TrueView
比具身智能赛道更拥挤的是具身智能整机赛道。
但章鱼动力选择了一条截然不同的路，只做“脑”和“手”，再补上一套让人类操作数据可以规模化流入模型的采集方案。
这是一次押注，也是一次退让。退出对整机形态的争夺，押注通用能力终将穿透场景。
在具身智能的能力曲线还没被验证之前，这条路径既可能是通往下一代生产力基础设施的最短距离，也可能是一场提前离场的豪赌。
本文将重点分析
1、为什么押注脑和手而绕开整机？
2、卖铲子是现阶段的生存最优解吗？
3、三条产品线同时推进意味着什么？
4、通用基座策略能接住“汉堡时刻”的落地浪潮吗？
内容/谨欢
编辑/咏鹅
校对/莽夫
宇树上市当天，2026世界机器人大会启幕，紧接着第二届世界机器人运动会开赛。接二连三的行业盛事将具身智能赛道的热度推向新高。
不同规模、不同方案、不同链层的厂商同台竞技，精彩的演示之下是更激烈的争锋。即便这条赛道已经挤满了明星创业者，章鱼动力的关键词依旧极具吸引力。
成立仅七个月，累计融资近10亿元，估值迈入独角兽行列，地平线、高瓴、小米、集富亚洲等一批横跨产业与资本的企业机构集体站台。创始人兼CEO都大龙生于1987年，前地平线6号员工，百度深度学习实验室早期成员，两次百度最高奖得主。
但在世界机器人大会上，章鱼动力用一场发布会给出了一个不同于“做一款超越特斯拉Optimus的人形机器人”的新故事，同时发布大脑、双手、数据三条产品线，试图把赛道聚焦点从机器人该长什么样，拉回到硅基生产力该如何被重新定义。
都大龙曾说章鱼动力是他最后一次创业，打算干到六十岁。采访过后再回味这句话，倒不像豪言，反倒像是一个技术信徒在完成路径确认后的自我交底。
Part.1
脑手一体背后：硅基劳动力的唯二必需
关于章鱼动力为什么没走人形机器人路线，都大龙的解释是，具身智能最关键的两块拼图不是身体，而是大脑和双手。
“我们今天来之不易的幸福生活是由劳动人民的智慧和双手创造的，没人说身体的其他部位。”都大龙说。
这句半开玩笑的话背后是一套完整的产品逻辑，章鱼动力此次发布的核心是通用的脑和通用的手。
在都大龙看来，机器人要成为真正意义上的硅基劳动力，只需要一个具备通识能力的大脑，和一双能与物理世界发生因果交互的手。只有大脑没有手，AI走不出屏幕；只有手没有大脑，机器只能做重复性的工业动作。通用大脑×通用双手=通用的物理世界生产力，两者合一才算真正意义上的劳动力。
躯干、双足、外观形态都是次要的工程问题，甚至在很多场景里是被过度投资的部分。
这套判断直接决定了章鱼动力的产品结构。发布会上推出的SYNWorld具身原生世界模型、OctoH-Hand高自由度仿生灵巧手，以及由鱼眼头环、肌电手环和外骨骼同构数采手套构成的OctoSense数据采集方案三件套，恰好对应脑、手，以及让二者能持续进化的燃料。
数据喂养世界模型，模型生成策略驱动灵巧手，手在真实世界的操作又回流成新数据。这个闭环里，数据最容易被低估，却是章鱼动力认为飞轮模式能否转起来的关键。
具身智能的训练数据从哪里来？都大龙的答案是从人身上来。人是这个世界上已经最大规模存在的本体，每时每刻都在产生操作数据，怎么发力、用多大力度拧螺丝、擦桌子时手部施加的压力是多少。这些数据从未被系统性地记录过，视频只能记录动作，无法记录力触。
章鱼动力的解决方案是鱼眼头环采集第一视角视觉，外骨骼数采手套高精度捕捉手部姿态，肌电手环则在双手完全裸露的状态下，把肌肉电信号转换成手部姿态和发力数据。三者的不同组合对应不同训练阶段，纯视觉大规模采集做预训练，视觉加肌电兼顾规模与力觉，手套加视觉做高精度后训练。
