专访橡木果:别卷VLA了！本能驱动才是具身智能真王炸

第一道坎儿是路线依赖症，成为普遍困境。

今年以来，具身智能圈里流传着一个略显尴尬的杜撰段子：一个VLA模型在演示现场，被指令“把桌上那个橙子递给我”。机械臂流畅地探过去，精准地握住了一只玻璃杯。全场瞬间安静。工程师额头冒出汗，慌忙在平板上敲字：“重新定义橙子”。

过去大半年，这类现场翻车的段子层出不穷，主角从国内估值顶流的几家独角兽，到大洋彼岸的Figure AI、Physical Intelligence，几乎无人能免。

就在两年前，整个行业还在为VLA（视觉－语言－动作模型）这条技术路线高声站台。Covariant的RFM-1刚亮相时，媒体几乎要把“通用机器人奇点降临”的标签直接贴在它身上。谷歌DeepMind的RT-2论文发布后，二级市场的分析师们连夜修改研报，直接把具身智能的商业化落地时间提前了整整三年。

可时至今日，具身智能正站在技术路线分岔口，海量资本与企业涌入，却困在数据依赖、泛化不足、落地艰难的死循环。

而今天，橡木果机器人却以一种全新的称为【本能驱动】的技术路线，开辟了除VLA和世界模型之前的第三条路径，以自下而上而非数据驱动的方式，让机器人在物理世界自主涌现操作智能，为行业打开量产与通用化的新大门。

01.

具身智能迎来拐点

具身智能大致正处于1.0阶段到2.0阶段的转变中，1.0阶段整个行业更加注重产业链的构建，产品的定义以及发布。在此阶段，资本热钱快速涌入，企业主体如雨后春笋崛起，各类技术创新井喷式爆发。

随着具身智能迈入2.0阶段，国家层面的政策体系不断完善，对具身智能尤其是人形机器人的标准化体系日渐落地，与此同时，具身智能产品也开始从春晚舞台走进工厂等各类场景。

不难发现，在资本与政策双重加持下，具身智能迈入爆发临界点。

公开资料显示，2025年国内行业融资近370亿元，同比增长260%，全年融资事件超300起，单笔融资突破10亿元成常态。政策将具身智能列为未来产业重点，多地设立千亿级产业基金，推动技术从实验室走向产线。

市场层面，中国具身智能规模2025年达9150亿元，2026年有望破万亿，人形机器人进入规模化放量阶段。

橡木果的观点是，虽然具身智能产业涌现了越来越多的玩家，但这个赛道当前并非“百机大战”，而是“百态大战”，与智能眼镜的同质化竞争不同，行业正处于技术路线探索阶段。

橡木果表示，智能眼镜技术路线收敛、核心是参数堆叠，而具身智能路线差异显著，有人走纯VLA端到端路径，有人采用分层架构，目前尚无路线被验证为唯一正解，真正的竞争尚未开启，唯有实现超越人类的基础操作能力并落地量产，才会形成稳定竞争格局。

至于后续行业关注的机器人量产与智能化竞争。相关专家认为，其实目前具身智能要发展得更好，不只需要专属通用大模型。

具体看，大模型作为“大脑”负责任务规划，但缺乏稳定可靠的“手”即操作执行能力，再强的规划也无法落地。物理世界任务的稳定完成，依赖任务规划大模型、通用操作执行模型与机器人本体协同，三者缺一不可，在其中，橡木果机器人聚焦操作执行模型，保障任务可靠落地。

执行层面的灵活性和实用性确实关键，参考过去的汽车工业以及电子消费工业，虽然近来也陷入参数堆料和同质化竞争，但能真正领先的大多需要在系统、芯片或者智驾等有核心独创技术。同样，具身智能行业玩家几百家，也只有拥有真正相对核心的技术才能率先跑出商业化成功典范。

“橡果机器人的核心竞争力源于系统级差异。从神经科学与力学底层定义‘操作本能’，回答机器人如何自主学会操作；自研触觉感知、本能决策、通用技能与末端执行全链路，形成技术闭环，已在工业场景完成商业化验证，解决传统方案难以应对的冷启动与物料适配问题，快速实现大厂POC与产能量产，这一底层认知与落地能力是最难复制的壁垒。”团队表示。

公开资料显示，橡木果2024年底成立，团队源自清华与哈佛，深耕操作领域十余年，2017年提出本能驱动路线，近年启动商业化，半年完成大厂POC验证，订单突破500万元，成为北京市创新型中小企业。

其实无论从什么角度看，复盘过去几年具身智能发展历程，行业都已经从“讲故事”转向“交答卷”，交付能力成估值核心锚点。因为过去企业拼参数、融资金，现在工业客户看重7×24小时稳定运行、复杂场景适配与真实降本增效。

显然，拐点已至，行业不再是实验室秀场，而是商业化战场。谁能破解落地难题，谁就能占据赛道主导权。

02.

