BossAgents我凌晨三点刷手机的时候，差点把刚冲的美式泼在键盘上。
刷到的是个只有三千多粉的小UP主，ID叫机械狗铲屎官阿凯，平时总更一些拆机器人零件，骂国外具身模型都是智障的内容，我之前还给他留过言，说懂的都懂，实验室的玩具拿出来就是丢人。
那天他发的视频，开头就是他那间15平的出租屋，地上盘着三根充电线，沙发扶手上搭着攒了四天的臭袜子，茶几上堆着半盒没吃完的黄焖鸡，还有他那只总踩翻水杯的布偶猫，正蹲在桌角舔爪子。
然后镜头里晃过来一个半人高的机器人，白壳子，带个圆脑袋，看起来和市面上的陪护机器人没什么区别。阿凯对着机器人说，收拾一下。
然后我就看傻了。
机器人先慢腾腾绕开了地上的充电线，机械爪轻轻捏起沙发上的臭袜子，精准丢进了墙角的脏衣篮，没有碰掉旁边挂着的卫衣。然后它挪到茶几旁边，先把黄焖鸡的盒子盖好，再端起来走到垃圾桶旁边，分开丢进了厨余和其他垃圾的桶里。转头看到布偶猫旁边翻倒的半杯水，它转身抽了两张纸巾，蹲下来擦得干干净净，擦的时候还特意避开了猫的尾巴。最后它甚至把爪子伸进沙发缝，掏出了阿凯丢了半个月的AirPods，轻轻放在了他的枕头边。
整个过程花了七分十二秒，没有碰到任何不该碰的东西，没有出任何差错。
我当时直接从床上坐了起来。三个月前我托朋友找关系，测过谷歌RT-2驱动的同类型机器人，在铺了防滑垫，所有道具都摆得整整齐齐的实验室里，拿个空玻璃杯都抖了三次才拿稳，更别说在这么乱的出租屋里干精细化的活。我当时还写了条朋友圈，说具身智能就是个骗投资人的泡沫，十年内都进不了普通人的家。
然后我翻了这个机器人的背景，才知道它用的是腾讯刚放出来的HY-Embodied-0.5具身模型。当天下午我去查了那份刚公开的全球具身智能评测，就是EMBENCH，由全球37家顶级AI实验室联合制定，覆盖了从桌面操作，居家陪护，户外巡检到故障处理的22项全场景测试，是目前行业里最权威的评测标准。
之前的第一名是谷歌的RT-2，拿了9项最佳。这次腾讯的模型，拿了16项。剩下的6项里，有4项是和第一名差了不到0.2分，只有两项是因为硬件适配的问题排在了第三。
我盯着那个榜单看了快十分钟，才反应过来这件事的分量。这不是某一项技术的小突破，是国产具身智能第一次在全球范围内，把所有国外对手都甩在了身后。
我上周带我妈去科技馆，她看到扫地机器人说这个我家有，看到另一个演示用的机器人拿苹果，转头问我这个和扫地机器人有啥区别。我当时支支吾吾说了半天算法啊感知啊，我妈也没听懂。现在我能说清楚了。
扫地机器人是个没脑子的陀螺，预设好路径，碰到墙就转，碰到台阶就停，它根本不知道自己在干嘛，也不知道周围有什么。而具身模型驱动的机器人，是有脑子的。它能看到周围的东西，能判断该干嘛，能控制自己的手和脚用多大的力气，所有动作都是连在一起的，不用分开算。
就像你伸手拿桌上的杯子，你不会先停下来算杯子离你有多远，要用多大的力气，会不会碰倒旁边的花瓶，你眼睛看到，手就伸过去了，整个过程是顺下来的。之前的机器人做不到，它们得先让视觉模块识别杯子在哪，再让决策模块算怎么伸手，再让执行模块控制爪子动，中间只要有一个环节出问题，就会把杯子碰倒。而这次腾讯的模型，把这三个环节拧成了一根绳，看到的同时就能想，想的同时就能动手，和真人的反应逻辑是一样的。
这就是大家说的感知决策执行一体化。之前这个说法更像个宣传口号，这次是真的落地了。