底层的逻辑是具身智能需要规模化且多样化的数据，而只有让人在自然工作状态下顺便把数据采下来，规模化和多样化才可能同时成立。
这是一个很有意思的商业判断。具身智能和自动驾驶最大的不同在于，没有一家公司可以像Waymo那样在一个封闭场景里反复采集同一条路的数据。物理世界是开放世界，场景几乎无穷无尽。都大龙的推论是数据只有在真实工作场景中随采随用，飞轮才可能转起来。
但都大龙也坦诚地承认了一个悖论，大企业越来越不愿意开放自己的操作数据。制造业里那些真正有价值的工艺know-how，越是头部客户越攥得紧。愿意开放数据的往往是中小客户，或者一些对数据敏感度不高的生活场景。
这就带来了一个战略选择，章鱼动力不会试图去死磕头部制造企业的封闭数据，而是先在开放度更高的场景里跑通从数据采集到模型训练、再到真机反馈的最小闭环，用通用能力的持续提升，去慢慢换取更敏感场景的数据入口。这是一种以通用性换准入的打法，逻辑上和大模型早期的扩张路径异曲同工。
Part.2
卖铲子的生意，以及中学毕业的硅基工人
章鱼动力的商业模式在具身智能赛道里算是一个异类，不造整机，也不直接做终端场景应用，而是向希望做具身场景的公司提供大脑、双手和开发平台。
“我们的客户，就是希望去做具身场景的公司。”都大龙说。
这意味着章鱼动力把自己定位在一个类似技术基座的层面。在都大龙的描述里，很多做灵巧手的公司只做手，没有脑；很多做具身大模型的公司只有脑，不清楚怎么驱动手。章鱼动力做的是把脑、手、数据采集平台打包成一个完整的开发栈，让合作伙伴在此基础上做二次开发。
这就意味着章鱼动力既要卖能力，也要卖工具。用都大龙的话说，“在整个场景进入不了的情况下，你可以去卖铲子”。
当前具身智能的技术能力还远没有达到可以大规模进入真实场景的水平。如果只做整机，一家公司很难支撑到通用能力成熟的那一天。卖开发平台和数据工具是现阶段的生存策略，同时也是为通用能力的提升积累数据和场景反馈。
都大龙把这种模式与数字世界的AI 2.0做了对照，大模型提供的是通用智能底座，无数开发者基于这个底座构建Agent，即使面对同一项工作，不同的开发者和企业也会构建出不同的Agent。
章鱼动力想提供的是“中学毕业的硅基劳动力”，进厂之后再接受场景化的二次培训。“就像现在工厂招工，要求中学毕业。他进厂之前不会你的工厂任务，培训两周就会了。你要的是一个具备通识能力、有一定基础可供潜力发掘的劳动力。”
这个类比实际上定义了章鱼动力对通用性的执念。在都大龙看来，AI 1.0时每个场景训练一个专用模型的模式，在具身智能时代是走不通的。物理世界的场景数量多到无法穷尽，如果每个场景都需要定制化的执行器和专用大脑，这件事就回到了传统工业自动化的老路，不可能是具身智能。
因此章鱼动力的产品策略是把自己通用模型当前的能力交给客户，客户在场景端补上差距，再通过专家小模型或者场景化微调，把整体能力做到可用水平。但章鱼动力自身的精力始终放在通用模型上，不做场景端的碎片化开发。
“我们自己去做这些专家小模型，永远做不过来。”
但这里有一个现实的疑虑，这种模式依赖于客户愿意为补上能力付费。好在都大龙对此并不担心，数字世界已经验证了类似的模式。大量做Agent的公司明知大模型能力提升后自己的部分工作会被吸收，仍然愿意在当前能力基础上做场景化开发，因为“他当前能够产生价值”。
Part.3
等待“汉堡时刻”：具身智能的临界点在哪
