【独家】西湖机器人王东林：让机器人学会举一反三

西湖机器人的具身长跑。
编按：
“身体力行”，古已有之。《淮南子·氾论训》有“圣人以身体之”，《礼记·中庸》亦言“力行近乎仁”。古人所重，不只在“知”，更在知之后的“行”——以身体感知世界，在行动中验证认知。
两千多年后，这四个字在具身智能时代有了新的现实含义：具（身），让智能拥有进入物理世界的载体；智能（体），赋予机器感知、理解与决策的能力；创新（力），推动技术突破瓶颈、建立壁垒；执（行），让这些能力最终转化为产品、交付与真实价值。
值此之际，《融资中国》推出“身体力行”具身智能专刊，将目光投向一批正在产业深处生长的未来独角兽。我们试图记录的，是一场从“知”到“行”的跨越，也是新一代机器人企业从技术走向产业的成长之路。

2026年8月，杭州。

西湖机器人宣布完成A轮融资。这是公司半年内完成的第四轮融资，累计融资规模达5亿元。资本加速涌入的背后，是具身智能正在从实验室走向真实世界。

世界模型、VLA、端到端等技术路线仍在快速演进，机器人开始进入工厂、商超、酒店、景区等真实场景。技术路线尚未完全收敛，商业化也仍处于早期阶段，但行业正在面对一个越来越具体的问题：

机器人究竟需要怎样的大脑，才能真正理解物理世界，并将这种理解转化为稳定、持续的行动？

这也是西湖机器人从成立之初就在探索的问题。

2021年6月，西湖机器人科技（杭州）有限公司成立，是西湖大学人工智能和机器人领域首个自主优质成果产业转化落地项目。公司创始人王东林教授，现为西湖大学终身教授、人工智能系副主任、机器智能实验室（MiLAB）主任，并担任国家科技创新2030重大项目首席科学家。

与王东林并肩的，还有联合首席科学家张岳，西湖大学终身教授、工学院副院长，长期深耕自然语言处理与大模型研究。

在技术路线上，西湖机器人坚持“通用大脑+人形全身小脑+自研人形本体”三位一体的全栈自研路线，试图打通具身AGI认知推理、全身运动控制与人形机器人整机三大板块。

这套体系的核心，是公司自研的“通用大小脑双预训练”架构。

通用大脑融合视觉语言动作模型（VLA）与世界模型（WM），承担环境感知、任务拆解、复杂逻辑推演与全局路径规划，解决的是机器人“做什么”的问题；通用小脑则由原创自研的GAE（General Action Expert）身外化身系统承担，负责毫秒级肢体输出与动态姿态校准，解决的是“怎么做”。

大脑负责理解和决策，小脑负责运动和执行，两者通过标准化接口协同，让机器人的认知与行动能够形成闭环。

西湖机器人的“本体”产品则是2026年初推出的全栈自研人形整机“西湖o1”。它搭载自研大小脑，采用自研关节与折叠、模块化设计，通过快速更换手臂末端工具或感知模块，同一台机器人可以覆盖从精细装配到通用操作的多样场景。

目前，西湖机器人已在科教实训、数据采集、电力与物流巡检、文旅文娱表演等成熟赛道形成业务线，并进入商超、酒店等场景测试；面向高危工业巡检、灾后应急搜救、远程精密装配等人力难以作业的特殊工况，公司也输出了整套定制化方案。

但对于具身智能而言，有了大脑、小脑和本体，还只是完成了从“认知”到“行动”的第一步。真正决定机器人能否走进更多真实场景的，是它能不能在不断变化的物理世界中持续学习、不断泛化。

机器人究竟需要怎样的大脑？泛化到底该如何定义？未来的具身大脑会握在整机厂手里，还是长成一家独立的平台公司？这些问题，王东林自有一套答案。

以下为采访实录，以飨读者：

《本刊》：从语言理解到动作执行，中间最容易发生信息损失的是哪一步？

王东林：从我们的实践经验来看，信息损失最严重、也是最关键的环节，发生在“高层任务规划”到“底层运动控制”的转换阶段。

具体来说：当大脑理解了“把桌上的杯子拿过来”这个指令后，它需要将这个抽象任务拆解为一系列具体动作——手臂应该移动到什么位置、手指应该施加多大的力、身体重心如何调整、行走路径如何规划等等。这个从“做什么”到“怎么做”的转换过程中，任何一个环节的信息丢失或失真，都会导致执行失败。