迈向高质量，机器人仍在负担里

回过头来看，虽然整个具身智能和人形机器人行业热度高涨，却被三重枷锁束缚，难以迈向高质量发展。

主流VLA路径用大模型+大数据自上而下训练，把任务与硬件耦合在黑箱里。数据需求呈指数级爆炸，操作涉及多模态信息，数据量远超语言模型范畴，没有企业能覆盖所有场景。硬件差异导致模型无法预训练，同款夹爪细微差别就会让参数失效。加之一些产品的视觉无法感知滑移、重心等力学信息，出现“眼睛学会、手做不到”的尴尬，稳定性难以满足工业要求。

可落地“最后一公里”却迟迟难以打通。

因为机器人要实现量产，需要大脑、执行与本体协同。现有的深度学习以及模型解决任务规划，但操作执行能力缺失，再强规划也无法落地。

工业机器人可以按照预定的逻辑，在工业流水线上操作设备，客户对它的诉求是高效率的、固化式的重复机械劳动，比如车企生产间的搬运、涂装等工序。只要你的产品在机器臂等硬件材料上符合要求，然后基于深度学习、遥控操作等技术，机器人内置的传感器能快速理解模块化任务需求，这时候人们将事先定义的答案交给机器去学习，比如人类通过大量的数据训练，机器就能记住相应的知识模块，从而进行产生模仿的行为。跳舞也好，工厂里面的简单的搬运也好，就是这个道理。

的确，稍微复杂些的工业场景会十分考验机器人的能力，与一般简单的搬运操作作业不同，现实世界中许多大工厂换产频繁、物料多样，传统方案调试周期长、成本高。多数企业停留在实验室演示，面对陌生物体与工况，无法冷启动作业，量产只能是空谈。

另外，核心壁垒缺失制约行业进阶。具体来看就是触觉感知重视不足，企业多用简单力传感器或纯视觉判断；端侧实时决策能力薄弱，依赖云端大模型导致延迟；行业没有统一底层系统，感知、决策、执行链路割裂。

上述这些问题让机器人只能在特定场景演示，无法跨平台、跨任务泛化，距离通用化目标遥远。而一旦行业陷入“热而不实”的困境，硬件迭代快，智能水平跟不上，数据成本高，落地效率低。破局关键，是跳出原有路径，回归物理世界本质，找到更简洁、稳定的技术方案。

03.

行业需要破局者，回归本能驱动

当行业陷入内卷，橡木果以本能驱动成为破局者，走出VLA与WAM之外的全新路径。

橡木果的创新，源于对操作本质的重新认知。

如何理解？

人类不用学习就会抓取，这是与生俱来的操作本能，由触觉刺激直接触发，不受环境影响。橡木果以此为起点，不教机器人模仿动作，而是赋予本能，让其在交互中自主长出操作能力。

橡木果机器人走出了一条与行业主流截然不同的本能驱动技术路线，不依赖海量数据模仿，而是让机器人像人一样，靠本能在物理世界中自主学会操作。

主流VLA路线用大模型与大数据“自上而下”教机器人，就像让孩子死记硬背所有动作，数据需求爆炸、换个物体就失灵，还只能靠视觉“看”，摸不出软硬、重心与滑移，很容易抓不稳、掉东西。

橡木果从神经科学得到启发：人类不用学就会抓握，这是操作本能。团队以此为核心，把“任务规划”和“操作执行”彻底解耦，大脑负责想，手负责做，各司其职。

机器人的核心是端侧本能模型，自带定向、探索、执行三大本能。碰到没见过的物体，不用训练、不用标注，靠触觉直接响应，毫秒级调节力度，能自动探索稳定抓法，薄卡片、软胶球、重心不稳的瓶子都能稳妥抓取，实现零数据冷启动。

触觉是这套系统的基础。橡果自研高精度触觉传感器，能感知力、变形、滑移，判断软硬、重心、材质，让机器人拥有“真实手感”，而不只是靠眼睛猜。

在本能之上，机器人通过实操形成肌肉记忆，再用触觉数据增强视觉理解，练成通用操作技能，实现跨设备、跨任务快速迁移，从“一上来就会”变成“一上来就熟练”。

这条路线更稳定、泛化更强，已在汽车新能源、快消、生物医药等柔性产线落地，快速完成POC并量产，为机器人提供即插即用的通用操作能力，成为具身智能领域的全新范式。

总结下来，技术架构上，橡木果将任务规划与操作执行解耦。其任务规划由云端大模型负责，橡木果专注操作执行，形成大脑与手协同工作。核心是端侧自主决策模型Natus，包含定向、探索、执行三大本能，覆盖操作底层规律。定向本能引导末端靠近物体，探索本能让机器人自主寻找稳定抓取方式，执行本能以滑移最小化为目标，实时调节力度。

而且这套系统实现零数据冷启动，无需训练、标注与微调，即插即用。面对身份证、软胶球、重心偏移的瓶子等陌生物体，机器人能自主探索稳定抓法，毫秒级响应，适应不同硬件与工况。触觉是能力底座，橡木果自研多模态传感器，精准感知力、变形、滑移，判断软硬、重心、材质，让机器人拥有真实手感。

长期来看，橡木果要成为具身智能的通用操作系统，任何机器人搭载其末端，就能获得冷启动、自适应操作能力。

一切伟大突破，皆发于种核。

橡木果以本能为种，深耕操作底层，用自下而上的创新，打破行业路径依赖。在大模型、大数据、大算力的热潮中，回归物理世界第一性原理，让智能在真实交互中涌现。这不仅是一家企业的技术选择，更是具身智能走向通用化、量产化的未来方向。当机器人拥有与生俱来的操作本能，物理世界的智能化变革，才真正拉开序幕。