具身智能行业的模型和算力不断加码，一个难题却始终没有解开：具身模型为什么依然很难进入真实世界。

钱主要烧在两端：模型架构和数据生产。模型侧一直是风口，关于数据生产方式的讨论曾经一度偏少，但最近几年也有了。

2024年到2025年，头部公司争相与地方政府合作建数据工厂，不计成本地用真机遥操作积累训练数据，几乎成为了整个行业的共识动作。到了2025年底，行业开始重新审视这条路线，各家陆续转向无本体采集等其他方案；模型架构这边，主流基座也在从VLA迁向世界模型。具身行业用两三年时间和大量资本验证过的路线，第一次出现了松动。

为什么无本体可能是预训练更好的选择？基于逐渐成为共识的世界模型架构，怎么样设计链路才能接得住真实、复杂、多元的无本体数据？

这个问题，李飞飞的学生、上交大人工智能学院副院长、研究具身智能领域有十年之久的卢策吾，四年前就开始探索答案了。

他的背后是一家具身模型公司，穹彻智能。

穹彻由卢策吾创立于2023年，核心团队既有长期跟随卢策吾开展研究的学生，也有来自产业界的资深从业者。

这家公司最近第一次对外发布了基于世界模型架构的自研预训练模型Noe-0。“慢半拍”的节奏让他们一度被质疑进展，实际上，卢策吾的团队出发得比其他人更早。甚至可以说，他们曾经在这条路上坐了十年“冷板凳”。

除了补齐高质量数据量级，怎样做才能让具身智能进入真实世界？穹彻的回答是：模型、数据生产和训练链路，必须被当作同一个系统重新设计。

一笔学费，早了四年

穹彻的故事要从卢策吾回国讲起。2016年，还在斯坦福做研究的卢策吾与三位校友创办了非夕科技，随后回到上海交大任教，研究方向从当时如日中天的计算机视觉，转向了几乎无人问津的具身智能。

据卢策吾的回忆，2018年团队举办论坛介绍具身智能的时候，只有7个人到场。

2023年，市场环境直接反转。大模型的出现让AI的通用能力第一次被所有人看见，人们开始相信，机器人同样可以学会思考与操作。卢策吾此前受访时用过一个类比：爱因斯坦写出能量方程之后，造出原子弹就只是时间问题了。

也就是在这一年，非夕科技孵化出了穹彻智能。

“穹是天空，代表对前沿科技的探索；彻，则是让技术落到真实场景。”穹彻智能AI科学家吕峻在36氪的采访中的解读，也是这家公司一直在坚持的事。

时间回到2021年7月，当时的GPT-3已经让学界相信，更大的模型加上更多的数据可以“改变一切”。押注具身的卢策吾拉上团队立项，要训练出一个机器人界的GPT，也就是具身智能的预训练模型。

第一步就是采数据。团队在实验室里搭起十几个采集工位，买来机器人，雇来一群人坐在工位前遥控操作。这个场面放到今天更加稀松平常，因为全国的数据工厂基本都是在批量复制它，用的无非是同一套模式。

一年之后，模型的训练效果没有达到预期。但与此同时，那批被整理成RH20T的数据集进入了Google发起的Open X-Embodiment，也让他们成为了其中唯一的国内参与团队。

当时的数据量放到今天，只是行业一个采集季的零头，但那次失败真正的价值，是让团队比行业早了四年开始追问：问题究竟出在哪？

不尽如人意的地方发生在模型训练的过程中，但“病灶”其实出现得更早。团队认为，行业主流的遥操作有它的用武之地，但作为预训练的数据来源，这条技术路线存在本质性的错误。

2022年到2023年期间，这个判断在团队内部逐渐成形，也决定了穹彻这家公司此后的动作和技术路线：为了把模型做好，向上游重做数据。

重做数据的第一步，是换一种生产方式。传统遥操作的每一份数据都要绑定一台机器人和一个固定工位；而穹彻后来选择的无本体采集路线，则是把机器人从数据里拿掉，让人手持便携装置在真实场景里直接完成操作，以第一人称视角记录图像和手的轨迹。

穹彻也就此成为了全球较早开始探索无本体方案的团队之一，这个选择在当时几乎没有成熟的开源项目和先例可循：最早开发出来的工具形态是外骨骼系统AirExo，每个手臂的成本约为300美元，而传统遥操作系统的成本普遍在6万美元以上。

两种技术路线的差别主要体现在两方面：

一是规模化成本。遥操作锚定机器人本体，需同步扩充工位和配套系统，扩展成本高；而无本体锚定直接面向真实世界，工具廉价，可分发至几十个城市，采集员在家或工作场景中操作，数据、任务、物体和空间随实际环境自然扩展。

