从身体到大脑，超维动力正在搭起一套具身智能系统

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。

01.

第一张牌：模型优先，把智能从单一本体里解放出来

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。

02.

第二张牌：高拟人本体，让人类经验更容易进入机器人

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。

03.

第三张牌：数据闭环，真正比的是学习效率

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。

04.

第四张牌：全栈速度，一年建起具身智能“系统”能力

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。

05.

超越Figure，真正要追的是进化速度

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。