机器人"大脑"真能批量生产了！智元、宇树们开始共享"大脑"了?

具身智能产业发展确实快，展会上的机器人越来越炫酷，但真正能规模化应用的依然不多。

这个产业现在的状态，像极了2010年的计算机视觉——技术曙光初现，但整个行业还在"摸着石头过河"。不同企业用不同开发框架，数据格式五花八门，连对同一个任务的定义都能吵起来。

最要命的是，大家都在重复造轮子，却很难形成合力推动产业进步。

上海AI实验室看不下去了。

在刚刚结束的2025世界人工智能大会上，他们发布了『书生』具身全栈引擎Intern-Robotics。这个平台的野心不小——要给具身智能建立标准化"生产线"。

它有多猛？智元机器人、宇树科技、银河通用、国地共建人形机器人创新中心等15家头部玩家已经抢先上车。从人形到四足，从机械臂到轮式机器人，各种形态的机器人都在用同一套系统搞研发。

某种程度上说，这可能是具身智能领域的"安卓时刻"。

▍仿真引擎：让试错成本降低几个数量级

在传统的机器人开发中，每一次算法调整都需要在真实机器人上反复测试。这不仅烧钱烧时间，更要命的是——你敢让价值百万的人形机器人去试各种"花式摔倒"吗？

机器人领域有个特点，它要求100%成功。大模型说错话，用户一笑了之；机器人摔一跤，可能就是几十万的损失。

这种对可靠性的极高要求，让充分的测试验证成为必需。但在现实中，你不可能让机器人真的去尝试所有可能的碰撞和失败情况。一个简单的抓取动作，可能涉及数百种不同的物体形状、材质和摆放角度，每种情况都需要反复测试。

Intern-Robotics的仿真引擎直接把这个问题给解了。基于升级版的桃源系统（现更名Intern·Utopia），上手门槛低到离谱：1行代码就能跨机器人部署算法，3行代码定义任务，5分钟直接开干。

这种极简设计背后，是对开发者痛点的深刻理解。传统仿真系统，光是环境配置就能折腾几天，更别提后续的参数调试和算法适配。现在，一个刚入行的工程师也能快速上手，把更多精力放在算法创新上。

技术上最狠的是"图式控制器级联设计"——翻译一下就是，你可以在一个环境里同时搞定路径规划、运动控制、精细操作，不用在不同仿真器之间反复横跳。

这解决了一个长期困扰行业的问题：高层规划与底层控制的耦合。以往，测试导航算法用一个仿真器，测试抓取用另一个，测试全身协调又得换一个。不同仿真器之间的数据格式、物理引擎、接口标准都不一样，光是做适配就要耗费大量时间。

更绝的是分布式部署能力。想测试仓库里1000个机器人协同搬货？虚拟环境里随便造，各种极端情况任你折腾。反正是虚拟的，摔坏了不心疼。

这种能力对于多机协作场景尤其重要。在真实环境中，测试100个机器人的协同工作几乎不可能——光是场地和设备成本就是天文数字。但在虚拟环境中，你可以轻松模拟各种复杂场景：机器人之间的碰撞避让、任务分配、路径规划冲突等等。

仿真环境的另一个价值在于极端场景的测试。火灾、地震、设备故障——这些在现实中难以复现的情况，在虚拟世界里都能随意创建。这对于提高机器人系统的鲁棒性至关重要。

▍虚实数据贯通：用最小成本获得最大效果

数据是训练机器人的口粮，但这口粮在机器人圈贵得离谱。

完全靠真机器人采集数据？效率低不说，很多场景你根本采不到——总不能为了训练让机器人真的从楼梯上滚下去吧。

更现实的问题是成本。一个工业机械臂采集一天数据，需要专业操作员、场地租金、设备折旧，算下来成本可能上万。而要训练一个可靠的模型，往往需要数十万甚至数百万条数据。

Intern-Robotics的解法很巧妙：虚实融合。

庞江淼透露了个关键比例："根据任务难度，真实数据与合成数据的比例在1:5到1:10之间。"这个比例不是拍脑袋想出来的，而是基于大量实验得出的最优配比。

对于导航这种主要靠"看"的任务，纯合成数据就能搞定。因为导航主要依赖视觉感知和空间推理，这些在虚拟环境中可以高度还原。但对于抓取这种需要"摸"的任务，物体的质地、重量、摩擦力等物理属性很难完全模拟，还是得有真实数据撑腰。