二是数据真实性。遥操作在固定工位采集，脱离真实生活场景，模型难以学到真实事件；无本体锚定则源于真实环境，数据更贴近实际。正如吕峻所言，数据工厂采出的数据大多离真实场景很远。

无本体最大的优势也在这里：任务都是基于真实需求，物体是真实的物体。

行业这边，从2024年、2025年开始，具身智能才真正经历了数据采集需求爆发的阶段。具身公司、模型公司、互联网巨头再到产业链中的各方入局者，开始如火如荼地和地方政府合作建数据工厂，成批采购机器人进场。

已经“交过学费”的穹彻没有选择加入这波风口，还被投资人当面问过：别人都在采数据，你们为什么不去。

穹彻没有直接回答这个问题，它把力气花在了更前瞻的技术方案上。

为了训练自研模型Noe-0，团队从模型需要的场景分布、动作覆盖和训练质量出发，自建了RoboPocket和云端数据治理体系，截至今天已经累积了超过10万小时的数据资产，持续进入预训练、后训练和真机验证的闭环。

终于，直到2025年底，具身行业的风向再一次被搅动。行业开始转向无本体，这一次，曾经因为对外发布频率过低而被质疑进展的穹彻，得到的回报是：它在无本体数据模型训练上已经走了四年。

进入真实世界

无本体的逻辑在两年前还是少数派观点，今年随着越来越多人意识到，具身模型要数字化的，应该是真实的物理世界之中人的操作能力。由此，无本体采集开始成为显学。

鹿明机器人今年3月发布了无本体数采“全家桶”系列产品；星海图在4月的融资消息里表示正把UMI和第一视角视频引入数据采集；量子位统计显示，新入局的具身公司里，单押无本体采集路线的已经占到两成。

这轮转向的底色，是开足马力飞速转动、却停滞不前的模型端，终于“回头”看了一眼自己生产的数据。遥操作得到的画面高度统一：一张白桌子，对面是另一台机器人的背影，桌上摆着几个从电商平台买来的廉价杯子和假苹果。由这样的数据训出来的模型，大概率只能学会基础的拿放。

不过，虽然越来越多团队引入了无本体数据，但大多数只用在预训练上，后训练仍然会回到遥操作方案。

遥操作在后训练阶段的价值毋庸置疑，但穹彻也看到了组合本身的问题：两种数据的动作分布不一致。无本体数据里，人的动作自然连续，遥操作的数据则是机械的，常见的是先横移再下降。预训练学到的能力，会在后训练阶段被另一种分布稀释，后训练也会因此成为整条链路的瓶颈。

穹彻本次发布的Noe-0模型基于全链路无本体的训练方案，预训练和后训练都不引入遥操作数据，积累的能力在两个阶段之间完整释放，后训练需要的针对性数据更少，针对新任务的迭代就会更快。这也是全链路最直接的价值。

而这个方案究竟新到什么程度？可能连穹彻自己都没想到，全链路无本体能突破得这么快。

有一个公开的参照，十个月前，卢策吾在对外描述数据路线的时候还在比拼人机比，后训练也引入了遥操作；如今，Noe-0把这个环节也换掉了。

然而，全链路无本体也提出了更高的要求。后训练不再能依靠现成的遥操作工位，每一个新任务的数据，都要靠无本体方式重新生产，而且要又快又可控。

为了让模型训练的效率更高，穹彻再次向上游出发，把采集本身做成了一个系统。

它的入口叫RoboPocket，形态是一部手机加一枚与机器人末端同构的二指夹爪，便携、没有复杂的传感器连接，能跟着采集员进入各种真实场景。数采员带着它，设备以第一人称视角记录图像和手的轨迹，同时即时给出质量反馈，告诉采集员哪里做得不对；数据上传云端，完成质检和标注后，问题再被推回端侧，指导下一轮采集。

这样一个覆盖了全国超过五十座城市、上千名采集员的网络，在穹彻内部甚至只需要一个人来统筹。

无本体采集的代价是管理，因为数据越真实、越多样，处理的难度就越高。

在集中式的数据工厂里，质量可以靠人盯，管理人员现场示范、工位巡视、当面纠错。而无本体采集的数据是分布式的。分布到超过五十座城市，面对采集员手中无数个复杂的真实场景，工厂中的手段全部失效，质量闭环只能交给系统。

穹彻能管理好、运营好如此大规模的无本体数据，靠的是一套AI原生的数据引擎。

AI被嵌入到了任务审核、质检、标注、端侧反馈的每一个环节：任务提交后先由AI判断是否合理，而在数据上传之后，由AI检查规范性和可用性，高置信的部分自动标注，人工只负责处理低置信和长尾样本。人和AI各自发现的问题也会及时推回端侧，让系统的优化迭代发生在下一次数据采集之前。

