《燕云十六声》斩获年最佳游戏奖项
1月24日，2025TapTap年度游戏大赏在上海上音歌剧院落下帷幕，这场国内顶级的玩家游戏大赏走完了它的第一个十年。
本次大赏除主会场外，由36氪游戏、京东电竞、京东MALL、红魔手机共同助力开展的异地观赏+试玩会，也分别在北京、广州、成都三地的京东MALL成功举办。
线下异地观赏+试玩会现场
线下观赏玩家寄语
而在当晚的众多奖项公布过程中，《燕云十六声》成为了一个无法绕开的名字。
它一举斩获专业奖项中的「最佳游戏」「最佳叙事」「最佳声音表现」，以及玩家奖项中的「玩家最喜爱游戏」「玩家最喜爱国产 PC 游戏」，共计五项大奖，成为大赏十年来获奖数量最多的作品。
《燕云十六声》斩获五项大奖
一款游戏包揽如此多的荣誉，是否存在“偏爱”？
早在上一届大赏上，心动 CEO 黄一孟就曾半开玩笑地说过一句话：“我们也不想把 TapTap 年度游戏大赏办成某某游戏大赏。” 这既是一句调侃，也点出了一个正在发生的行业现实——真正的好游戏，正在变成“多边形战士”。
从玩法完成度、内容体量，到叙事、美术、声音乃至长期运营能力，越来越多头部作品不再只在单一维度突出，而是在多个维度同时建立起足够高的标准。当游戏本身足够完整、足够成熟，它在不同评选体系中反复被选中，反而是一种必然。
更值得注意的是，今年年度游戏的专业奖与玩家奖得主均是《燕云十六声》，这并非评委与玩家间偶然一致，而是当好游戏真正成立时，专业判断与大众体验开始趋于同频。
从这个意义上说，这不是某一款作品的胜利，而是中国游戏整体成熟度提升的一个注脚：真正“叫好又叫座”的作品开始涌现，游戏开发者和玩家此刻开始相向而行，让《燕云十六声》获得了这一最高荣耀。
当然，大赏也始终在避免单一标准的固化。从奖项设置到评委构成，TapTap 年度游戏大赏持续尝试从玩法、创作、叙事、声音、PC、独立游戏等多个维度进行评选，并在 TapTap 站内与微博开启双投票通道，让不同类型、不同体量的作品，都能被不同属性的玩家与行业专家共同讨论、共同选择。
TapTap 年度游戏大赏所关注的，从来都不只是一次结果，而是好游戏在不同方向上跟随时代审美不断成熟进步的脚印。
恰逢TapTap 年度游戏大赏十周年，在这一里程碑年份，大赏现场多了许多熟悉却又“不同以往”的新面孔。玩家见面会上，《光与影：33号远征队》、《纪念碑谷3》、《百日战纪》、《逃离鸭科夫》、《苏丹的游戏》等作品的制作人或主创人员来到现场，与玩家面对面交流。《浣熊不高兴》、《崩溃大陆2》等 40 余款海内外游戏在线下开启试玩活动。
《33号远征队》制作团队来到现场互动
除了国内的游戏制作人、发行负责人、创作者与媒体代表，入围与获奖团队，以及多家厂商的一线从业者之外，还有多位海外知名游戏制作人、发行商代表来到现场，甚至连法国大使馆、加拿大驻沪领馆也出现在了这场游戏颁奖礼现场。
不同国家、不同文化背景、不同产业位置的人，坐在同一个空间里，讨论的却是同一件事——游戏，究竟应该被如何对待。
是什么将他们吸引到 TapTap 年度游戏大赏？
答案，或许并不只是市场规模，甚至也不只是某几款成功作品本身，而是一种在当下行业环境中显得愈发稀缺的共识：游戏，首先应当被视为一种创作，而不是纯粹的流量或渠道商品。
TapTap 年度游戏大赏所坚持的非商业化底色，正是吸引游戏创作者们的重要组成部分。
从坚持 0 分成政策，到持续为中小团队、独立游戏提供曝光，TapTap 始终选择站在一个并不“商业至上”的位置。大赏的存在，也并非为了制造商业奇观，而是而是年复一年去探讨创作的价值观，将好游戏推上属于他们的舞台。
