今年 WRC 再看具身智能一个明显的变化是：行业已经越来越不缺 "能动起来" 的机器人，会走、会抓、会交互甚至打拳、跳舞、搬运过去足以成为一场发布会主角的能力正在快速成为头部玩家的 "标配"，这也意味着机器人的竞争正在进入一个更难的阶段，当本体能力越来越趋同、Demo 越来越多真正决定一家公司上限的可能不再是哪台机器人多几个自由度、跑得快几秒而是它有没有能力让机器人持续获得新的能力。在这套新的竞争坐标里 Figure 是一个绕不开的全球参照，过去几年它从人形机器人本体一路往模型、制造和真实场景延伸：Helix 让模型能力站到更核心的位置 BotQ 开始补规模制造机器人则持续进入 BMW 工厂验证，Figure 今天的领先很难再用某一代机器人来概括更像是一套正在不断补全的具身智能系统，也正因为如此如果中国未来会出现一家真正能够挑战甚至超越 Figure 的公司它大概率也不会只靠一台更强的机器人赢下来。沿着这个标准看 2025 年 7 月才成立的超维动力是一个很难忽视的样本，一年左右世界模型、高拟人人形本体、灵巧手、第一视角数采和具身 AI Infra（具身数据处理平台）已经同时出现在它的技术版图里，这也是超维真正值得与 Figure 放在一起讨论的地方，它值得被拿来比较的不是某一个参数而是两家公司正在走向一个相似的终局：具身智能最终拼的不是一台机器人而是一整套能够持续学习和进化的系统。
过去一年 Figure 的技术重心正在明显向模型层延伸，Helix 将视觉、语言理解和机器人控制放入同一套系统，今年发布的 Helix 02 又进一步将视觉、触觉、本体感知与全身执行连接起来让机器人能够完成包含行走、操作和平衡的长序列任务，超维动力走的也是一条 "模型先行" 的路线。其中 KAI World Model 围绕 "建模物理世界" 展开，通过虚拟世界生成、4D 空间建模、动作交互和模型评估让模型学习真实世界中的物理规律同时支持生成与重建，并已经结合百万级视频数据进行预训练覆盖移动、操作以及移动与操作结合的任务，它想解决的并不只是 "看懂画面" 而是让机器人逐渐理解物体、空间和动作之间的关系。而在真实机器人上超维动力还用另一套模型能力验证 "智能能不能真正跑起来"，今年 WRC 上超维动力把这套能力直接搬到了乒乓球台上，他们在现场搭建了标准乒乓球交互区搭载 SMASH 2.0 的人形机器人可以与观众直接对打，从来球识别、轨迹预测到动作规划和全身控制整套反应链自主完成，现场机器人能够自主接发球并应对不同击球方式。比 "会打球" 更值得关注的是同一套 SMASH 核心算法已经部署到宇树 G1、智元远征 A3 等不同机器人本体上，可以说 KAI World Model 负责 "学世界"SMASH 开始验证 "能力跨本体"。超维动力联合创始人罗平曾说："语言模型的用户是普通人具身大小脑的用户是机器人"，从超维动力目前的技术布局来看这句话其实点出了这家公司的清晰路线 —— 模型平台化本体多样化，机器人本体可以变化但模型要逐渐成为更可复用、更可持续迭代的智能底座，这也是超维与 Figure 第一处真正值得放在一起看的地方，它们都没有把长期竞争力完全锁死在某一台机器人身上而是进一步推向机器人背后的模型能力。
让模型尽量摆脱单一本体并不意味着身体不重要，恰恰相反再聪明的具身模型最终也要通过一副身体进入物理世界，对超维动力来说这副身体首先要足够 "像人"KAI Bot 就是他们给出的答案，它身高 173 厘米、体重 70 公斤全身拥有 117 个自由度约 80% 的体表覆盖触觉皮肤集成约 1.8 万个触觉触点可感知低至 0.1N 的触碰，在真实行动方面这款人形机器人搭载定制半固态电池正常工作续航超过 3 小时慢走可持续 2 小时，WRC 现场 KAI Bot 可自主行走并与观众进行实时语音互动同时完成精细物体抓取及礼物递送等操作。再往更考验精细操作的末端超维动力还做了一只接近真人尺度的灵巧手 KAI Hand，它拥有 37 个自由度包括 20 个主动自由度、1 个被动自由度和 16 个柔顺自由度并在指尖和手腕加入触觉与视觉感知。