乐享科技用一场直播，重写了全球具身大模型的比拼规则

如果给过去两年的具身智能行业找一个关键词，"内卷"大概得票最高。只不过，卷的方向有点奇怪：大家卷的不是机器人在真实世界里能干什么，而是谁的演示视频更好看。

视频越来越精致，音乐越来越燃，剪辑越来越流畅。机器人在镜头前叠衣服、冲咖啡、翻跟头，每一帧都完美得无可挑剔。行业内甚至衍生出一条隐形供应链：专门的演示场地、专门的灯光、专门挑选的道具，以及专门负责"拍一百遍挑一遍"的团队。大众看到的是第一百次成功，前面九十九次失败，都躺在剪辑软件的回收站里。

9月16日，乐享科技用一种近乎"自曝"的方式，戳破了这层窗户纸。

01、一场全程只玩真实的直播

搭载乐享科技以太大模型的机器人在上海街头的真实户外环境里，连续直播近1小时，完成从点单、烧烤到上菜的完整流程。这中间，机器人也有卡bug的时候，端盘子走着走着，盘子差点没脱手，但直播全程跟踪，镜头没回避。恰恰是这些没被剪掉的“不完美”，把承诺给坐实了。

这场直播的所有设计都在"反Demo"：Demo挑最理想的环境，它选了完全开放的街头；Demo剪掉所有失误，它全程直播开放直播；Demo里观众只能看，它允许现场3桌、6名顾客随时打断、改需求、挪东西；Demo的每个环节都有预案，它甚至在原定顾客临时缺席后，从围观人群里随机拉了一位补位。

换句话说，行业里做Demo时避之不及的一切，这场直播全都主动加了进来。别人给机器人铺路，它给机器人挖坑。

02、为什么大家都默认了"演示视频"这套玩法

演示视频成为行业惯例，有其客观原因：具身智能的技术验证成本极高，真实环境变量太多，任何一家公司都无法保证直播不翻车。而融资、传播、招人，都需要"确定性"的素材。于是行业里形成了一种心照不宣的默契：用最好的镜头说话，至于成功率，不必细问。

默契的代价是整个行业的信誉被透支。当每一支视频都被默认"剪过"，真正有能力做真实验证的公司，反而很难被区分出来。

乐享这场直播的价值，正在于它用最高的风险，换回了最硬的信誉。

直播时，弹幕里也有不少质疑："是不是演的？""镜头外面肯定有工程师在遥控"。对这些弹幕最好的回应，是乐享科技创始人郭人杰带着镜头，把整个场地走了个遍：四周是完全开放的街头，没有任何围挡；全场唯一能藏人的地方，是场地背后的一个小房间。镜头跟进去，小房间里空空如也。没有遥操人员，没有备用设备，没有任何藏人的可能，这段"全场巡游"让最后一丝作弊空间被当面排除。

03、结果反而更惊艳

反常的赛制，没有等来翻车，等来的是几个让弹幕刷屏的瞬间：机器人点单点到一半被要求"拿瓶水"，送完水接着把单点完；烧烤机器人对着陌生的调料瓶试了几次，自己摸索出了合适的抓法；烤串的和上菜的是两台不同的机器人，分工交接全程自主完成，没有一步提前写死。

最容易被忽略、却可能最贵的一个瞬间，发生在送水之后：没有任何人开口吩咐，机器人想到顾客吃烧烤会需要纸巾，主动把纸巾送了过去。

这个动作不在任何服务流程里。它意味着模型做的不是"指令—执行"的机械映射，而是真正理解了"人在吃烧烤"这个场景，并从场景中推导出一个没有被说出口的需求。从"听懂指令"到"预判需求"，中间隔着的就是工具与智能的分界线。工具等命令，智能想在前头。

直播收尾时还有一个花絮：主持人cue到结束，机器人朝着镜头和现场观众挥了挥手。因为是快结束了，郭人杰在说话，技术人员临时起意cue了一下机器人，镜头这才甩过去。正因为完全不在流程里，这个挥手反而可信。没有人给它写过"结束时要挥手"的程序，而是它理解了"结束"这个情境，并用一种属于人类的方式作了别。

这些瞬间之所以值钱，是因为它们没法被"设计"出来。剪辑可以制造完美的动作，但制造不出"被打断后还记得自己在干嘛"，更制造不出"没人吩咐却递上纸巾"——那需要模型真正理解任务、理解场景，而不只是回放动作。

04、"敢不敢直播"会成为新的行业暗语

直播结束后，一个有趣的讨论在从业者圈子里蔓延：如果把自己的模型放到同样的赛制下，能撑多久？十分钟？半小时？还是根本不敢开机？

这个问题没有标准答案，但它的存在本身就改变了行业的对话方式。以前大家见面聊参数、聊数据量、聊Demo效果；以后恐怕要先聊一句——你敢不敢直播？

支撑这场直播的以太大模型，按乐享介绍，它是跨本体通用具身大模型，采用以神经元分配为核心的能量驱动架构，与行业主流的VLA路线不同，强调感知、记忆、推理、运动控制的连续闭环；训练仅使用200小时人类视频数据、零真机数据，模型4B大小。在别人还在比谁的真机数据多、参数规模大的时候，它换了一条赛道。

而比技术路线更值得讨论的，是它给行业立下的新规矩：具身智能大模型的强弱，从此有了一个公开可验的衡量方式。模型到底强不强，去真实世界、无人接管、连续作业、对抗干扰的环境里去挑战下。

可以预见，接下来会有更多公司被迫跟进这种"直播验真"的玩法。跟，就要接受同样的不可控；不跟，就要回答"为什么不敢"。而第一个把考场摆出来的人，自然成了出题人。

Demo内卷的时代，也许不会立刻结束。但看过这场直播的观众和投资人，再回头看那些精修的演示视频时，心里都会多一个问题：敢不敢直播？

作为长期观察这个行业的媒体，我们把话说得更明白一点：乐享科技这场直播颠覆的，不是某一项性能指标，而是具身大模型的整个性能标准——衡量的尺度从"演示里的几十秒"变成了"真实世界里的一小时"，从"做到过一次"变成了"扛住所有意外、还把事情做完"。标准一旦被改写，行业就回不去了。

对乐享科技自身而言，这场直播更像一次时代坐标的落位：从此以后，提到具身智能大模型，行业想到的第一个参照物，就是那家装进机器人里、在街头烤了一个小时串的模型。可以说，由乐享科技引领的具身大模型新时代，规则已经写好。接下来，是追赶者的时间。