这种尊重创作者的态度，在全球范围内也得到了共识。
今年出现在大赏现场的 Epic Games，长期以来坚持对抗平台垄断，推动更开放的分发生态；《小丑牌》的发行方 Playstack，也始终关注那些体量不大、却拥有鲜明创作气质的作品。他们来到这里，并不是为了寻找下一个可复制的“爆款模板”，而是基于和 TapTap 尊重创作的价值观惺惺相惜，共赴一个完全开放、公平的游戏盛会。
它们或许不符合商业市场对“流水”的定义，却真实地展示了创作者在某一个维度上所能抵达的高度。
TapTap 年度游戏大赏并不只是一场颁奖礼，它映射着 TapTap 本身“牵线搭桥”的角色——将这些原本分散、微弱的创作声音，带到更多人面前，让它们被看到、被讨论、被记住。
也正因如此，这一年度评选活动开始成为行业中具备独一无二生态位的公共空间。
在这里，不同国家的创作者、发行者与玩家，能够暂时脱离渠道博弈与商业排序，在同一语境中，讨论创作本身的价值。
如果说奖项与嘉宾构成了大赏的“骨架”，那么舞台呈现，则是它的羽翼、是大赏最具冲击的表达。
从去年的现场乐团演出《六合同风》演绎国风音乐魅力，到今年将秦腔这一极具地域与文化厚度的艺术形式引入大赏舞台，TapTap 年度游戏大赏始终在尝试一件事——让游戏打动人心的一面，被更多人看见。
2025TapTap年度游戏大赏
这一选择并非偶然。过去一年，《黑神话：悟空》在全球范围内引发讨论，让中国文化随着中国3A大作被全球游戏玩家看见，而今年《燕云十六声》对非遗文化与武侠精神的重新表达，其出海佳绩传递中国文化气质，都在不断证明：游戏，正在成为一种能够承载文化、审美与情感的综合媒介。
当秦腔在舞台上唱响；当配音演员的声线在现场回荡；当交响乐在剧院演绎游戏声音，TapTap 和游戏开发者们开始用自己的方式，建立属于中国游戏的表达体系。
立场并不只体现在理念上，也被TapTap通过大赏内容做出了呈现。在颁奖礼上，聚光灯GameJam挑战赛颁奖环节占据重要篇幅，它给予了怀抱着一缕火光默默前行的创作者们展示空间，在舞台上获得被看到的机会。
聚光灯GameJam挑战赛「最佳创意」花落《偶是只虫》；「最佳主题」归属于《测试员的一周》；「最佳美术」由《梦拓邦 DREAMAZE》摘得；学生作品《错误类型：Type Error》则获得「最佳游戏」大奖……这些作品并未正式上线，却因为玩法、叙事、美术语言上具备作者表达而呈现出独特亮点。
聚光灯创作挑战赛是今年大赏的又一亮点
十年来，TapTap 一直在为更多游戏保留生长空间。专为创意而生的“TapTap 聚光灯计划” 为中小团队提供资金和曝光支持，举办GameJam活动，帮助中小开发者发布和运营自己的游戏。TapTap 试图做的，不是制造“赢家通吃”的叙事，而是让更多“嫩芽”有机会成长为大树。
大赏外场还专门开辟了游戏试玩区，包括聚光灯GameJam作品在内的 40 余款游戏集中亮相，其中有许多类似《黄油猫》《深海水族馆：经典》《溯光行》等并不以商业化为核心，却在玩法、表达或情感体验上极尽巧思的小而美之作。
试玩专区
这或许也是 TapTap 年度游戏大赏存在的另一层意义——它并不只是总结过去一年谁赢了，更是在持续的用行动告诉大家：在追逐商业和效率的洪流中，依然有人愿意为创作本身，留出一块自由的空间。