但超维动力如此执着于 "高拟人" 并不只是为了让机器人看起来更像人，现实中的家庭、工厂、商业空间乃至绝大多数工具本来就是按照人的身体尺度设计的，更重要的是今天世界上规模最大的 "具身数据生产者" 同样是人 —— 互联网视频、第一视角数据、人体动作和操作轨迹记录的都是人如何与物理世界交互，这意味着机器人的身体越接近人理论上就越容易承接人类已经积累的大规模动作经验，所以 "高拟人" 表面上是一个硬件选择往深处看其实也是一个数据和学习效率问题，超维动力想减少的是人类经验进入机器人时那道 "身体结构翻译" 的成本。这也解释了其看似矛盾的一组选择：模型要尽量减少对单一本体的绑定是为了让能力被更多机器人复用，身体却要尽量接近人是为了让机器人更容易吸收人类经验，一个解决经验怎么进来一个解决能力怎么复用。
如果只是 Figure 有机器人、超维也有机器人 Figure 有模型、超维也有模型最多只能证明路线相似，真正决定未来差距的是机器人的学习效率，这也是 KAI Halo 头环存在的意义。这款只有约 300 克的第一视角数据采集设备集成四目相机和 IMU 可以记录人的视觉、运动和操作过程，按照超维动力披露的数据目前其已经积累超过 10 万小时人类第一视角多模态数据并组织数百名采集人员进入家庭、超市、商业空间和小型工厂等真实环境，这里的 10 万小时不是最重要的数字因为 "拍回来多少小时" 并不等于机器人学会了多少能力，中间还隔着质检、标注、位姿构建、跨本体重定向、模型训练、仿真评测、真机部署再到真实数据回流的一整条链路。于是 KAI Embodied AI Infra 出现了，按照超维动力披露其数据处理管线贯穿数据采集、处理、训练、仿真及真机部署全流程，可将高质量数据生产效率提升 10 倍支持千级仿真任务并行 Train Turbo 训练加速 40% 模型评测速度提升 7 倍整体训练速度平均提升 5 倍，并能够将训练后的模型批量部署至真机再让真实运行数据重新回流。至此超维这几块看似分散的能力开始真正连起来：KAI Halo 把真实世界经验带进来 KAI World Model 扩展机器人可以学习和交互的经验空间 Embodied AI Infra 把数据变成模型再将模型送回真机，机器人在真实世界里运行又会产生下一轮数据，数据、训练、部署、反馈由此开始形成循环，这才是超维动力真正值得看的飞轮。
到这里再看两家公司的时间线会发现真正拉开观察维度的不只是能力结构还有搭建这套体系的速度，Figure 成立于 2022 年此后三年多它从人形机器人本体一路补上 Helix 模型、BotQ 制造能力并持续进入 BMW 工厂验证一套覆盖本体、模型、制造和真实部署的技术体系逐渐成型，2025 年 7 月成立的超维动力如今已把 KAI World Model、KAI Bot、KAI Hand、KAI Halo 和 KAI Embodied AI Infra 先后摆上桌面 SMASH 则进一步展示了核心算法在不同本体上的部署，一年左右它已经把模型、本体、灵巧操作、数据和训练基础设施几块关键能力放进了同一张业务版图。当然这并不意味着它已经追上 Figure，Figure 今天的优势依然明显它拥有更长的研发时间、更强的资本支撑、更成熟的本体以及已经进入 BMW 生产线的真实部署经验，但也正因为差距还在超维动力这一年的速度才更值得看，方向上它已经走向与 Figure 相似的技术终局能力上模型、本体和持续学习体系的骨架也已经搭起，剩下的问题是这套体系能跑多快又能多快缩短差距。与此同时超维动力还有一个独特优势，据悉超维动力的 AI Infra 团队曾操盘过华为自动驾驶的 Infra 平台有着从 0 到 100 万量产交付的丰富经验，沿着这几个坐标看成立仅一年左右的超维动力已经成为中国具身智能公司里最值得持续关注的玩家之一。
人形机器人越来越多之后具身智能行业真正的分水岭也会随之改变，Figure 今天领先的从来不只是一台机器人，真正难复制的是背后那套连接身体、模型、数据和真实世界的系统，因此任何一家中国公司想真正想超越 Figure 都不可能单靠自由度更多、手更灵巧或者某一场更惊艳的 Demo，它需要建立一套学习更快、进化更快、能力复用更快的系统，超维动力真正值得关注的地方也正在这里，如果具身智能最终是一场关于 "进化速度" 的竞争那么超维动力正在成为中国最有潜力超越 Figure 的挑战者之一。
今天 10:13