平台的数据引擎拥有10万级的场景物体资产，结合神经渲染技术Intern·LandMark和生成式世界模型Intern·WorldModel，可以生成高度逼真的训练场景。这些技术的结合，使得合成数据不仅在视觉上接近真实，在物理交互上也能准确模拟。

效果拉满：单台服务器每天能合成5万条数据，成本比半年前降了66%。整体数据采集成本更是直接干到传统方案的0.06%。

这意味着啥？原本需要砸百万的项目，现在几万块就能启动。对于资金有限的初创公司和研究团队来说，这简直是福音。

在和上海国家地方共建人形机器人创新中心的合作中，这套方法已经跑通。国地中心提供具体场景和高质量真实数据，实验室负责仿真数据合成和模型训练。通过这种虚实结合的方式，青龙机器人在极端场景下的表现提升了40%以上。

数据引擎还提供了完善的数据处理管线。"大模型驱动、人工在环"的半自动化标注方式，既保证了标注质量，又大幅提高了效率。支持2D/3D框、轨迹、抓取点、语义掩码等常见标签，基本覆盖了机器人视觉任务的所有需求。

▍训测一体化：构建标准化的开发流程

有了数据和仿真，怎么高效训练模型？

传统方法的槽点太多：训练用一套工具，测试用另一套，转换过程不仅麻烦还容易出bug。更坑的是，没有统一评测标准，张三说自己的算法牛，李四说自己的更强，谁也说服不了谁。

这种混乱状态严重阻碍了技术进步。研究者发表论文时，往往会挑选对自己有利的测试场景和评价指标。企业宣传产品时，更是各说各话。结果是，外行看热闹，内行也糊涂。

庞江淼坦言："评测体系确实很难做，这是领域内说了很多年但一直没做成的事。真实世界的机器人行为都是不可复现的，你怎么保证评测的公平性？"

他进一步解释："评测是对方法进行排序的一种手段。一个合理的评测方式是能够通过分数，分辨出对整个系统做出改动后的好坏。它需要可复现，但真实世界的所有机器人行为都是不可复现的。"

Intern Robotics通过一体化设计解决了这些问题。平台提供了导航（Intern·Nav）、操作（Intern·Manip）、人形控制（Intern·Humanoid）、空间推理（Intern·SR）等专门工具库，从数据加载到模型训练再到性能评测，全流程覆盖。

每个工具库都针对特定任务进行了深度优化。比如导航工具库，不仅包含了主流的导航算法，还提供了10个标准化测试场景，涵盖室内导航、室外导航、动态避障等各种情况。操作工具库则包含了5种主流抓取算法和数百种标准测试物体。

最赞的是模块化架构。感知模块、规划模块、控制模块随意组合，就像搭积木一样。你只需要专注自己的创新点，不用重新发明轮子。

这种设计理念带来的好处是显而易见的。一个做视觉感知的团队，可以直接使用平台提供的规划和控制模块，专注于提升感知算法的性能。一个做运动控制的团队，可以使用现成的感知模块，把精力放在控制算法的优化上。

基于这套系统训练的InternVLA系列模型已经开始秀肌肉。模型以InternVL3等多模态大模型为基座，设计了"感知-想象-执行"一体化架构。在导航任务的10项基准测试中达到国际领先水平，首次实现无需额外训练的"跨楼宇、长距离"自主行走；在操作任务的5项仿真评测中同样领先，真机成功率超过业界顶尖模型15%。

还有跨平台能力。"四足机器人和人形机器人在我们框架里其实一样，都用强化学习训练。"庞江淼说，"唯一区别是仿真环境里导入的描述文件不同。"