我有个朋友叫老周，在腾讯AI Lab待了五年，头发掉了快一半，上个月我们在科技园旁边的烧烤摊喝酒，他还吐槽说做具身的都是苦逼，练一次模型电费就十几万，还总出问题，投资人天天催进度，他都想辞职去开滴滴了。这次评测结果出来的那天，他凌晨四点给我发了个榜单的截图，说终于能抬头做人了。
老周说，他们做这个模型，一开始就没走实验室的路线。很多国外的团队，都是在干干净净的实验室里练机器人，地面是平的，灯光是固定的，所有东西都摆得整整齐齐，连灰尘的数量都能控制。练出来的模型，一到真实世界就傻了，因为真实世界是乱的，是有意外的，地上有充电线，有猫跑过，有杯子放歪了，这些实验室里都没有。
他们练模型的时候，先在腾讯的游戏引擎里建了一百万个不同的真实场景，有出租屋，有办公室，有老小区的菜市场，有堆满货的超市货架，有放着拐杖和药瓶的老人卧室。每个场景里的东西都是乱的，没有任何规律，比如出租屋里的充电线可能盘在任何地方，超市里的饮料瓶可能倒在货架的任何位置，老人的药瓶可能藏在枕头底下。
然后他们让机器人在这些虚拟场景里练，练了上亿次。光拿杯子这个动作，就练了两亿次，其中一亿次的场景里，杯子旁边放了易碎的花瓶，或者有猫突然从旁边跑过。这样练出来的模型，到真实世界里碰到意外，根本不用慌，就像你拿杯子的时候突然有猫跑过，你会下意识慢一点，它也会。
还有他们把之前做绝悟的决策框架拿过来用了。绝悟就是那个打王者荣耀能赢职业选手的AI，练了几百万局，对时机和力度的判断，比最顶尖的职业选手还准。把这个决策框架用到具身模型里，机器人就知道碰到老人的时候该慢一点，碰到小孩的时候该离远一点，碰到易碎的东西该轻一点。这些判断不是写死的程序，是练出来的本能，和真人的反应一模一样。
还有混元大模型的语言理解能力，也接进去了。之前的具身模型，你给它说收拾一下，它根本听不懂，你得一步一步说，把袜子捡起来，把垃圾扔了，把桌子擦了，少说一步都不行。现在你只要说收拾一下，它能自己判断什么是收拾，知道袜子要放脏衣篮，垃圾要分类扔，桌子要擦干净，甚至还能顺手把掉在地上的衣服叠好。
很多人说具身智能进入了实用化阶段，我之前对这个说法是打问号的，总觉得是行业里的人自嗨。这次我信了。
实用化不是说机器人能跑能跳能后空翻，那是波士顿动力用来拍宣传片的。实用化是说，机器人能在普通人的真实生活里干活，不用你给它搭一个专门的场景，不用你一步一步教它，它能自己应对各种乱七八糟的意外。
比如这次评测里有一项是超市理货，就是把乱了的饮料瓶按品类摆整齐，场景就是普通超市的货架，货堆得歪歪扭扭，还有掉在地上的瓶子。之前的模型最好的成绩是摆对6个，花了十分钟，还有两个摆错了品类。腾讯的模型摆对了21个，只用了四分二十秒，还顺便把掉在地上的三个瓶子捡了起来。
还有一项是老人陪护的模拟测试，场景是老人坐在沙发上，拐杖掉在了地上，旁边有个小凳子挡着路。之前的模型要么捡拐杖的时候碰倒了小凳子，差点砸到老人，要么扶老人的时候用力太大，把老人的胳膊捏红了。腾讯的模型先绕开了小凳子，轻轻捡起拐杖，然后扶老人的时候，用的力度和真人扶的差不多，扶的时候还特意慢了半拍，等老人站稳了才松手。
这些场景都是普通人每天都会碰到的，不是实验室里搭出来的道具。能在这些场景里稳定干活，才叫真的能用来解决问题，不是用来拍视频的玩具。
我之前总觉得，国内的AI团队都是跟在国外后面跑，别人出个什么模型，我们跟着抄一遍，拿点边角料的成绩就吹上天。这次腾讯的这个模型，是真的跑到了前面。
