# 马拉松级人形机器人的秘密：液冷技术成关键突破口
2026年4月19日，荣耀Lightning人形机器人以50分26秒完成半程马拉松，比人类世界纪录快7分钟，比2025年最佳机器人成绩快近两小时。这一突破性表现背后，并非某种神秘算法，而是液冷散热技术的工程化落地。
根据物理模型推算，以7米/秒（Lightning半马平均速度）运行时，机器人膝关节电机功耗约150瓦。传统风冷方案无法持续排出如此热量——这正是Unitree等竞品需配备冰背包才能完赛的根本原因。荣耀的解决方案是在下肢四个驱动电机中植入独立液冷回路，微型管道深入电机内部，热交换流量超过每分钟4升。
从商业角度看，这一技术路线揭示了人形机器人设计的核心矛盾：针对跑步优化的45:1减速比，在行走时反而效率更低。大多数厂商为兼顾日常行走场景选择30:1减速比，导致跑步功耗翻倍至300瓦以上。Lightning的液冷方案打破了这一取舍，让单一平台同时满足马拉松级运动控制与常规操作需求。这标志着具身智能从实验室走向真实场景的关键一步——散热工程不再是配角，而是决定性能天花板的核心技术壁垒。
**人形机器人进军表面处理：从实验室到工厂的最后一公里**
人形机器人正从“能走”迈向“能干”。在表面精加工这一工业刚需场景中，双足机器人已实现亚毫米级打磨精度，其核心突破在于将**即时定位与地图构建(SLAM)**与**模仿学习**结合，使机器人能在非结构化工件上自主规划路径，无需传统**自动导引车(AGV)**的磁条或二维码引导。
技术层面，基于**视觉-语言-动作模型(VLA)**的端到端框架，让机器人通过自然语言指令即可切换打磨工艺，操作成功率较传统编程提升40%。同时，**仿真到现实(sim-to-real)**迁移技术将训练成本降低60%，使单台人形机器人部署成本控制在1.5万美元以内。
商业上，这一突破直接瞄准汽车钣金、航空叶片等高端制造场景。相比固定式**协作机器人(cobot)**，人形机器人可灵活穿梭于多工位之间，单站替代3-5名熟练工。行业预测，2025年表面处理领域的人形机器人渗透率将突破5%，成为继仓储搬运后第二个规模化落地的工业场景。
**宇树G1人形机器人“Koid”展现运动与操作新高度**
宇树科技（Unitree）旗下人形机器人G1“Koid”近期公开最新演示，展示了其在复杂地形中的双足运动控制（locomotion）与灵巧操作（manipulation）能力。Koid能够自主完成上下楼梯、跨越障碍物等动态动作，并利用仿人手爪实现精准抓取（grasping）与物体搬运。其核心突破在于将强化学习（reinforcement learning）与仿真到现实（sim-to-real）技术结合，使机器人在未预先编程的环境下实现自适应步态调整。据官方数据，G1身高约127厘米，体重约35公斤，最大行走速度超过2米/秒，且支持远程操作（teleoperation）与端到端（end-to-end）任务学习。这一进展标志着消费级人形机器人在运动鲁棒性与任务泛化能力上的关键跃升，为家庭服务与轻工业场景的具身智能（embodied AI）落地提供了低成本、高灵活性的技术路径。
Boston Dynamics的机器狗Spot（Spot）近日集成了Blackline Safety的气体探测器，用于工业安全巡检。该方案将Spot的运动能力与实时气体监测结合，能在危险环境中自主检测有毒气体泄漏。Blackline Safety称，这一集成使巡检效率提升40%，并减少人员暴露风险。此举标志着四足机器人从物流向高危作业场景的实用化延伸。
日本矢野经济研究所最新调查显示，人形机器人市场将迎来爆发式增长：2026年全球出货量预计达8万1690台，到2035年将飙升至718万台，未来10年年均复合增长率高达83.5%。这一数据揭示了具身智能从实验室走向大规模商业化的关键拐点，双足运动控制、灵巧操作与视觉-语言-动作模型(VLA)的融合正加速推动产业落地。
欧洲航天局正在开发一款具备视觉与触觉感知能力的机械臂，用于月球任务中的样本采集与操作。该机械臂集成了即时定位与地图构建(SLAM)与视觉-语言-动作模型(VLA)，能自主识别岩石并调整抓取力度。其核心亮点在于端到端的仿真到现实(sim-to-real)训练，使机械臂在模拟环境中完成超10万次抓取练习后，可直接部署于真实月面场景。这项技术为未来人形机器人在极端环境下的灵巧操作奠定了基础。
深圳初创公司IO-AI Tech让工人通过VR头显、手柄和动作追踪设备远程操控人形机器人，用于工厂和便利店等场景。记者体验了同时控制10台不同公司的机器人手，手指动作瞬间同步到50个机械指节，还能通过力反馈感知物体。该公司正与一家中国便利店连锁店测试系统，工人佩戴设备后能快速学会理货。IO-AI的技术将人体动作映射到不同机器人形态，同时结合自主算法保持平衡。深圳的制造业生态让公司能快速迭代原型，已与多家本地厂商合作，包括缝纫设备企业杰克股份，训练双臂机器人完成熨烫等任务。
世界模型初创公司Odyssey完成3.1亿美元B轮融资，估值达14.5亿美元，由Natural Capital领投，Amazon、AMD Ventures等参投。这家由自动驾驶老兵创立的公司，通过背挂相机采集物理世界数据，构建能模拟真实物理的世界模型，已从文本生成丰富的交互式视频。其模型将针对AWS的Trainium芯片优化，目前累计融资3.37亿美元，被视为继大语言模型后的下一波AI浪潮。
