软银重新下注人形机器人这次为什么是 1X从资本动作看具身智能的技术分水岭如果你最近在关注 AI 和机器人交叉领域的动态很难忽略一条消息软银正在洽谈收购挪威人形机器人公司 1X Technologies 的多数股权。这件事放在几年前可能只是一条普通的投资新闻但在今天这个时间点它背后的信号远比“谁投了谁”要复杂得多。先说判断孙正义这次回到人形机器人牌桌不是为了复刻波士顿动力式的“炫技机器人”而是把筹码押在了“AI 大模型 物理世界执行”这条新路径上。1X 代表的不是传统机器人公司而是一套以神经网络控制为核心的具身智能技术路线。这笔交易如果落地意味着人形机器人赛道的竞争从“谁家的关节电机更精密”正式转向“谁家的模型更会使用身体”。这篇文章不打算只跟你聊资本故事。我想从技术视角拆解几个问题1X 这家公司为什么在众多人形机器人项目里被软银选中孙正义的回归对行业格局意味着什么“大模型 机器人”这条技术路线到底改变了哪些底层逻辑以及最重要的——作为开发者如果你要进入这个赛道应该关注哪些技术栈和工程问题。看完这篇文章你会理解人形机器人行业正在发生的范式转移也会知道为什么“数据”和“模型”正在取代“机械结构”成为新的护城河。1. 这笔交易为什么值得开发者关注先梳理一下已知信息。软银正在洽谈收购 1X Technologies 的多数股权而 1X 是一家总部位于挪威、同时在美国有研发团队的人形机器人公司。它最知名的产品是轮式人形机器人 Eve 和双足人形机器人 NEO。这家公司的特点是不完全依赖传统机器人控制算法而是大量使用神经网络和强化学习来驱动机器人运动和行为。很多人看到“软银投资机器人”的第一反应是怎么又来软银在机器人领域的投资历史确实不短尤其是当年收购波士顿动力又转卖给现代汽车的往事让外界对孙正义的机器人战略打了个问号。但如果你只看到“软银又买机器人公司”就漏掉了这次交易最关键的不同。这次的不同在于1X 不是波士顿动力。波士顿动力是液压驱动、动力学控制、精准机械工程的巅峰代表它的 Atlas 能做后空翻但那是“被编排出来的运动能力”。1X 的路线是用端到端的神经网络直接让机器人从视觉和传感器数据中学习行为更像一个“长了身体的 AI 模型”。从开发者视角看这笔交易真正值得关注的是孙正义用真金白银确认了一个技术判断——人形机器人的竞争核心已经从硬件工程转向 AI 软件能力。这和我们过去几年看到的自动驾驶转变非常相似早期大家比激光雷达和传感器融合后来发现数据的获取和模型的迭代才是真正的壁垒。如果这还不够说服你可以看看 1X 在 2025 年发布的一个 demo一个 NEO 机器人在一个类似仓库的场景里自主整理物品它没有预设的动作脚本而是通过一个视觉语言模型理解指令再把指令翻译成具体的物理动作。这正是“大模型进入物理世界”的典型表现。所以这不仅是投资新闻更是一个技术路线切换的信号。对做 AI 的开发者来说这意味着一个新的应用场景正在打开对做机器人的开发者来说这意味着传统的控制理论不再是唯一答案对做云和基础设施的开发者来说这意味着模型推理、数据管线和仿真平台的需求会持续增长。2. 人形机器人赛道的两次技术路线之争要理解 1X 为什么特殊需要把人形机器人行业的技术路线拉出来对比。过去二十年人形机器人的主流技术路线可以概括为两条。第一条是“强控制路线”。这条路线的代表是波士顿动力。它的核心思路是对机器人进行精确的动力学建模包括每个关节的力矩、质心位置、摩擦系数等然后在模型基础上设计控制器让机器人按照预定的运动轨迹执行动作。这种方法在实验室里做出了惊人的成果Atlas 的后空翻、跑酷都建立在极其复杂的控制算法之上。但强控制路线的致命弱点是它无法应对未知环境。因为所有动作都基于模型计算一旦环境超出模型假设的范围机器人就会失去平衡或执行失败。这也是为什么波士顿动力的机器人 demo 总是很惊艳但真正商业化落地的场景非常有限。第二条路线在近几年逐渐清晰可以叫“数据驱动路线”或“智能体路线”。它的代表是 1X、Figure、特斯拉 Optimus 等新一代人形机器人公司。核心思路是不做精细的动力学建模而是让机器人通过大量数据学习如何运动、如何感知、如何决策。具体来说1X 的训练方法包括遥操作数据采集人类穿戴上设备远程控制机器人执行任务系统记录下所有传感器数据和动作指令。强化学习训练在仿真环境中让机器人通过试错学会行走、抓取、避障等能力。