文 | 硅谷101今年2月前后，小米、蚂蚁、阿里达摩院、宇树纷纷发布机器人开源模型。再之前，英伟达在CES上发布了GR00T N1.6，把自家号称"世界首个开放人形机器人基础模型"又再度升级。这些消费电子公司、互联网巨头、芯片帝国，最近都一股脑把机器人的"大脑"拿出来，免费给全世界用。机器人开源模型的生态中，有什么样的心机和万亿美元押注的博弈呢？本篇文章我们继续机器人系列，之前我们"机器人闭源模型"那篇文章分析了如今具身智能通用的VLA模型，拆解了特斯拉、Figure这些闭源巨头的不同路线，以及他们如何用硬件和数据优势构筑护城河。而这篇文章，我们与全球顶尖具身智能实验室的研究人员深聊之后，来扒一扒开源算法路线中的核心玩家和关键的技术领军人物们。同时我们来试图回答这三个问题：第一：这些开源模型分别走了什么技术路线，为什么能挑战巨头？第二：开源的动机是什么？什么是"真"开源，什么是"假"开源？第三：开源模型生态是什么样的？面对特斯拉这样的对手，开源社区拿什么打？01 开源模型全景，谁在做，走什么路？在开源模型派别中，VLA模型仍然是主流。简单来说，就是让机器人"看到"周围环境，"听懂"你的指令，然后"做出"正确的动作。目前，开源VLA模型大致可以分成四股力量：1. 学院派：参数不大，但能以小博大，代表模型是OpenVLA和Octo。2. 巨头生态派：不只做模型，还布局整套工具链，代表是英伟达的GR00T N1和谷歌的Gemini Robotics。3. 创业公司与中国力量：自变量、OpenMind、小米、蚂蚁等等。4. 技术极致派：追求极致精度和泛化能力，代表模型是Physical Intelligence的π₀。1.1：学院派的理想主义OpenVLA的一战成名，发生在2024年6月。这个只有70亿参数的开源模型，在29项机器人操作任务中，全面击败了"顶流"谷歌DeepMind的RT-2-X。RT-2-X有550亿参数，是OpenVLA的8倍大，背后站着整个谷歌的算力和数据资源。但结果是：OpenVLA的成功率比RT-2-X高出16.5%。OpenVLA以小博大，凭的是一个很聪明的架构设计：两个视觉编码器加大语言模型。对比谷歌RT-2-X，因为它只用了一个视觉编码器，你可以想象成一个超聪明但什么都自己做的人：能力很强，但信息处理效率更低。而OpenVLA用了两个视觉编码器，相当于有"两双眼睛"。第一双眼睛叫"DINOv2"，负责理解空间关系；第二双眼睛叫"SigLIP"，专门理解语义和常识。然后再由当时的开源大语言模型Llama 2充当"大脑"，把空间信息和语义信息融合起来，处理指令和推理。简单来说，OpenVLA像一个三人小团队协同作战，把两类信息物理隔离、各自优化，再统一决策，整体反而更强。大家大概可以理解成"三个臭皮匠，顶个诸葛亮"。这个架构证明了：在具身智能领域，单纯的"大"并不代表"聪明"。OpenVLA还有一个数据集的优势，叫做"Open X-Embodiment"，这也是开源生态的一个非常厉害的优势，后文会详细展开。另外，OpenVLA还在动作表示方式和训练策略上做了优化。所以它这次对谷歌的胜利靠的是"数据+架构+训练策略"的综合结果。而且，OpenVLA在胜出之后彻底开源：代码、模型权重、训练脚本全部公开。这样的开放姿态让整个行业都非常兴奋，开始各种后续的优化、推理加速和微调。这就是一个非常典型的开源故事，能用创新方式去"以小搏大"，撬动整个技术领域的后续工作。我们再说说另外一个比较典型的开源路线"Octo"。如果说OpenVLA代表"规模化开源"，Octo就是"普及型开源"。我们知道，机器人算法的"泛化性"是个很大的挑战，之前的标准做法是需要针对特定机器人用特定数据集来训练策略，但你换一个机器人、换一个环境，就要全部重新来训。而一些开源社区的大牛们就希望实现"通用机器人模型"，通过zero-shot这样的技术将模型扩展到广泛的机器人和场景中。这样的路径被称为"通用机器人策略"，Octo就是其中的代表。Octo只有数千万参数，比OpenVLA的规模更小。它是一个基于Transformer的扩散策略模型，设计强调灵活性和可扩展性，支持多种机器人平台和传感器配置，并能够通过微调快速适应新的观察和动作空间。这使得Octo可以广泛应用于不同的机器人学习场景。Octo的定位不是最强，而是人人可用，希望给开源社区提供一个更轻量、可快速适配的通用策略基础模型。1.2 巨头生态一条龙2025年3月的GTC大会上，黄仁勋亲自站台，发布了GR00T N1，号称"世界首个开放人形机器人基础模型"。到2026年1月CES，已经迭代到了N1.6版本。