这套AI数据管理基础设施每天吞吐千小时级别的新数据，所有处理环节可观察、可追踪、可重试。不过，采集过程中的问题层出不穷，比如有人故意放慢动作凑采集时长，有人在采集间隙刷抖音，这种时候就需要AI与质检员来协同制定新的规则。

AI-native的好处就是，每一次人工复核，都能反过来训练AI质检模型。

在具身模型训练的过程中，数据标注成本其实远高于采集成本，如果质检和标注也随着数据规模的扩张进行线性堆人，无本体分布式采集的规模优势就会被处理环节吃掉，而且由于数据更真实、更复杂，成本也会指数级蹿升。

因此，搭建一套好用的AI自动化基础设施，让单位可用数据的处理成本随规模向下走，也是穹彻能实现全链路无本体模型训练的一个关键壁垒。

穹彻把数据体系做到这个程度，目的只有一个：让每一轮模型训练都换回更高的能力回报。

0的背后

带着这个问题，穹彻把Noe-0背后的一切都当成了同一个系统来设计。

穹彻认为起决定性作用的不只是数据的规模化采集和管理，还有模型、数据生产和训练链路的一致性。

因此，他们把Noe-0背后的一切都当成了同一个系统来设计。除了全链路无本体的训练方案之外，采集设备、采集方式、AI数据基建、模型架构也被完整地设计成了一条通路。

二指夹爪与机器人末端同构，是为了让数据能更好地迁移到本体；全链路无本体的数据训练方案则是为了让预训练和后训练共用一套动作分布，加强一致性；AI质检和标注是为了让数据治理的速度和成本跟得上采集的规模。

0的第一个价值也在于这里：从零开始设计一个完整的全链路无本体系统，而且是第一次完整地对外呈现。

Noe-0的架构基于行业主流的世界模型，不同任务的动作表达各不相同，视频是唯一的共同载体，让模型预测未来的视觉状态，为所有任务学习一个共同接口。穹彻的差异在具体架构：一个通用世界模型消化多样的真实数据，再挂一个小参数的专用动作模块，随机器人本体更换快速适配。

当下，主流模型训练路线各有千秋，近半数玩家同时布局了多条路线，而穹彻的选择是把“模型究竟要什么”摆在了一切问题的最前面。

更深一层的判断，是对于“智能从哪来”的审视。数字世界里的智能正在逼近极限，大多数人相信，真正的上限必然发生在物理世界：让AI拿起真实的物体，在真实的空间里完成操作。

这也是很多像穹彻一样的公司坚持让具身基础模型“尽快进入真实世界”的原因。

Noe-0把一条还没人走通的训练路线，做出了第一个可用版本。这也是穹彻成立以来第一次对外发布模型，0代表着对外呈现的起点，也体现了团队的克制。

当然，它的边界也同样清楚，能力目前集中在中短程任务，更长程的连续操作和in-context learning还在迭代。吕峻举的例子是做饭，比如机器人为什么要去拿酱油，因为它刚刚看过了食谱。全链路无本体在复杂长程任务上的突破有多难，还要靠更多真实场景中的成功率来验证。

作为在具身行业出发得最早、创始人坐过“冷板凳”的团队，穹彻比任何人都清楚，对于具身模型来说，最快的路一直存在：遥操作方案成熟，有ALOHA这类开源的硬件和对应的开源模型可以参照，照着走下去很快就能发布第一代、第二代模型，抢占叙事高地。

但最快的路，不一定是最高上限的路。穹彻专注于做模型，但没有把模型发布的节奏看得特别重要，他们把时间花在了设计好链路、管理好数据本身。

克制的哲学也延续到了商业化落地上。面对一个真实世界里的新任务，穹彻始终考虑的是如何让前置工程成本更低，从现实需求到能力验证的路径更短。

目前，落地场景集中在零售、食材处理和服务业场景里。因为抓放任务能更好地匹配零售，药房用的是2022年发布的AnyGrasp算法的延伸，落地方案是通过“只动2.5平米”的方式来改造进存量药房；最新的Noe-0则第一时间走进了服务业场景和工业场景做POC。

未来的规划分为两个方向：在严肃的生产场景里，部署会干活的机器人要像装空调一样简单；更加开放的生活交互中，机器人先出现在服务业的公开场景，让普通人先体验，就像最早的空调先出现在公共场合，再逐步进入家庭。

具身模型改变任务能力的生产方式，决定了具身智能改变世界的方式。

0是对外的起点，但穹彻其实比整个行业早了四年写下这个答案。如今路线分歧开始收敛，进入了落地验证阶段，而对于一个克制的团队来说，对外发布也就意味着技术链路走向了成熟。

节奏之外的部分，要等Noe-0自己来书写。但至少，它已经比整个行业提前四年，站在了通往真实世界的起跑线上。