视觉语言模型集成让机器人理解自然语言指令并把它映射为具体的动作序列。这条路线更接近大语言模型的训练方式——通过海量数据和模型规模让机器人在“模糊”中涌现出“聪明”的行为。两条路线的本质区别在于强控制路线把机器人当作一个需要精确控制的机械系统数据驱动路线把机器人当作一个需要训练的学习系统。这也是孙正义会选择 1X 而不是重新找波士顿动力的原因。上一轮软银投资机器人时AI 还没到现在的水平大模型也不存在波士顿动力代表的强控制路线是当时最合理的选择。但今天ChatGPT 已经证明了“数据 算力 模型规模”的可行性把这套逻辑迁移到机器人身上就成了具身智能的底层驱动力。3. 1X 的技术路线拆解端到端神经网络控制现在把镜头拉近具体看 1X 的技术架构。虽然 1X 没有公开所有的技术细节但从公开论文、demo 和公司工程博客中可以还原出一套清晰的架构逻辑。1X 的核心技术思路是尽量少的传统控制代码尽量多的神经网络。他们的机器人 Eve 和 NEO在运动控制上主要依赖训练出来的神经网络而不是手写的控制器。这套架构可以拆成三个层次第一层是感知层。机器人通过摄像头、深度传感器、IMU惯性测量单元等设备获取环境信息。1X 的机器人搭载了多个摄像头用来构建对环境的理解。这里的核心技术是视觉感知模型包括物体检测、深度估计、场景分割等。第二层是决策层。这是 1X 与传统机器人差别最大的地方。决策层使用视觉语言模型VLM来理解指令和场景。例如用户说“把桌上的红色杯子放到篮子里”VLM 需要理解“红色杯子”是什么、“桌子”在哪里、“篮子”在哪里以及“放”这个动作需要如何执行。第三层是执行层。有了决策输出执行层需要把“放”这个高层意图转换成关节电机的力矩指令。在 1X 的方案中这一层也大量使用强化学习训练的神经网络而不是传统的逆运动学求解和 PID 控制。三层架构之间的关系可以这样理解感知层是“眼睛”决策层是“大脑”执行层是“小脑和脊髓”。传统机器人把这三个层次拆分得很清楚每个层次单独设计端到端神经网络方案试图让这三个层次互相耦合通过训练让整个系统联合优化。从工程实现角度看1X 的训练基础设施非常值得关注。他们的强化学习训练大量使用仿真环境具体采用的是 Isaac Lab——NVIDIA 推出的机器人强化学习仿真平台。Isaac Lab 基于 Isaac Sim 构建提供 GPU 加速的物理仿真环境让机器人可以在虚拟世界里进行数百万次试错而不用承担真实环境中的磨损和安全风险。仿真训练的一个关键问题是“仿真到现实的差距”Sim-to-Real Gap。简单说仿真环境里的物理规律和真实世界总有差异——摩擦力、弹性、电机延迟、传感器噪声都不一样。1X 的做法是通过 domain randomization 技术来解决在仿真过程中随机改变机器人的物理参数、环境光照、物体摩擦系数等让训练出的策略更加鲁棒能够适应真实世界的不确定性。顺便看一眼 1X 的工程实践细节。根据公开信息1X 的机器人运行在 NVIDIA Jetson AGX Orin 平台上这个平台提供约 275 TOPS 的 AI 算力功耗在 15 到 60 瓦之间。在 Jetson 平台上1X 运行了多个神经网络模型——包括视觉模型、语言模型和运动策略——实现了“边缘 AI”的机器人部署方案。从这些细节可以看出1X 本质上更像一家人工智能公司而不是一家传统机器人公司。它的机器人硬件是载体真正的技术核心是跑在英伟达芯片上的神经网络。4. 孙正义回归背后的产业逻辑理解了 1X 的技术路线我们再回头看孙正义的这次下注。为什么说这是“重回牌桌”因为软银在过去几年实际上已经离开了人形机器人领域。2017 年软银从 Alphabet 手里收购了波士顿动力。当时孙正义对人形机器人的判断是机器人会是下一个比互联网更大的产业。然而波士顿动力的商业化进展一直不理想2021 年软银把它卖给了现代汽车。那次交易被外界解读为软银在机器人领域的撤退。现在重新入场孙正义显然不是简单“抄底”。更合理的解读是他认为人形机器人的商业化条件已经成熟而成熟的关键变量是 AI 大模型。过去人形机器人产业有个恶性循环机器人硬件贵、产量低导致数据少数据少导致 AI 能力弱AI 能力弱导致应用场景少应用场景少导致市场需求低进一步压低产量。这个循环在过去二十年里无解。但大模型的出现提供了打破循环的可能。语言模型已经证明了“海量数据 大规模参数”可以涌现出通用能力。