GR00T N1采用双系统架构：一个基于视觉语言模型的"System 2"负责慢思考，理解环境、解读指令、做出规划；一个基于扩散Transformer的"System 1"负责快思考，以高频率把规划转化为精确的关节动作。两个系统端到端联合训练，紧密耦合。22亿参数，模型权重和代码都公开了，不少头部人形机器人公司都获得了早期使用权。而且英伟达不只给了模型，还给了整套生态：用Omniverse做数字孪生，用Isaac Sim生成合成训练数据，用Cosmos生成视频数据，用Newton物理引擎做仿真，整个一条龙服务。Google在机器人通用策略上也在持续布局。早期的RT-1开源了代码和数据，但后续更强大的RT-2以及之后的RT系列就变成闭源模型了，并没有对外开放。最近Google也在加速。2025年发布了Gemini Robotics系列模型，还挖来了前波士顿动力首席技术官Aaron Saunders担任硬件工程副总裁。DeepMind CEO Demis Hassabis把这个愿景称为"机器人界的安卓"，做通用的机器人操作系统，让Gemini成为各种机器人的"大脑"。在2026年CES上，波士顿动力和Google DeepMind宣布了战略合作，将Gemini Robotics模型整合到Atlas人形机器人中，联合研究即将在两家公司的实验室展开。Google从开源到闭源、再到想要打造"机器人界的安卓"，赛道转换有点快、野心有点大，但它绝对是机器人行业的最重要玩家，我们也拭目以待它的下一步动向。中国在开源具身智能领域的参与正在加速，而且态势在从单纯的"跟跑"向"参与定义规则"转变。小米在2月12号刚发布的Xiaomi-Robotics-0，47亿参数，用MoT混合架构——把"大脑"（视觉语言理解）和"小脑"（动作执行）分开，改善了VLA模型普遍存在的推理延迟问题。模型开源，在消费级GPU上就能跑。蚂蚁集团的LingBot-VLA走了另一条路，强调跨形态泛化。这个模型在9种不同的双臂机器人上预训练了2万多小时的真机数据，目标是做到"一个大脑控制所有类型的机器人"，有点像我们之前提到的"通用机器人策略"路线。清华AIR和上海AI实验室联合推出的X-VLA，刷新了五大仿真基准，代码、数据、权重全部公开，可以说是学术界最彻底的开源范本之一。星海图开源了真机数据集，以及旗下最新的G0 Plus VLA模型；智元机器人的GO-1已经部署到了真机上执行任务；星动纪元的ERA-42也在探索自己的路线。另外，自变量机器人是一家聚焦于通用机器人"大脑"研发的中国具身智能创业公司，CTO王昊在之前与硅谷101播客谈到了开源的初衷。在硅谷的初创公司中，我们对话了由斯坦福教授Jan Liphardt创立的OpenMind。他说，希望为不同厂商的人形机器人构建一个通用的软件层。OpenMind推出的OM1平台强调开源与跨硬件兼容，希望打破当前机器人系统各自封闭的局面，让不同设备可以共享能力与生态。他们也从一开始就以开源为核心理念来打造具身智能平台，代表了一种纯粹的开源路线。目前开源界最受瞩目的模型π₀，是Physical Intelligence推出的VLA模型，属于数十亿参数级别。π₀代表的是另一条思路：把"连续控制"做到极致。在动作生成部分，π₀使用了flow matching（流匹配）思路，直接生成连续的关节轨迹。这意味着模型输出的是一段平滑的控制信号。Physical Intelligence研究员、也是π₀、π₀.₅论文作者柯丽一鸣在接受硅谷101播客的时候就告诉我们，π₀控制频率约为50Hz，也就是每秒更新约50次动作。这种高频连续控制带来了一个质的飞跃：π₀能做折纸、玩扑克牌这种需要极高精度的任务——而这些是OpenVLA和Octo都很难胜任的。从设计理念上看，π₀更强调"控制质量"和"动作连续性"。相比把动作当作语言token预测，它更接近传统控制系统的形式，只不过控制信号由大模型生成。这一选择带来的好处是，在折叠衣物、抓取柔性物体、操作细小零件等任务中，动作更加流畅，减少了抖动和迟滞。同时，π₀的代码与权重通过OpenPI项目对外开放，使研究社区可以在它的基础上复现与扩展。这种做法在商业公司中并不常见，也成为开源阵营的重要力量。更令人关注的是π₀的迭代节奏。初版论文发布后不久，Physical Intelligence通过OpenPI项目公开了模型权重与代码。随后数月内，团队陆续发布更新版本，持续改进泛化能力与控制稳定性。随后引入强化学习机制以进一步优化策略表现，同时强调在开放环境中的适应能力。在机器人领域，这种快速迭代与持续公开更新并不常见，也成为π₀受到关注的重要原因之一。