传统做法是通过预设脚本或示教编程来完成这个转换，但这种方式无法应对环境变化。西湖机器人的解决方案是：通过GAE身外化身系统，让人类操作员直接“示范”动作，系统实时解析人体运动意图并驱动机器人全身多关节同步执行。这种方式相当于绕过了“任务规划→动作生成”之间的信息转换瓶颈，直接从人类行为中获取完整的运动信息。同时，西湖机器人自研大脑与GAE之间的标准化Token接口确保了信息传递的高保真度。目前，搭载自研通用大小脑的西湖o1已经能实现毫秒级响应，可稳定执行长时序、多步骤的复杂自主任务。

《本刊》：机器人需要多强的推理能力，才能进入真实工业和商业环境？

王东林：这取决于应用场景的复杂度，不能一概而论。西湖机器人将商业化落地分为三个层次：

第一层是结构化场景，如物流巡检、数据采集、科研教学等。这类场景任务明确、环境相对可控，机器人需要具备基础的感知和规划能力即可。

第二层是半结构化场景，如商超服务、文旅文娱表演等。机器人需要处理一定程度的场景变化和交互需求，对推理能力的要求显著提升。西湖o1已进入商超、酒店等场景进行测试。目前，西湖机器人已在前面两层场景中实现商业化部署，在手订单近亿元。

第三层是非结构化场景，如高危工业巡检、灾后应急搜救、远程精密装配等。这类场景要求机器人具备高度的环境理解、任务推理和自主决策能力，这也正是我们持续攻关的方向。

西湖机器人的目标是让自研的“通用大脑+通用小脑”具备“复刻人类感知-决策-行动闭环”的能力，真正实现具身AGI，让机器人走进千行百业，赋能生产服务生活。

《本刊》：泛化究竟应该如何定义？

王东林：简单来讲，具身智能里所说的泛化，本质就是机器人学会物理世界底层规律之后，举一反三的能力。它并不是单一维度的能力，而是完整覆盖四层边界：新物体、新任务、新场景、新本体四个层面。

第一，物体泛化：训练时见过抓取矿泉水瓶，遇到从没见过的水杯、饭盒，依然可以顺利抓取；

第二，任务泛化：学会“拿起-放下”之后，可以延伸完成递物、摆放、打包等一系列全新任务；

第三，场景泛化：同样一项工作，从实验室搬到办公室、工厂车间，环境光线、布局发生变化，机器人依旧稳定执行；

第四，本体泛化，也就是我们GAE通用运动大模型重点突破的方向：一套模型策略，不再绑定某一台特定机器人，可以迁移适配不同硬件结构、不同尺寸的机器人本体之上运行，实现软硬件解耦。

过去传统机器人大多是“一个任务，一套定制程序”，几乎没有泛化能力；而具身基础模型追求的目标，就是同时实现这四类泛化，让机器人走出实验室，真正适配千变万化的真实世界。

《本刊》：未来具身大脑会掌握在整机企业手里，还是形成类似操作系统、基础模型一样的独立平台公司？

王东林：未来具身大脑不会是“二选一”的结局，更大概率演化成分层并存、双线并行的产业格局，整机自研大脑与独立平台型大脑会长期共存，分别占据不同赛道生态位。

一部分头部整机企业，会选择软硬件全栈闭环路线，自己掌控具身大脑。对于面向高端专用场景、对运动控制安全性、实时响应要求极高的人形机器人，认知大脑、底层运动小脑、硬件本体之间深度耦合，真机交互的数据闭环非常关键。整机厂商掌握大脑，能够做到感知-决策-执行端到端深度优化，保障整机稳定性。这条路线类似特斯拉Optimus、波士顿动力的发展思路，适合追求极致产品体验、封闭生态的消费级、工业级整机产品。

而另一部分通用型具身大脑，将走向独立平台化，复刻大模型、操作系统的商业模式。当具身基础模型实现高水平跨本体泛化，一套大脑策略可以迁移适配不同品牌、不同结构的机器人硬件，软硬件解耦就会成为可能，催生出独立的底座平台公司。这类企业不局限于自有硬件，输出通用世界模型、通用运动基座、具身操作系统，赋能众多整机厂商，就如同今天安卓、Windows的角色，也是西湖机器人GAE身外化身系统以及自研大脑模型主攻的方向：打造一套可跨硬件迁移的通用大小脑模型底座，给行业提供开放的选项。同时，西湖机器人也同步迭代自研本体“西湖o1”，未来依然会坚持“通用大脑+人形全身小脑+自研人形本体”三位一体全栈自研路线，但公司的核心壁垒在于领先的通用大脑和小脑模型，而非本体硬件。

