7.2
深览指数
科技微博·极客公园··AI 生成
机器人运动的下一步是让任何机器人半小时内学会跳特定的舞
文章采访了具身智能创业公司桥介数物，揭示了其核心洞察：随着运动基座模型的出现，机器人学习新动作的时间已从数月压缩到半小时。该公司选择从最底层的全身运动控制（Motion）切入，定位为独立第三方的「小脑」平台，通过标准化和平台化，让不同构型的机器人共享运动能力。文章深入分析了这种「分模块」路径的合理性——即将硬件、运动控制、操作技能分层解耦，使未来机器人可能由多家公司协作完成，并预见了应用开发者生态的形成。对关注具身智能产业结构和长期路径的读者，此文提供了有别于「大脑」路线的务实视角。原文 ↗
核心观点
- ▍行业正从「一个动作训练一个策略」转向「运动基座模型」，此变化不仅加快舞蹈学习，更可能重塑机器人产业的分工格局，使运动控制层成为可复用的基础设施，不同公司的机器人和应用可在该层上集成。
- 01桥介数物已服务近40家企业、在50多款机型上部署其「小脑」系统，并通过项目制实现盈利，证明其跨本体运动控制方案的实用性。
- 02其新平台RoboCraft AI允许用户上传手机视频，约半小时内即可让异形机器人复现舞步，演示了运动基座模型带来的惊人效率提升。
- 03桥介数物建立了每月可采集1500小时高质量动捕数据的数据工厂，今年投入约一千万元，以持续提升模型泛化能力。
- 04其收费模式从一次性项目款转向按台收取订阅费和License费（初步定价每台每年五千至一万元），试图使收入与机器人出货量挂钩，为未来规模化做准备。
- 05第一批付费客户为游乐园等展演公司，他们需求不仅是跨机型迁移，更是市场缺乏从拍视频到部署的完整工具链。
- 06公司创始人将机器人能力分层为Motion（运动）、Skill（原子级技能）、Task（任务编排），并认为应先固化Motion层，上层Skill和Task才可能真正跨本体复用。
- 07创始人判断，现有很多带感知能力（如爬楼）的工作，若未基于运动基座模型实现，未来可能需要推翻重来，正确顺序是先建运动基座，再引入视觉等感知。
反方 / 局限
- — 公司承认实现真正「跨本体通用模型」（一个模型控制多种人形）的技术还没达到，预计还需一年左右的工程化工作。
- — 其商业模式高度依赖两个前提：市场上持续存在多款主流机器人，且本体厂商愿意接受第三方运动控制，而非自研。创始人以「厂商自研将类似苹果封闭生态」来回应，但未直接面对如果某家厂商份额极大、自研运动控制时平台价值被削弱的风险。
- — 项目制虽盈利，但加上平台研发后，公司今年是否盈利尚未确定。若停止平台投入，公司可较快盈利，但其选择在资本支持下暂时不以此为目标，隐含资金链风险。
13 分钟 · 4 卡片 · 12 资料
读原文 →