谷歌的RT-2为什么没这么好？老周跟我说，谷歌的训练数据大部分都是实验室里的，没有这么多真实的乱场景，而且谷歌的模型偏向工业应用，比如工厂里拧螺丝焊零件的机器人，不用处理这么多复杂的生活场景。腾讯从一开始就盯着民用市场，练的都是普通人生活里的场景，所以出来的模型更接地气，更适合普通人用。
还有美国的具身智能，现在还卡在硬件上。波士顿动力的机器人确实能跑能跳，但一台要几十万，普通人根本买不起。腾讯的模型是软件，能装在几千块的普通机器人硬件上，只要硬件的关节够灵活，就能用这个模型驱动，成本一下子就降下来了。之前一台能干活的陪护机器人要十几万，现在可能几千块就能做出来，普通人都能买得起。
很多人问我，这件事对普通人来说到底意味着什么，是不是又一个和我们没关系的科技新闻。我跟他们说，不是，这件事和你我都有关系，而且关系很大。
如果你家里有老人，再过两三年，你就能买到用这个模型驱动的陪护机器人。它能帮老人拿药，能扶着老人走路，能陪老人聊天，能识别老人有没有摔倒，一摔倒就给你发消息。之前的陪护机器人都是只会唱歌讲故事的玩具，这个是真能干活的，能帮你分担照顾老人的压力，哪怕你在外地加班，也能知道老人在家没事。
如果你是宝妈，你能有个机器人帮你看孩子。孩子爬去碰电源，它能拦住。孩子饿了，它能给孩子冲奶粉。孩子哭了，它能哄孩子睡觉。能给你腾出来半小时洗个澡，睡个觉，不用再每天二十四小时连轴转。
如果你是每天加班到十点的打工人，你下班回家的时候，机器人已经把家里收拾干净了，衣服叠好了，外卖盒扔了，甚至能给你烧好热水，切好水果。你不用再累得要死还要收拾屋子，能多半小时躺着刷手机，多半小时睡觉。
这些都不是科幻电影里的场景，是再过两三年就能实现的事。这次的模型突破，把具身智能的落地时间，至少提前了两年。之前行业里的共识是，具身智能要到2027年才能大规模民用，现在看2025年就能有成熟的产品了。
如果你是想创业的，或者想换个赛道的，这件事的意义更大。之前做机器人创业，门槛非常高，你得自己做硬件，自己练AI，自己做算法，没有几百万根本起不来。现在有了这个通用的具身模型，只要你有想法，找硬件厂商合作，接模型的接口，就能做产品。
比如你想做餐厅的传菜机器人，不用自己练AI，直接用这个模型，就能让机器人绕开客人，把菜精准送到桌子上，成本能降十分之九。之前做一台传菜机器人要十万，现在可能一万就能做。比如你想做酒店的保洁机器人，工地的巡检机器人，甚至宠物店给狗梳毛的机器人，都能做，门槛低到你不敢想。
就像当年移动互联网刚起来的时候，你只要有个想法，就能做个APP，不用自己建服务器，不用自己做操作系统。现在只要你有想法，就能做个机器人，不用自己练模型，不用自己做算法。接下来两三年，会有一大堆我们现在想不到的机器人产品出来，就像当年我们想不到会有外卖APP，打车APP一样。
很多人担心机器人会抢工作，我觉得完全不用怕。就像当年汽车出来的时候，马车夫失业了，但出来了司机，汽修工，加油站的工作人员，甚至代驾，这些新工作比马车夫的工作赚的多得多。机器人出来之后，也会出来很多新的工作，而且都是普通人能做的。
比如机器人训练师，就是教机器人怎么干活的。比如你要教机器人怎么收拾你的房间，怎么照顾你的老人，怎么给你带孩子，不用懂算法，不用会编程，只要你会说话，会干活，就能教。比如机器人维护师，就是给机器人做保养，换零件的，就像现在的汽修工一样。比如给机器人写提示词的，就是给机器人说清楚要干嘛的，就像现在的运营一样。这些工作未来两三年会非常缺人，薪资也会很高。