所以它不是一场“谁吃掉谁”的零和博弈，两条路线会共同推动行业发展。

《本刊》：您认为具身智能行业目前处于什么阶段？距离真正的规模化商业化还有多远？

王东林：具身智能行业目前正处于从实验室验证向商业化落地过渡的关键阶段，可以类比为2017年前后的大语言模型——技术方向初步确立，但距离大规模普及仍有距离。

距离真正的规模化商业化，还需要解决三个核心问题：一是通用基础模型的成熟度，让机器人具备跨场景的任务理解与执行能力；二是高质量真机数据的规模化获取，当前全身运动与精细操作一体化的双足人形真机数据仍是行业稀缺资源；三是软硬件一体化闭环的可靠性验证。

西湖机器人通过与龙游县政府共建全县域实景实训基地，正在尝试跑通“数据采集-模型训练-真机场景验证”的完整闭环。我们判断，未来2-3年将是具身智能从点状落地走向规模化商业化的关键窗口期。

《本刊》：在这轮具身智能浪潮中，中国企业的独特优势是什么？是供应链、数据、场景还是成本？

王东林：在本轮具身智能浪潮中，中国企业的竞争力，并非供应链、场景、数据、成本当中某一项单点优势，而是几项要素打通后形成的系统性闭环优势。

第一是完备的硬件供应链底座。国内已建成减速器、传感器等零部件成熟产业集群，既能够加快样机迭代，也为人形机器人未来规模化量产、成本可控打下坚实基础。

第二，也是最核心的独特红利，是海量多元的真实落地场景。中国拥有广阔的制造业基底，工业、民生、科教等各类实景环境十分丰富。不同于海外大多局限于实验室测试，国内企业可将机器人投入真实环境验证。

而场景正是高质量具身数据的源头。具身模型想要获得强泛化能力，离不开物理世界的真机交互，形成「场景落地-数据采集-模型迭代-重回场景验证」的正向数据飞轮。目前，西湖机器人与龙游政府共建的全国首个全县域实景实训基地，正是这条路径的实践。我们将人形机器人置于龙游的工厂、商超、景区等真实环境，在复杂多变的实景下采集人形全身高质量数据，反哺大模型迭代，持续提升机器人跨场景泛化能力，探索实景实训驱动模型进化的特色路线。

至于成本优势，则是供应链成熟、场景规模化落地后衍生出来的红利，而非核心驱动力。

在我们看来，海外很多企业走“先研发模型，后寻找落地场景”的路线；中国企业更有机会走出一条以场景养数据，以数据训模型，供应链保障落地，实景实训加速迭代的产业化道路。西湖机器人也将依托原创技术底座与全域实景实训的数据飞轮，升级具备跨本体泛化能力的通用运动大脑，领跑具身产业的新周期。

《本刊》：资本大量涌入，估值快速攀升。您如何看待当前行业的热度？是否存在泡沫？什么样的公司会在这轮洗牌中活下来？

王东林：资本加速入场、估值快速走高，是新兴赛道早期非常典型的现象。客观来看行业短期存在一定估值泡沫，部分项目技术演示效果与真实落地生产力之间尚有差距。但热度本身不是坏事，充沛的资本，为漫长、高投入的技术攻关提供了土壤。

后续行业洗牌不可避免，最终能够穿越周期活下来的企业，不会只靠概念与演示，要具备三大硬核能力：一是扎实的底层技术底座；二是能够打通真实场景-真机实训-高质量数据回流的迭代闭环；三是清晰可行的商业化落地路径，逐步证明机器人可以创造实际生产力价值。

以西湖机器人为例，我们打通算法-硬件全链路技术闭环，实现软硬件深度协同调优。布局全域实景实训，正是为了跳出“实验室效果”与真实落地之间的鸿沟，在开放实景环境下打磨通用运动大模型，沉淀千万小时级人形全身高质量真机数据集，构建可持续迭代的数据飞轮，以长期主义路线推进具身智能产业化落地。

（头图人物：西湖机器人创始人王东林）