这是大赏的第十年，在现场的活动回顾板块，我们看到从 2016 年仅用不到三分钟播片就能呈现完的 6 个奖项，到 2026 年覆盖专业评审与玩家选择，通过千人线下规模，数亿线上关注的颁奖礼定格游戏高光。这十年里，大赏不断变化，却始终围绕着同一个核心问题展开——什么样的游戏，值得被认真对待。
2025TapTap年度游戏大赏
十年，对于快速发展的游戏行业是跨度很长的时间刻度。从原神上线到二次元井喷；从海外移植到国单爆发，它不仅意味着技术力的沉淀，更意味着一次又一次方向性的选择——游戏开发者和玩家们选择追逐什么，放弃什么，坚持什么。
但对 TapTap 年度游戏大赏而言，这个选择从一开始就并不复杂：为创作本身留够空间，让每一款“好游戏”都能被看见。未来十年，期待更多好游戏能登上这个属于中国玩家和开发者们的专属舞台。
2025TapTap年度游戏大赏完整获奖名单
作者丨欧雪
编辑丨袁斯来
硬氪获悉，智能打磨设备研发商比斯弗智能科技（苏州）有限公司（下称“比斯弗”）近日完成近千万元天使+轮融资。我们总结了本轮融资信息和该公司几大亮点：
融资金额及领投机构
融资金额：近千万元
融资轮次：天使+轮
投资机构：敦行资本领投
资金用途：本轮融资资金将主要用于现有市场开拓、产品迭代与新产品线研发，以及补充流动资金。
公司基本信息
成立时间：2022年6月
公司总部：苏州
核心产品：智能六轴打磨装备+浮动主轴，提供去毛刺、打磨、抛光一体化解决方案。
技术亮点：比斯弗将德系工业基因深度融入设备设计，设备具备高刚性、高稳定性。公司在关键部件上实现自主突破，其自主研发的浮动主轴支持360°±15mm自适应浮动，属国内首创。同时，系统集成AI视觉与无代码编程能力，不仅可智能识别工件特征，更支持快速部署与灵活调整，有效降低了自动化改造的门槛与周期。
自助开发的浮动主轴（图源/企业）
应用场景：聚焦汽车、摩托车、航空航天等领域铝/镁铸件的去毛刺与表面处理，已进入多家行业头部客户供应链并实现设备出海。
市场体量
据中金普华产业研究院数据，2023年中国铝铸件市场规模约1.5万亿元，其中压铸件占比约50%。伴随新能源汽车轻量化趋势，铝/镁铸件自动化打磨设备市场潜力预计超过100亿元/年，且当前行业仍以人工为主，自动化渗透率不足20%，市场处于高速成长初期。
公司业绩
比斯弗首代产品仅用6个月即完成开发，大幅快于行业平均水平，并在推出后迅速获得市场验证。2023年起，公司年复合增长率超过70%，预计2026年营收达5000万元左右。目前，产品已成功进入多家汽车与摩托车行业头部客户供应链，并实现向欧洲、东南亚等海外市场的批量交付。
智能六轴打磨专机（图源/企业）
团队背景
公司创始人方正飞为清华大学精密仪器系本硕，具备15年以上机器人自动化与高端装备研发管理经验，曾担任库卡工业（KUKA）技术负责人，并在旭创科技等企业负责研发体系。核心团队多来自库卡及国内外知名自动化企业，兼具德系工艺基因与本土化落地能力。
创始人思考
硬氪：为什么选择“铸件去毛刺”这个细分赛道，市场前景如何？
方正飞：这源于我在库卡时的直接发现。当时负责汽车铸造自动化，我们看到铸件去毛刺打磨几乎全是人工，且市场需求巨大。选择这个赛道，是基于我们团队已有的行业工艺经验、客户资源和核心团队。
目前，市场前景非常明确：汽车轻量化趋势下，大量使用铝/镁铸件，而它们从模具出来后必然产生毛刺。目前无论大厂小厂，都依赖大量人工，招工难、管理难、职业安全要求高，因此终端客户对自动化、智能化的需求极为迫切。这是一个正在快速成长的市场。
硬氪：目前去毛刺工序的智能化程度如何，距离完全无人化还有多远？