人形机器人明星公司Boston Dynamics预计于2027年上半年在纳斯达克上市。据Smartkarma分析，其IPO估值可能超过30亿美元，核心看点在于将Atlas等双足机器人从实验室推向商业化。此举标志着具身智能赛道正式进入资本市场加速期。
通用人形机器人公司Genesis AI发布首款产品Eno，搭载其最先进的基础模型GENE作为“机器人大脑”，能像物理智能体一样推理、适应并对结果负责。Eno采用极简设计，配备与人类手部形态功能完全匹配的灵巧手，可从轮式底座升降折叠，适应工厂、医院到家庭等场景。前谷歌CEO Eric Schmidt评价其将开启AI时代最大经济机遇之一。
中国公司X Square Robot（星海图）正为具身AI打造“大脑”，其开源了三个关键技术：视觉-语言-动作模型(VLA)Wall-OSS-0.5、世界动作模型WALL-WM以及数据采集框架XRZero-G0。在17项真实世界任务中，Wall-OSS-0.5的预训练模型实现了零样本操作，包括物体分类和变形物体抓取。该公司认为硬件已成熟，真正的瓶颈在于智能，而物理交互能增强模型对世界的理解。
机器之心获悉，ACE-Ego-0框架首次将人类第一人称视频与机器人数据统一用于视觉-语言-动作模型(VLA)预训练。该框架利用1.48K小时带伪动作标签的自我中心人类视频，结合4.53K小时机器人及仿真数据，通过可靠性感知训练策略解决异构数据对齐难题。在RoboCasa GR1 TableTop和RoboTwin 2.0基准上，ACE-Ego-0取得最优性能，并成功迁移至真实世界双臂操作任务，为具身智能(embodied AI)的大规模预训练开辟了新路径。
机器之心报道：来自学界的研究团队推出EgoInfinity，一个可大规模生成4D手-物交互数据的引擎，能将互联网视频转化为机器人训练数据。该引擎集成了感知、分割、重建与交互感知优化模块，无需人工标注即可从任意视角视频中提取手部轨迹、6-DoF物体姿态等度量级4D表示，并编译为多种机器人形态可执行的关节动作。实验验证了其在抓取、切割、擦拭、倒水等真实任务中的有效性，为开放世界机器人学习提供了从视频到动作的可扩展桥梁。
机器人学会新技能后，如何不忘记旧本领？一项新研究提出“睡眠机器人”框架，让机器人在“睡眠”阶段离线巩固共享策略，避免技能间可靠性下降。在Meta-World MT5基准测试中，该方法将平均成功率提升64%，成对可靠性提高2倍，显著优于现有基线。这一突破为机器人长期部署中的持续学习提供了新思路。
AI可靠性难题迎来新解法：Pramaana Labs获Khosla Ventures领投的2700万美元种子轮融资，将数学形式化验证引入大模型。该公司在传统LLM上叠加基于开源语言LEAN的确定性验证层，瞄准法律、药物发现和税务等高风险领域。其CEO表示，每个容错成本高昂的领域都有规则可循，关键在于将其形式化编码。
赛力斯(Seres)发布了名为“小赛”的双足人形机器人，其核心亮点在于搭载了具身智能系统。该机器人集成了视觉-语言-动作模型(VLA)与即时定位与地图构建(SLAM)技术，能实现端到端的自主操作与运动控制。赛力斯表示，小赛在抓取和灵巧操作任务上，通过模仿学习与强化学习训练，成功率较传统方案提升约30%。这标志着中国车企正将智能驾驶领域的仿真到现实(sim-to-real)经验，延伸至通用机器人赛道。
人形机器人市场正迎来爆发式增长。根据最新行业预测，全球人形机器人市场规模预计将从2026年的数十亿美元攀升至2034年的超过300亿美元，年复合增长率高达35%以上。这一增长主要得益于具身AI技术的突破，包括端到端视觉-语言-动作模型(VLA)和仿真到现实(sim-to-real)强化学习的成熟，使机器人在运动控制与灵巧操作上实现质的飞跃。特斯拉、波士顿动力等公司正加速推进双足人形机器人的商业化落地，标志着机器人从工业场景向通用服务领域迈出关键一步。
机器之心报道：研究团队提出MuseVLA，一种自适应多模态感知的视觉-语言-动作模型(VLA)，让机器人能像人类一样灵活调用温度、声音、雷达等传感器完成灵巧操作任务。在真实机器人测试中，MuseVLA在温度引导抓取、音频驱动搜索等任务上平均成功率达80.6%，显著优于仅依赖RGB摄像头的基线模型，并展现出强大的零样本泛化能力。
机器之心获悉，研究团队提出统一运动-动作模型（UMA），将3D物体运动轨迹作为共享接口，打通异构机器人学习。该模型在混合数据（机器人演示、人类视频、模拟数据）上预训练后，在运动控制、动力学建模和少样本任务适应上均超越现有基线。UMA无需人工标注任务指令，通过对比学习分离任务意图与场景几何，为多源数据预训练提供了新范式。
宇树科技(Unitree)的人形机器人正备战攀登珠穆朗玛峰。这款双足机器人将挑战海拔8848米的极端环境，测试其在复杂地形中的运动控制与自主导航能力。若成功，这将是人形机器人首次征服世界最高峰，为具身智能在极限场景的应用树立新标杆。