🌊如何看待苹果机器人大脑进展？【长江机器人】

事件：苹果研究团队近日在预印本平台arXiv提交论文《Perceptive Humanoid Motion from Simulation》，披露了人形机器人自主控制系统HALO，系统部署于宇树G1验证：纯仿真训练、零样本迁移，在6个未预先扫描建图的真实房间中完成360次单项任务测试，平均成功率91%；三种组合任务平均成功率70%。

[玫瑰]对此，我们的思考如下：

1、“慢思考-中规划-快控制”的三层解耦架构正在收敛为行业范式。 顶层VLM编排器（默认千问Qwen3.6-35B-A3B，约2秒级，负责理解模糊指令、拆解子任务、判断成败）、中层动作生成器（冻结的Qwen3.5-2B编码器+DiT解码器，每秒约3次滚动规划未来5秒全身动作）、底层强化学习动作跟踪器（50Hz，结合深度图与本体感知输出29个关节指令），与当前头部厂商思路殊途同归。

2、苹果的软件栈跑在宇树的硬件上、调用阿里千问的开源权重、在Mac mini（M4 Pro）上本地推理且无需联网。意味着单点壁垒在下降、系统整合壁垒在上升；素以封闭著称的苹果全量开源，意在争夺机器人“大脑”的生态标准。

3、复杂场景仍需数采。苹果论文组合任务成功率降至70%，最复杂的“俯身穿越-走向目标-推箱”链路仅50%；新增任务仍需人工编写提示词与关键帧；纯视觉感知在遮挡、重度接触场景下明显退化。往后展望，真实环境或复杂任务，真实采集的视触觉数据仍然重要，未来具身智能数据体系或将形成“仿真数据规模化生成+真实数据校准+多模态反馈”的融合模式，持续看好高质量数据采集及精细操作相关产业链机会。

首推本体和应用。这一轮模型进步，有个核心的底层逻辑，在外部模型、工具可以调用的情况下，有强本体、丰富场景数据的企业更能获得模型提升的效益，本体和应用企业受益，包括宇树、优必选/锋龙股份、杰克科技、杭州柯林/开普勒、拓斯达等。