方正飞：目前还处于一个“微智能化”的阶段，主要实现了基础的自动化，但编程等环节仍需人工介入。所谓终局，应该是利用AI和具身智能技术，让机器人能自动识别毛刺并编程，实现真正的无人化场景。但这可能需要10年甚至更长时间。
从行业整体来看，瓶颈在于视觉识别和AI的成熟度。行业和目前应用的产品AI和无人化还比较初级，但是我们公司在AI视觉、自动编程方面都有技术储备，会根据客户的实际需求进行产品升级
硬氪：未来两三年，比斯弗有怎样的发展规划？
方正飞：在产品与市场层面，我们目标是在3-5年内成为去毛刺打磨工艺的头部企业和专家。我们将持续聚焦汽车、摩托车等核心领域，并计划同步开拓海外市场，利用团队的外资企业背景和资源优势，向东南亚、中北美、欧洲等地拓展。
其次，行业终局将是基于AI与具身智能的完全无人化打磨。我们的路径是分步推进，当前重点是投入视觉系统和AI数据积累，实现从“自动化”到“微智能化”的进阶，并为最终智能化夯实基础。
投资人观点
敦行资本董事长马阳光表示：“比斯弗核心团队由来自知名自动化企业的资深专家组成，兼具前瞻性的技术视野与成熟的产业化管理经验。公司为智能制造提供领先的智能多轴复合机床及一体化解决方案。我们看好公司在智能制造、新能源汽车等领域的发展前景。”
开见创投创始合伙人唐高哲表示：“AI与机器人的深度融合，正解锁制造业的无限想象空间。比斯弗的核心团队兼具领先机器人技术、扎实工程落地能力与高效AI算法创新实力——从汽车、3C、精密制造等全行业刚需的去毛刺、打磨工艺，到多类复杂制造场景的持续拓展，我们有幸陪伴并见证，这家企业正以AI重构新一代制造工艺，为行业注入生产力革命的核心动力。”
文｜富充
编辑｜苏建勋
2026年，具身智能会有怎样的分化？北京大学计算机学院副教授、“智在无界”创始人卢宗青向我们抛出一个判断：
“软硬分化。”
软，是模型大脑，硬，是机器人本体；分化，是不同的公司各有所长，各司其职。
“智在无界”所在的北京鼎好大厦，是个被智源研究院、零一万物、银河通用等一众明星AI机构坐拥的大楼。在这里，人工智能的非共识，每天都在发生。
卢宗青的观点也和具身行业发展现状大相径庭。如今，获得高估值的具身创业公司，不论是已成为“独角兽”的智元机器人、银河通用，还是融资势头强劲的星动纪元、星海图，都在执着地追求一件事：软硬一体，做全栈。
尽管如此，卢宗青与他于2025年创立的“智在无界”，还是选择“逆势”做一家模型公司，只研发机器人大脑，并不涉足硬件制造。
智能涌现独家获悉，智在无界已于近日完成天使轮，融资金额为数千万元，由拉卡拉旗下考拉基金领投，领航新界、灵心巧手跟投，老股东联想之星和星连资本持续加注。
“具身行业对‘纯软’这件事，有比较大的偏见，国内是这样，国外也是，”卢宗青的态度单刀直入。他举了个例子，软硬都做的美国具身智能创业公司Figure，比只做具身模型的Physical Intelligence估值要高上数倍。
不过，2026开年发生在美国机器人圈的一笔大交易，为“一级市场重新定价具身模型公司”这件事开了个好头：1月14日，机器人模型初创企业Skild AI完成14亿美元C轮融资、估值翻了三倍后达到超 140亿美元，成为2026年机器人行业最早诞生的千亿独角兽。
这笔交易把问题摆到台面上：如果模型公司做出不同本体、任务通用的大脑，具身智能企业是不是没必要把整条技术栈都背在自己身上？
智在无界想证明的正是这一点——做跨品牌、跨形态的具身智能模型。