如果把这个模式复制到机器人领域理论上可以让一台机器人学会执行多种任务而不是为每个任务单独编程。这样单台机器人的商业价值就大大提升就算硬件成本不降低投资回报率也能算过来账。另一个重要的产业信号是特斯拉 Optimus 也在走类似路线。Optimus 的 demo 展示的是基于神经网络的自主运动控制而不是预设脚本。包括 Figure 公司在内的多家新创企业都在转向“大模型 神经网络控制”的技术架构。所以孙正义重新入场本质上是押注“具身智能”成为下一个技术平台。在移动互联网时代平台是手机在 AI 时代平台是模型在下一个阶段平台可能是有身体、能行动、能感知的实体智能体。这也是为什么这笔交易不只是商业新闻它本质上是对“人形机器人 AI 大模型”技术路线的一次巨额背书。5. 人形机器人开发的核心难题数据飞轮如果说技术路线是方向那么数据就是人形机器人赛道真正的燃料。这也是孙正义这笔投资背后最值得开发者深入思考的部分。大语言模型的训练数据来自互联网上的文本那是人类几十年积累的知识库。但机器人训练数据不一样——它需要的是“动作数据”也就是机器人在物理世界里执行任务时的传感器数据和动作指令。这类数据不存在互联网上必须靠真机采集或仿真生成。这就引出了人形机器人领域最核心的挑战数据飞轮怎么建立先看真机数据采集。1X 的做法是通过遥操作让人穿上动作捕捉设备远程控制机器人完成任务同时记录所有传感器数据和动作指令。这种方式的优点是数据质量高包含真实物理反馈缺点是成本高、速度慢。一个简单的抓取任务可能需要采集几百上千条演示才能训练出一个可靠的策略。再看仿真数据。仿真环境可以在相对低成本的条件下生成大量数据而且可以并行运行多个仿真进程效率远高于真机采集。但仿真数据的缺点是存在 sim-to-real gap在仿真里学到的东西不一定能直接迁移到真机上。1X 的解决方案是仿真 真机结合。他们先用仿真环境预训练策略让机器人掌握基本的行为模式再用少量真机数据做微调让策略适应真实环境的物理特性。这种策略是当前业界最主流的技术路径。这套思路对做 AI 和系统开发的工程师非常有参考价值。它本质上是在解决一个通用的工程问题如何用有限的高质量数据配合低成本的海量仿真数据训练出能应对真实世界不确定性的模型。具体到工程实现上1X 采用的训练管线包含几个关键模块数据采集模块遥操作系统 传感器记录管道负责采集真机数据。仿真环境Isaac Lab 平台上构建的虚拟训练场支持物理参数随机化。训练框架基于强化学习的策略训练模块常用的框架包括 RLlib、Stable-Baselines3 等。部署模块把训练好的策略模型转换并部署到 Jetson 设备上的推理环境。回传模块在实际运行中持续收集数据回流到训练集形成迭代闭环。这个流程和推荐系统、广告系统的核心逻辑非常相似——数据飞轮转得越快模型的智能程度越高模型的智能程度越高收集数据的能力越强形成正反馈循环。从编程角度看这给机器人开发引入了大量现代 AI 工程工具链PyTorch 训练框架、ONNX 模型转换、TensorRT 推理加速、Docker 容器部署、数据版本管理DVC等。这也说明传统“嵌入式工程师”和“AI 工程师”的岗位边界正在人形机器人领域融合。6. 从技术视角看开发者可以怎么切入这个赛道聊完投资和技术路线回到一个更实际的问题如果你对具身智能和人形机器人感兴趣作为开发者应该从哪些角度切入这个赛道对开发者的技能需求非常广泛绝不是只有“机器人专业”的人才能参与。从 1X 的招聘信息和类似公司的技术栈来看至少有几类技能方向是明确需要的。第一类视觉语言模型应用。这是最接近当前 AI 大模型技术的方向。主要工作包括在机器人场景里部署和微调视觉语言模型让机器人能理解场景和指令处理多模态数据的对齐问题设计 prompt 让模型输出结构化的动作描述。如果你熟悉 Hugging Face 生态、Transformer 架构和 PyTorch这个方向进入门槛相对友好。第二类强化学习与运动控制。这个方向更偏算法需要理解 PPO、SAC 等强化学习算法的原理熟悉 Isaac Lab、MuJoCo 等仿真环境能设计奖励函数让机器人学会特定动作。1X 的 NEO 能稳定行走背后就是大量强化学习训练的成果。第三类机器人系统与边缘计算。这更偏工程包括 ROS 2 系统集成以及把训练好的模型部署到机器人的算力芯片上。