银河通用王鹤：期待具身智能与人形机器人的核心突破时刻

飞象网讯 （孙迎新/文）直到看见人形机器人在麻利地做水果沙拉，然后端着餐盘为人民服务，很多人才惊讶地后知后觉，原来机器人早已走进我们的生活。

“其实我想每一个坐在这里的人，大家是嘉宾也好，咱们的听众也好，都在期待机器人走进千行百业、千家万户的那一刻。”

现在这样的期待，已经变得更加具体。8月20日，在2026世界机器人大会的主题论坛上，银河通用机器人股份有限公司创始人、首席技术官王鹤就道出了大家的心声。他在题为“推动具身智能与人形机器人的核心突破时刻”的演讲中，既分享了具身智能的前沿科技进展，也阐释了具身智能行业从实验室迈向规模化商业闭环的关键路径。

AlphaGo时刻：真正把人形机器人的自主能力释放出来

在具身智能的研究过程中，有一件事情始终绕不开，那就是如何证明并发挥人形身体的价值。这还不仅仅是像人的问题，而更重要的价值，只有在面对高危任务和艰巨的场景时，才能充分展现。

进一步看，人形机器人要走向通用，还必须通过一些高难度任务的考验，同时能够展示出全身平衡控制、精准操控和高层策略意图。而这种突破特定能力边界的节点，就是人形机器人需要突破的“AlphaGo时刻”。

王鹤认为，“这里头最核心的一件事情，是用模型驱动具身人形机器人走向通用。这必然就涉及到机器人本体是否足够灵活自由。”

而机器人能够全自主打网球，就是一个很好的证明。2026年3月，全球首次发布人形机器人全自主打网球视频，实现全身维持平衡、手腕精确击球至甜区、回球落点质量高，并能执行吊球、左右调、前后调等战略意图击败人类对手。

正是因为机器人有这样的能力，才让王鹤将机器人网球自主对打类比2016年DeepMind定义的AlphaGo时刻，这也是人形机器人AlphaGo时刻的由来。

当然，人形机器人能做的远不止这些。比如银河星脑大模型的灵巧手在春晚上展示了盘核桃，现场可以看到，核桃在时时变化，而这样的动态变化无法用固定轨迹实现，必须依赖强化学习Sim-to-Real及真实世界回流数据训练。

不要以为盘核桃是有手就会，对于机器来说这非常难。王鹤因此才会说，“越高难度的手部精细操作，越无法通过遥操作实现，越需要先进的、能够把灵巧手全部能力展示出来的技术路线。”

不可否认的是，与其他国际顶尖团队对比，银河通用在灵巧手的精细操作和高动态控制上，展现出技术路线差异与领先性。银河通用的灵巧手，实现全球首次灵巧手转笔，包括笔飞在空中再落回指尖的高动态操作，对比2023年仅在仿真器内的转笔，已经有了很大的跃升，这也表明银河通用实现了真机的Sim-to-Real。

搞技术就是这样，在细节之处见能力。王鹤进一步总结，“低层级是全身操控，高层级是策略的能力，这些真正地把人形机器人的能力展示了出来。”

大小脑融合范式：吸纳各种各样的任务与数据，走向通用

证明人形身体的价值是具身智能的地基，找到机器人从专用模型走向通用的路径，这关系到整个产业能做多大，能走多远。

而具身智能要走向通用，就必须分别找到大脑和小脑的“GPT范式”。简单来说，大脑的终局范式是World Action Model（WAM，世界动作模型），小脑的终局范式是通用全身控制大模型，这二者可以通过仿生框架来进行协同。

道理说起来简单，真正要协同起来就得上难度。王鹤解释道，“真正的融合，是把VLA和World Model进行融合。能够融合人类海量的、各种场景的、无动作标签的数据，去学习人类操作的先验。这样的范式就是World Action Model（WAM），也就是世界动作模型。”

他进一步介绍了关键环节隐空间建模，即WAM在隐空间对未来建模，可以实现跨本体（二指夹爪/五指灵巧手/人形），达到跨任务的统一。而这些能力是基于通用小脑Scaling Law：在10万小时人类数据下，通用小脑损失曲线持续下降，这就从实践中验证了Scaling Law；此外，银河通用的实验也表明，对比国际顶尖团队，银河通用的机器人照样有不俗的表现，数据在那里摆着，延迟更低、动作更精准、高难度平衡稳定性更好。

为了更易于理解，王鹤将银河星脑类比为人的“大脑-脑桥-小脑”仿生架构，这可以使技术框架更易接受。

“今天我们的通用全身控制脑区，是一个真正的通用小脑。……大脑发出什么意图，小脑就瞬间把这个动作精准地、丝滑地、抗干扰地做出来。”

“当你拥有了一颗真正的通用小脑，你就能解锁更多的实时产生的、即兴发挥的动作，还可以支持机器人进一步进化。”

当然只是把动作做到位还不是最终目的，王鹤道出更重要的事情：“怎么样能够让具身的大模型吸纳各种各样的任务、各种各样的数据，走向通用？我相信这是现在大家看到我们在各项突破以后最关心的问题。”

ChatGPT时刻：千行百业都能把我们的基模用起来

光是打通具身智能的架构，还远远不够，通过一次次量的积累，才能让机器人在某一时刻迎来能力的迸发。在能力跃升的台阶上，有一个关键转折点，这就是具身智能的“ChatGPT时刻”。

王鹤认为，具身智能的ChatGPT时刻是一个标志：机器人在人类无需特殊学习的任务上，零样本达到70%–80%成功率；且非专业人员仅需拍摄视频即可完成后训练，使基模在特定场景中达到百分百可用。银河通用对此的判断是，这一时刻将在2028年到来。

为什么时间节点这样具体？

他进一步阐释，这个判断论据就来源于五级数据金字塔：从互联网数据、人类数据、合成数据、真机遥操数据，到真机回流数据。其中人手操作数据集为全球最大含标签数据集；通过给上千名采集员部署AstraSet头戴+双手精密采集装置，再加上100万小时的训练采集时间，其中就包括高精度微米级数据50万小时，以及egocentric人手数据50万小时。

当然也不应把这个过程理解得非常线性，因为你没法预测某个环节会发生意想不到的效率提升。

王鹤表示，“我们的后训练只需要视频，不需要任何的标签，不需要任何的动作标注就能完成后训练。这样训练的速度是非常之快的，而且它的门槛是非常之低的。这样的话千行百业都能把我们的基模用起来。”

“在今天数据的积累下，现在后训练技术有了持续突破，整个行业，也包括银河通用将在2028年问鼎具身智能的ChatGPT时刻。”

无论是100万小时的人类数据、8万小时的回流数据，还是100家太空舱的感知体验、数十万台目标的数据量化分析，以及从单一产品落地扩展到二开生态，还有更为宏大的青年培育、十万亿市场的产业生态叙事，每一个技术的突破、每一次量的积累，都会让王鹤对银河通用以及具身智能产业更加充满信心。

王鹤认为，“到‘十五五’收官的时候，我们将看到银河通用的人形机器人已经大面积落地各个行业。”