目前，公司已推出灵巧手操作模型Being-H系列，可以控制双足机器人移动和操作的模型Being-M正在研发中。最新发布的Being-H0.5模型已能够控制30种不同机器人；因为经过推理优化，端侧部署在英伟达Orin-NX等常用机器人小型芯片上，也可以实时跑起来。
目前，公司客户已包括PND、灵心巧手等硬件公司。PND近日与智在无界联合发布的Adam-U Ultra机器人，就是“软硬协作”的典型故事。
接入Being-H后，PND高自由度机器人可以“开箱即用”整理桌面、分拣扫码等通用技能；再配合智在无界的增值服务Being-Dex做少量数据的后训练，数小时就能学会新任务。
实现上述能力的核心，在于超3万小时预训练数据——卢宗青介绍，这已是当前全球规模最大的具身智能模型训练数据集。这背后，是一套独特的 “人类动作视频” 方案。
（《智能涌现》注：此处“最大”特指用于具身智能模型预训练的数据集。）
这套方案可以在人类正常工作生活中，通过头戴摄像头，录制第一视角的手部动作视频，因此数据规模大、成本低，更能完整记录人类复杂操作。相比之下，多数全栈公司依赖的“遥操作采集”模式，则因需人工操控特定机器人，存在成本高、规模小、数据与硬件深度绑定的局限。
△头戴摄像头可以在不干扰操作者正常工作的情况下，录制第一视角的手部动作视频，图片：采访人提供
2023年底，卢宗青就开始使用该数据思路做模型训练。他记得，当时这一方案并未引起太大反响，业界还是以仿真和真机数据为主。但2025年起，包括特斯拉Optimus在内，更多机器人公司开始采用人类视频数据方案。
卢宗青判断，2026年行业内会有更多公司认清“软硬分化”的价值。原因在于背后一笔经济账：纯自研一个具身模型，算上买卡、招人等成本，年开销高达数千万甚至上亿；相比之下，外采一台机器人“大脑”的一次性成本只需几万元。
在他看来，“软硬一体”因为布局全面而更受一级市场青睐，但现实是技术栈太长——做模型和做硬件本就是两套能力体系，一家公司很难两头都做深。
过去一年里，也因此出现一些“为了全栈而全栈”的公司：套壳VLA、做出看似能干活的Demo，拿到了融资，却无法在真实场景里落地赚钱，或因模型套壳被曝光而遭到技术能力的质疑。这促使更多创业者开始审视全栈路线的难度与性价比。
“我不想把资源分散在不擅长的硬件上。”卢宗青说，技术还没收敛，探索更要保持轻量，这也是他选择死磕“大脑”的原因。
△ 卢宗青，图片：采访人提供
以下为《智能涌现》与卢宗青的访谈，内容经作者整理：
智能涌现：国内头部具身企业还是以“软硬一体”为主，智在无界只做模型，会在融资时遇到困难吗？你怎么看这个情况？
卢宗青：智在无界正式开始运营是在2025年5月，当时纯模型的路线想要融资还是不容易的。其实美国市场的情况也类似，软硬都做的Figure会比只做具身模型的Physical Intelligence估值要高。
（作者注：2025年9月，Figure估值约为390亿美元；2025年11月，Physical Intelligence估值约为56亿美元。）
我认为原因是，具身是一个全新的行业，最初大家也不知道未来的产业链的形式会是怎样的，所以早期投资人更愿意把钱投给什么都做的企业。
但估值只是暂时的，它从本质上不代表公司的业务会做好。我想要做的是OpenAI那样的企业，一开始更偏向科研，能第一个做出“ChatGPT”，然后开展商业。
智能涌现：怎么才算“公司业务做好”？或者说，一个好的具身大脑模型，核心解决什么问题？
卢宗青： 我认为是通过预训练模型，为机器人赋予一种基础的“运动与操作基因”。