在都大龙看来，具身智能现在面临的最大阻碍是不够聪明。物理世界的具身大脑还没有达到数字世界里大模型那种“让人哇”的程度。刚发布的百亿级参数SYNWorld具身原生世界基础模型只是起点，章鱼动力已搭好Scaling基础设施，今年将发布模型的下一版，明年冲击千亿参数。
“看到Scaling的可能，就会不惜一切代价去Scaling。”融资来的钱，主要去向就是算力。
但他也有一个更具体的判断标准。都大龙把具身智能的“ChatGPT时刻”定义为机器人能够在某个具体任务上以通用方式完成，并且做得比人好，比如在麦当劳做汉堡。
不是因为做汉堡本身有多重要，而是这个动作标志着通用智能体在一个真实的、需要精细操作的物理任务上达到并超越了人类水平。
都大龙把这个时刻的时间窗口放在未来一到两年。恰好在我们采访结束的次日，宇树科技的王兴兴在世界机器人大会主论坛上也聊到了同一话题，他给出的时间是最快2到3年，最慢5到10年。
这个判断如果在一年前听起来会非常激进，但在今天，考虑到模型能力的迭代速度，已经不那么离谱了。去年大部分程序员还把AI coding当作辅助工具，现在它已经实实在在地成为了生产力。
都大龙的逻辑是一旦机器人在一个任务上实现了通用操作能力，数据回流就会加速，用得越多，数据越多，模型越聪明，成本越低。
这是一个典型的规模化飞轮逻辑，“一种稀缺能力一旦能被规模化调用，成本一定会被摊薄下来。工业革命是动力可以被规模化调用，电气革命是能源可以被规模化调用，信息革命是计算和连接可以被规模化调用。当物理操作能力可以被规模化调用的时候，就是下一代生产力革命。”
他选择“做汉堡”而不是更工业化的任务作为标志性任务，原因很简单。汉堡制造是面向人的手设计的操作流程，需要力的控制、多指协作，以及对手部接触的微妙感知，夹爪做不了。而一旦机器人能做汉堡，就能做三明治、肉夹馍等，一系列食品服务的场景会被同时解锁。
这也解释了章鱼动力为什么在手上投入如此之多。都大龙提到，特斯拉在Optimus机器人上，手部研发投入占整个硬件研发投入的50%。这个数字如果准确，说明了行业头部玩家已经形成了某种共识，在具身智能的竞争中，手的重要性仅次于大脑，远高于其他任何硬件组件。
采访最后，我们问了都大龙一个假设性的问题：十年后如果章鱼动力成功了，物理世界会变成什么样？
他讲了自己女儿的故事。有一次女儿问他，爸爸做机器人到底是要做什么？
他的回答是章鱼动力的愿景表述，“脑之所思，手之所至，皆为可能。”
女儿追问的却是一个非常小学生的问题：那能不能帮我写作业？
他笑了一下，说这不是一个正向积极的故事。但连一个小学生用来写作业的需求都可以被机器人接管的时候，人类社会的组织方式、劳动方式、乃至教育方式，都会发生改变。
但在那之前，章鱼动力需要先证明自己押注的路线是对的。在具身智能还没有跑出杀手级场景的当下，章鱼动力的选择是不做整机，做整机的脑和手；不追场景，做场景的通用基座；同时卖铲子，养活通往通用智能的漫长旅程。
这条路能不能走通，最终取决于通用能力是否真的存在一条可以持续提升的曲线。都大龙认为答案是肯定的，就像大模型一样，规模化和多样化的数据最终会带来质变。如果这条曲线存在，章鱼动力作为卖铲子的公司会是第一批受益者。如果不存在，整个具身智能的故事都需要重写。
在行业都在讨论机器人什么时候能进工厂、进家庭的时候，都大龙给出的答案显得更加克制，也更加商业理性，“先让机器人学会做一个汉堡”。那个时刻，才是真正值得欢呼的起点。
热门跟贴