身智能的“宿命”

自变量的遭遇并非孤例。近期，小鹏机器人发布的IRON人形机器人因动作过于流畅逼真，被网友质疑为“真人套壳”；灵启万物（MindOn）一段演示视频流出后，引发了从技术路线（是VLA+强化学习还是传统控制）到视频真伪（是否AI生成）的众说纷纭。

种种乱象背后，是具身智能技术本身难以逾越的认知壁垒。

第一层“壁”是技术复杂性。 具身智能横跨计算机视觉、机器人学、控制理论、认知科学等多学科，其“感知-决策-控制”的闭环与具体物理世界深度互动。普通大众，甚至不少媒体与投资人，都难以理解为何一个能后空翻的机器人可能拧不好螺丝。信息的高度不对称，为各种夸大宣传或恶意贬低提供了土壤。

第二层“壁”是验证门槛。 纯软件模型的性能可通过标准数据集排名一目了然，但具身模型的“实力”必须落在真实的物理交互中。《蓝鲸财经》曾报道，有公司用“遥操作”（即人后台操控）拍摄demo并包装为“全自主智能”，误导投资判断。为此，有投资机构不得不专门组建理工科博士团队来提升鉴别能力。

第三层“壁”是产业早期性。 当前具身智能模型技术路线尚未收敛，商业化路径模糊，短期难见规模化产品。正如金沙江创投朱啸虎等人士的观点，行业不确定性高，容易被看空。在缺乏清晰价值锚点的情况下，质疑与误读自然滋生。

祛魅：如何穿透迷雾，看见真实

面对纷繁复杂的信息与演示，如何相对客观地评估一个具身智能模型的真实能力？业界的共识指向一个朴素却至关重要的方法：现场真机演示，并施加主动干扰。

清华大学交叉信息研究院助理教授高阳给出一个实用建议：对于宣称能叠衣服的机器人，可以尝试把衣服揉成一团随意丢在桌上，或替换为裤子、外套，观察其应对非标准状态和跨品类泛化的能力。

自变量创始人王潜也持相似观点：“视频demo有太多可以造假的方式了。需要去现场和机器人互动，进行人为干扰，看看模型在各种极限情况下的表现，这才真正能体现水平。”

事实上，在今年的WAIC、WRC等顶级行业展会上，包括自变量、千寻在内的多家模型公司都进行了公开的现场真机操作演示，敢于接受真实复杂环境的检验，这本身就是技术底气的一种体现。

但必须指出，即使是“真机演示”，也存在不同语境。模型评测平台的测试，要求将模型部署到一个全新、陌生的硬件本体上，这必然涉及能力损耗与漫长的适配调优过程。PI开源的π系列模型在自有机器人上表现惊艳，但其他团队在其基础上微调后，往往也难以复现同等效果。这恰恰凸显了具身智能软硬件一体化的本质——模型的最终表现，是“大脑”与“身体”协同共舞的结果，无法简单割裂评判。

国家战略下的长跑：需要耐心与求真

尽管前路坎坷、误解频生，具身智能的战略意义与未来潜力却日益明晰。

2024年3月，“具身智能”首次被写入工作报告；10月，“十五五”规划建议明确将其纳入未来产业重点布局。这标志着，发展具身智能已上升为国家战略，成为全球科技竞争的核心高地。

在这一轮竞赛中，中国具备独特的优势：作为全球唯一拥有全部工业门类的国家，叠加丰富的民生场景，能为具身模型提供海量、多元的真实数据“燃料”；同时，在硬件供应链、数据采集成本等方面也具有显著优势。

以自变量为代表的自研基础模型团队，已在某些任务上展现出可与美国同行媲美的泛化能力，证明了国内创新者的技术潜力。

WALL-OSS模型——零样本泛化能力表现

任何承载着未来愿景的前沿技术，其成熟必然要经历一个漫长、曲折且充满噪音的迭代过程。具身智能，这个正努力为机器注入“常识”与“物理直觉”的领域，尤其如此。

面对它，我们或许需要一种新的认知姿态：少一些急于求成的误读和轻率判断，多一些穿透表象的求真精神与战略耐心。因为最终定义这项技术价值的，不是一时的榜单或流量的喧哗，而是它能否在真实的物理世界中，稳健、可靠地延伸人类的能力与梦想。