人虽然不像马、鹿等动物，一生下来就有很强的运动水平，但人类的基因赋予了我们较好的运动能力，通过后天的训练可以激发出来。机器人也是一样，预训练模型相当于赋予了机器人“开箱即用”的初步运动能力。
智在无界也会基于具体任务，到不同的机器人本体上做后训练，如果预训练的大脑模型能力强，那后训练加部署的环节里，大概30分钟就能让机器人学会一个新任务。
智能涌现：但估值高会带来更多资金的储备，所以可以做更多技术上的探索，这在技术没收敛的阶段能否加大“做好模型业务”的概率？
卢宗青：但估值高了也会有恶性循环，企业可能会去尝试各种技术和商业化的路线。投了各种各样的钱，但没做出成果。至少，估值和业务成败不是绝对的关系。
智能涌现：所以现在能感受到一级市场的变化吗？你认为原因是什么？
卢宗青：现在可以看到具身模型公司的估值越来越贵了。
原因是，从业务层面来看，现在很多机器人本体公司会来找我们合作。大家算过“自研模型能不能赚钱”这笔账之后，逐渐意识到，具身智能本体公司做不做模型本质上是个商业行为。我认为行业会越来越走向软硬分化的形态。
智能涌现：从算账的角度来看，训一个好的具身模型，一年要花几千万至一亿元？
卢宗青：对。一个模型大概需要10个人，年薪就要2000万元。算力也很贵，如果是100台机器，每台机器8张卡，用A800的卡，每个月需要大概300万元；如果H200的卡，每个月的成本就要900万元了（包括存储）。
这还没有算数据和其他的成本。现在最便宜的第一视角视频数据，大概是几十元一小时；动捕数据大概在几百元一小时。
智能涌现：智在无界现在的付费模式是什么，为什么说比企业自研要便宜？一个硬件厂商，会不会担心软硬分化以后，自己因为没有软的能力，而被模型公司“坐地起价”？
卢宗青：现在收费是一台机器人，部署要花一笔一次性的License费用，在几万-十万元，对于出货量不多的公司来说还是小于自研成本的，此外我们还有根据数据量收费的后训练服务Being-Dex。
当本体企业出货量达到一定程度的时候，可以有类似Saas年包的付费方式。到时候，模型公司也会有多家，大家有竞争，本体厂商就不怕某一家“坐地起价”。
智能涌现：如果技术收敛了，不再用花那么多的成本搞研发了，本体公司会不会自己就把模型的业务做了，这样会对纯模型公司的生意造成威胁吗？
卢宗青：如果真到了技术收敛、一个通用模型能做很多事情的阶段，机器人会进入家庭。那时我反而认为模型公司的市场会更大，甚至可以做 To C。
届时可能会出现像微软那样的大软件公司；也可能像华为那样同时具备软硬产品。到了那个阶段，我们也可能通过 OEM去做真正的机器人产品。
△Being-H模型控制的PND机器人正在给快递扫码，图片：采访人提供
智能涌现：你此前一直从事的是计算机领域的研究，怎么开始和具身智能交叉的？
卢宗青：2023年，我通过多模态大语言模型去玩开放世界游戏《荒野大镖客2》，但发现模型的任务理解和动作完成能都十分有限。我当时意识到，模型交互能力弱，根本瓶颈在于缺乏对视觉和空间的理解，要提升这一点，与真实世界的交互数据必不可少。
这成为我最初投入具身智能模型研究的契机。
智能涌现：你说智在无界正式创立后不久，就利用2025年暑假去好几家工厂调研具身智能落地情况。发现了行业怎样的问题或者现状吗？
卢宗青：印证了之前的判断，就是现阶段的具身智能远远没到可以落地真干活的水平，核心卡点在泛化性。
比如，束线整理、精密组装这类动作非标且复杂的工序上，具身智能“独立自主完成工作”的能力仍然有限。行业对外讲的“工业场景落地”，大部分还停留在演示或短周期的POC（概念验证）里。