老周跟我说，他们做这个模型的时候，踩了很多没人知道的坑。比如一开始练拿杯子的时候，机器人总是把杯子捏碎，因为虚拟场景里的杯子是硬的，力度大一点也没事，真实的杯子是脆的，力度大一点就碎了。后来他们找了三千个不同的杯子，有陶瓷的，玻璃的，塑料的，有带把手的，有不带把手的，有带花纹的，有透明的，在虚拟场景里一比一还原，练了五千万次，才把力度控制好。现在机器人拿杯子，和真人拿的力度差不多，不会捏碎，也不会掉。
还有机器人绕开人的时候，一开始总是离人太近，让人不舒服，走到你旁边的时候离你只有十厘米，你会觉得很有压迫感。后来他们找了一千个不同的人，有高的，矮的，胖的，瘦的，有老人，有小孩，有孕妇，在虚拟场景里练了上千万次，才让机器人知道离不同的人要保持多少距离。离老人要近一点，方便扶。离小孩要远一点，怕碰到。离孕妇要更远一点，不能碰肚子。
很多时候，技术的差距不是在什么大的参数上，是在这些没人注意的小细节里。你能不能考虑到普通人的真实需求，能不能解决那些看起来很小的麻烦，才是能不能落地的关键。
这次的事有42万人关注，我一点都不意外。很多人之前觉得国产AI就是抄国外的，就是做个聊天机器人，没什么真东西。这次是真的在全球最权威的评测里拿了第一，而且是全面超过，不是某一项。很多人之前对腾讯的印象就是做游戏，做社交的，没想到在AI领域投了这么多钱，做了这么多东西。其实腾讯在AI上每年投几百亿，只是之前很少宣传，这次是真的拿出了能打的东西，所以大家都关注。
还有就是这个技术和普通人的生活太近了，不是那种只能在实验室里看的，不是那种只能用来造推进器造设备的，是再过两三年就能用到的，能帮你解决实际麻烦的，所以大家都关心。
我知道很多人现在还是会觉得，这件事离自己还远，不用急。我想跟你说，不远了，真的不远了。十年前你也想不到智能手机能变成你身体的一部分，能帮你干这么多事，现在你也想不到机器人能帮你干这么多事。
如果你是想找新机会的，现在就可以开始关注具身智能的下游应用，不用去做什么大模型，那个门槛太高，你可以做应用，找用户的真实需求，比如很多老人不会用智能手机，你可以做个能帮老人视频通话，能帮老人买东西的机器人，这个需求就很大。
如果你是打工人，现在就可以开始学一些和具身智能相关的技能，不用去学什么算法编程，你可以学怎么给机器人写提示词，怎么训练机器人，怎么和机器人配合工作。比如你是做家政的，你可以学怎么教机器人打扫卫生，未来你可能不是自己打扫卫生，是带着几个机器人一起打扫，赚的钱比现在多得多。
如果你是普通人，现在不用做什么，只要等着就行，再过一两年，你就能在电商平台上看到相关的产品，价格也不会太贵，几千块就能买一个，能帮你分担很多生活的压力。
我前几天重看机器人总动员的时候，还在想，什么时候能有个机器人帮我干活，帮我分担生活的累，不用我每天下班还要收拾屋子，还要照顾老人，还要操心各种乱七八糟的小事。没想到这么快就要实现了。
我们这代人，可能是人类历史上第一代能和机器人一起生活的人。我们不用在科幻电影里看机器人，我们能在自己的家里，在自己的生活里，用到机器人。它们不是来取代我们的，是来帮我们的，是来帮我们把时间花在更重要的事情上，花在家人身上，花在自己喜欢的事情上，不用再被那些琐碎的家务消耗。
这是一件很了不起的事，也是一件很幸运的事。未来已经来了，你准备好了吗。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～
谢谢你看我的文章，下次再见。