这种统一的训练范式意义重大。传统上，不同形态的机器人需要完全不同的开发流程和工具链。现在，一个模型可以方便地部署到10余种机器人形态上，大大提高了技术的复用性。

▍开源开放：构建具身智能的"基础设施"

技术再牛，不落地也是空谈。

Intern-Robotics选择了最硬核的验证方式：全面开源。GitHub和Hugging Face上，所有代码和模型都能下载。

这个决策背后，是对产业发展规律的深刻理解。封闭系统或许能在短期内保持技术优势，但开放生态才能推动整个产业的进步。就像Linux之于服务器、Android之于智能手机，开源往往能创造更大的价值。

目前平台已支持6大主流任务、20多种数据集、50多个模型的训练评测。6大任务包括感知（具身空间推理）、导航、交互操作、直接执行操作、世界模型以及人形机器人控制，基本覆盖了当前具身智能研究的主要方向。

数据资源同样给力：17类强推理任务、15种原子技能、10余种主流机器人本体、超2万种场景的200万仿真合成数据。这些数据不是简单的堆砌，而是经过精心设计和标注，可以直接用于模型训练。

据了解，"具身智能光合计划"把开放合作推向深水区。不只是提供工具，还在数据标准制定、采集工具供给、标注自动化等方面提供全方位支持。与成员单位在引擎开发、模型训练、场景落地等环节开展联合攻关，形成技术创新的合力。

不同类型的企业在平台上找到了不同的价值。本体厂商可以使用训练工具优化控制算法，提升机器人的运动性能；应用企业可以快速部署现有模型，加速产品落地；研究机构可以基于平台进行算法创新，推动技术边界。行业内的反馈印证了这种需求的迫切性：

越疆科技联合创始人郎需林直言：“在实际的应用场景中，往往需要多种形态的机器人共同完成一项复杂任务。比如人形机器人、机器狗和机械臂等，它们的算法如果通过统一的‘大脑’来训练，将会大大提高开发效率，业界需要这样更加泛用的具身大脑。”

松灵机器人技术负责人谢志强也有类似感受：“现在具身智能的技术开发很碎片化，从仿真到训练各种工具五花八门，对开发者来说，希望能有一套从仿真到训练的全栈工具链，这将极大降低开发门槛和周期。”

国家地方共建人形机器人创新中心副总经理刘宇飞表示，加入“具身智能光合计划”后，双方已经有了阶段性成果，联合研发的『书生』具身操作大模型InternVLA-A1及相关工具链，显著提升了青龙等异构机器人平台的数据采集多样性、复杂任务训练效率与测试准确率。接下来，双方将深化协同，共建人形机器人实训场、联合开发高价值场景的模型，以及探索新一代软硬件协同架构，打造自主进化智能体，共同推动具身智能技术创新突破与产业变革的深度融合。"

▍量产时代的技术基础：标准化与规模化

从某种意义上说，Intern-Robotics正在做的事，就像当年Android之于智能手机——建立统一的开发标准，降低进入门槛，让更多玩家能参与进来。

标准化是产业规模化的前提。USB接口统一了外设连接，HTTP协议统一了网络通信，而Intern-Robotics要统一的，是具身智能的开发流程。通过统一的数据格式、训练流程、评测标准，让不同的研究成果可以相互借鉴，不同的技术模块可以灵活组合。

"世界范围内首次完成导航、操作等六大具身主流任务的超大规模验证"，这不仅是技术实力的体现，更重要的是验证了统一框架的可行性。当开发一套模型就能适配10余种机器人形态，当数据采集成本降到0.06%，当5分钟就能上手开发——具身智能的"iPhone时刻"，或许真的不远了。

机器人大规模走进生活的那一天，可能就是从今天这个"安卓系统"开始的。

GitHub：https://github.com/InternRobotics
Hugging Face：https://huggingface.co/InternRobotics
官网：https://internrobotics.shlab.org.cn