智能涌现：原因是什么？
卢宗青：原因一部分在硬件，缺稳定好用的高自由度灵巧手；灵巧手也缺触觉，这意味着接触点等等重要的力反馈信息是缺失的。
另一部分原因在模型，过去业内更多用二指夹爪，行业还没研发出真正能干活的灵巧手模型。
智能涌现：你早于业界共识提出采用人的视频做预训练数据。智在无界发布的第一个模型时，业内反馈如何？
卢宗青：2025年七八月份，我们做出了第一个灵巧手模型 Being-H0，业内反馈还不错。英伟达总部也专门派人过来，了解这个模型在算力方面的细节。
当时大家普遍觉得这是个新思路，那时候业内主要还是在用以机器人为主体采集的数据。我们是第一个采用大规模人类视频数据做模型预训练的，Being-H0用了大约100万条第一人称视角下、人手��作的视频。
智能涌现：你从2023年底开始用人类视频数据的技术路线训练具身模型，行业去年也是紧锣密鼓地迭代各种技术方案，但为什么至今还是没做出一个泛化性好、真能干活的具身模型？
卢宗青：我们在具身模型的训练上花了大约两年时间。过去的问题中，最本质的有两点，一是在于数据不够多；二是模型训练还缺乏很好的范式。
智能涌现：具身智能要具备泛化能力，多大量级的数据才够？
卢宗青：我们目前积累的数据在四五万小时左右，包含第一人称视频和一部分机器人真机数据。
我认为，数据规模可能需要达到100万小时量级，才更有可能让机器人能够快速学会复杂的新任务，具备真正的泛化能力，从而在产线上实际用起来。这个量级大概在2027年可以达到。
另外，数据来源不能只局限于单一或少数场景。我们收集数据时，会注重多样性，不同场景、不同任务的数据都在持续积累。
智能涌现：之前做了一两年，才积累了四五万小时的视频，如何在2027年就把量堆到100万小时？
卢宗青：过去视频量级一直只有四五万小时，原因是当时技术路线还没转到“人的视频”，所以很少有人系统地做这件事。
我们早期的数据一部分来自互联网，比如用GoPro拍的第一视角；也有我们自己采集的，包括第一人称视频，以及用动捕设备捕捉的动作数据。
现在行业对视频训练数据的需求起来了，最近也出现了不少专门生产视频数据的创业公司。我们这边还有合作工厂提供数据，比如工人头戴摄像头工作时拍摄的手部数据。
智能涌现：你说，从方法论来看，训练的大框架其实都差不多，真正的差异在细节和工程上，智在无界是怎么做的？
卢宗青：智在无界在“预训练-后训练”双层框架中，先在预训练阶段通过大量人类视频让模型模仿人类，理解视觉、文本，输出人类动作。
在后训练阶段，将预训练中基于二维画面学到的信息，与物理空间对齐，转成可以在物理世界中驱动机器人的控制信号，适配不同本体。
在这些环节中，我们做了一些细节的工程工作。比如，数据处理上，我们建立了一套自动化的数据处理工作流，整个过程基本无需人工干预。系统会自动爬取网络上的视频，调用模型标注视频动作的文字描述，再将视频中有用的片段截取出来。另外，我们还通过给视频中的关节进行标注，让不同来源、不同角度、不同清晰度的视频里的二维动作画面，都能统一进同一个3D空间里，最终整理成可直接用于训练的“视频-文字描述-动作”数据对。
后训练阶段，我们会更积极地探索多模态的融合，比如加入触觉带来的力反馈，补充模型学习需要的重要信息。
智能涌现：除了灵巧手大模型，听说智在无界即将发布一个适用于双足人形全身的大模型，这个可以先大概介绍一下吗？