不同阵营背后的主导核心人物也并非对立关系，他们的关系紧密且错综复杂。而更有意思的是，曾经主导闭源模型的多位顶级科学家，后来成为了机器人开源社区的领导者。他们又被称为机器人界的"复仇者联盟"。OpenVLA来自斯坦福和伯克利的联合团队，核心人物是这个领域的明星人物Chelsea Finn。她MIT本科毕业，又在伯克利拿到博士学位，师从机器人学习教父级人物Pieter Abbeel和Sergey Levine。2019年她加入斯坦福任教，随后一路拿奖到手软。她同时还是Physical Intelligence的联合创始人，横跨学术和商业两个世界。可以说，Chelsea Finn一人就串起了开源和闭源阵营的半壁江山。在Finn教授以外，我们可以看到OpenVLA的作者名单上除了斯坦福和伯克利的一众研究人员，还有丰田研究院、Google DeepMind、Physical Intelligence、MIT的科学家。这说明，OpenVLA并不只是一个闭门造车的实验室产物。Octo和OpenVLA可以说是"同门师兄弟"，同样来自伯克利，由Chelsea Finn和Sergey Levine的团队联合出品。Sergey Levine是机器人强化学习领域公认的开创者之一，他是伯克利教授、Google Brain前研究科学家，后来也成了Physical Intelligence的联合创始人和首席科学家，他跟Finn是博导和博士生的关系。有趣的是，Levine和Finn在Google时期参与了RT-1、RT-2这些闭源项目，离开后又推动了Octo和OpenVLA这些开源工作。这个领域中的同一批人，可以说既造了闭源的堡垒，也打开了开源的大门。PI的创始团队堪称是机器人AI领域的"复仇者联盟"，联合创始人们各个都是来自学术界或者科技公司的大佬。其中，Karol Hausman是Google DeepMind机器人方向的资深研究科学家，也是RT-1、RT-2和SayCan等标志性机器人大模型工作的核心作者之一。Brian Ichter同样来自Google Brain，深度参与了这些项目的研发，是那一代机器人基础模型的重要推动者。Sergey Levine长期与Google Brain合作，在机器人学习和强化学习领域处于世界前沿，是这条技术路线的关键思想源头之一。我们前面提到好几次的Chels 在这个数字化时代，网络视频平台成为了我们生活中不可或缺的一部分。而其中，一些独具创意的影视作品更是吸引了无数观众的目光。今天，就让我们揭开《甜蜜惩罚》的神秘面纱，一起在线观看，揭秘浪漫惩罚的秘密。 《甜蜜惩罚》是一部以爱情为主题的短片，讲述了一对情侣在经历了一系列甜蜜的惩罚后，感情越发深厚的感人故事。短片以轻松幽默的方式，展现了现代都市中年轻人的爱情观和价值观。 故事的主人公是小明和小红，他们是一对热恋中的情侣。为了考验彼此的感情，小明想出了一个“甜蜜惩罚”的游戏。他规定，如果小红在一个月内完成他布置的任务，那么他就要答应小红的一个请求。而小红为了得到心仪的礼物，也毫不犹豫地答应了小明。 在这一个月的时间里，小明为小红布置了一系列看似甜蜜，实则充满挑战的任务。比如，每天给小红写一封情书，每天晚上为小红唱一首歌，每天给小红买一份早餐等等。这些任务看似简单，但对于忙碌的都市人来说，却是一项不小的挑战。 然而，在这些看似甜蜜的惩罚中，小明和小红的感情却越发深厚。他们一起度过了许多难忘的时光，也一起面对了许多困难。在这个过程中，他们学会了如何去理解对方，如何去包容对方，如何去珍惜彼此。 短片的高潮部分，是小明为了完成小红的心愿，不惜一切代价去努力。他甚至辞去了工作，全身心地投入到这个任务中。而小红也在这个过程中，逐渐明白了小明的付出和心意。 最终，小明完成了任务，小红也得到了她心仪的礼物。然而，这个礼物却并不是她最初想要的。她意识到，真正让她感到幸福的，是和小明一起度过的这段时光，是彼此之间的关爱和支持。 《甜蜜惩罚》这部短片，通过轻松幽默的方式，展现了现代都市中年轻人的爱情观。它告诉我们，爱情并不是一帆风顺的，而是在面对困难和挑战时，彼此相互扶持、共同成长的过程。 那么，如何在线观看这部感人至深的短片呢？其实，只需要打开你喜欢的视频平台，搜索《甜蜜惩罚》即可。在观看过程中，你可能会被短片中的甜蜜情节所打动，也可能会被小明和小红的爱情故事所感动。 总之，《甜蜜惩罚》是一部值得一看的短片。它不仅让我们感受到了爱情的美好，更让我们明白了珍惜眼前人、珍惜当下时光的重要性。在这个充满诱惑和挑战的时代，让我们一起在线观看《甜蜜惩罚》，感受浪漫惩罚的秘密，让爱情在我们的生活中绽放光彩。