卢宗青：这是我们做的多模态移动操作模型，Being-M 系列。它的数据会复杂一些，同一个动作，既包括第一和第三人称视频，也包括动捕数据，它们是对齐的。
我们在预训练阶段，先用模型把第三人称视频中人的姿态提取出来，再给这个动作配上文本标注。目前我们用大约1500万个“文本 + 动作”配对训练它，再配合人的第一视角视频，相当于把视觉模态也加进来。
举例来说，像“走路绕过面前障碍物”这种动作，我们既有全身动作和文字描述，也有人眼睛看到的第一视角视觉数据。把这些加在一起，就可以生成对应的动作序列；再用我们的动作跟随模型 Being-W，控制机器人去跟随刚才模型生成的动作序列。
△Being-H模型控制的机器人正在将不同形状的零件进行分拣归纳，图片：采访人提供
智能涌现：所以我们现在距离理想中能独立工作、能泛化的具身模型还有多远？
卢宗青：我要是能判断还有多远就好了（笑）。但我们在2026年1月推出的Being-H0.5灵巧手模型，会比半年前推出的Being-H0在泛化性以及跨本体性能上有非常高的提升。
智能涌现：那你认为模型能力产生质变，是会突然涌现还是循序渐进的过程？
卢宗青：不会是循序渐进的。可能会基于方法上的变化，或者是模型层面的变化。但从科研角度来看的话，不会是一成不变坚持做（现在的方法）就能做出来的。
智能涌现：新发布的Being-H0.5模型，表现如何？
卢宗青：Being-H0.5的预训练除了包含大量视频数据，也采用了来自30种不同构型本体的真机数据，实现了跨本体的大规模数据融合。
模型训练完成后，可以同时部署5个不同本体。其中让我觉得惊艳的瞬间是，用宇树 G1 采集的快递扫码分拣任务数据训出来的模型，首次上机就能直接让PND的Adam-U成功执行同一个任务。
而且Being-H 0.5具备很高的端侧部署速度，在常见的小型算力板Orin-NX上，能达到模型动作生成与机器人运动实时进行。
智能涌现：泛化性这件事如何评定？具身模型现在有比较公认的Benchmark吗？
卢宗青：其实我们说的就是任务的成功率。现在业内有一些Benchmark，比如LIBERO、RoboCasa，不过具身的Benchmark还在迭代。
智能涌现：叫Being-H 0.5会和PI 0.5有关吗？
卢宗青：无关，只是我们认为现在模型能力还在0.5的阶段。
市面上确实有一些号称自研模型的公司，其实是套壳PI 0.5的具身模型，只是在后训练时加了一些数据而已。但我们不是。我们除了VL基座模型，剩下都是自己训的。
智能涌现：现实很骨感，看Demo却让很多人误以为机器人已经可以做很多事了，听说Demo的拍摄也有很多“技巧”？
卢宗青：Demo的坑还是挺多的。比如没有特殊说明自主操作的情况下，有些Demo里的任务可能是遥操控制的。
智能涌现：所以其实落地在工厂里真干活还是不容易的？
卢宗青：对，如果眼下就能落地干活，其实就不会建那么多数采工厂，收集那么大量的数据做训练了。
智能涌现：最后讨论一下当下的热点方向“世界模型”吧。很多人认为这个技术会在2026年解决具身泛化性的问题，你似乎有不同看法？
卢宗青：我对“世界模型”这个说法一直比较谨慎，现在世界模型的定义很混乱。
如果它只是用来在训练过程中提供一些合成数据、生成训练数据，这当然可以，最多就是做一个“数据生成器”。
但如果最后讲的故事，是把它部署到机器人上直接控制操作，那就会变得极其复杂、极其消耗算力。因为它需要把机器人每一步Action都考虑进去，生成一条轨迹，还要预测大量可能发生的情况。
用它来控制机器人还是非常有难度的。
登录