1X 用的是 NVIDIA Jetson AGX Orin这就涉及 TensorRT 加速、推理优化、内存管理等问题。第四类数据基础设施。人形机器人公司的数据管线非常复杂——真机采集的数据要清洗、标注、增强仿真数据要生成、去重、转换格式训练好的模型要在不同硬件环境下验证。这些都需要专业的数据工程师来处理。如果你准备入门我建议从视觉语言模型和多模态理解开始。原因是这个领域的技术栈和通用 AI 重叠度最高学习资料多社区活跃学习曲线相对平滑。等你对一个具体的具身智能任务产生感觉后再往强化学习或者系统部署方向深入。举一个最小示例帮助你理解视觉语言模型在人形机器人里扮演的角色。假设你要让机器人理解指令“把蓝色方块放在红盒子里”在传统的机器人编程中你需要写大量的视觉检测代码来识别“蓝色方块”和“红盒子”再写规划算法来计算抓取和放置路径。而现在视觉语言模型可以直接把用户的指令和视觉输入映射为结构化的操作意图# 以下代码是一个简化示意用于展示视觉语言模型如何驱动机器人决策 # 实际部署环境会使用更复杂的推理框架例如 TensorRT、vLLM 或多模态推理服务 from transformers import AutoProcessor, AutoModelForVisionText2Text from PIL import Image # 加载视觉语言模型这里以通用多模态模型为例 model_name your-vlm-model-path processor AutoProcessor.from_pretrained(model_name) model AutoModelForVisionText2Text.from_pretrained(model_name) # 模拟机器人的摄像头输入 image Image.open(camera_frame.jpg) # 用户下达的指令 instruction 把蓝色方块放在红盒子里 # 将图像和指令输入模型得到结构化的动作描述 inputs processor(textinstruction, imagesimage, return_tensorspt) outputs model.generate(**inputs, max_new_tokens64) action_description processor.decode(outputs[0], skip_special_tokensTrue) print(action_description) # 预期输出可能类似 # {action: pick_and_place, target_object: blue_cube, destination: red_box, grip: open_then_close}这个示例说明了一个关键转变过去需要人工设计视觉检测与抓取规划的流程现在可以由模型直接生成高层动作描述再由下游的运动策略模型转化为具体的关节指令。这就是具身智能和传统机器人开发的核心差异。当然这只是一个示意真实产品会复杂得多。模型的推理结果不一定是完美的需要一个“安全校验层”来确保动作指令不会导致危险行为比如夹爪撞到障碍物或者关节超限。7. 人形机器人落地的常见误区和陷阱任何热门赛道都会伴随大量误解。人形机器人尤其如此因为这个领域既有硬科幻的想象力又有真实工程技术的复杂性。下面是几个常见误区想进入这个领域的开发者值得提前了解。第一个误区人形机器人就是“高级版遥控车”。很多人以为人形机器人只是加了个 AI 模块的传统机器人硬件和软件的关系是上下层解耦的。实际上人形机器人的硬件和 AI 模型紧密耦合——要让强化学习策略拟合真实物理世界需要对致动器的响应延迟、关节摩擦、力矩输出等做模型的姿态匹配随便换一个电机型号就可能导致原策略完全不适用。这也是为什么很多人形机器人公司选择自研关键零部件。第二个误区大模型可以解决所有控制问题。视觉语言模型很强但它的输出仍然是“高层意图”不是低层控制信号。从“把杯子拿起来”这个意图到电机输出多大的力矩、末端执行器走到哪个坐标中间需要运动策略模型来处理。这个中间层的训练和推理是目前人形机器人领域最大的技术难点之一。大模型只是解决了“理解”的问题“执行”的问题还远未解决。第三个误区仿真数据可以完全替代真机数据。仿真环境在现代机器人开发中是不可或缺的它的效率远超真机采集。但从仿真到真实的迁移仍然是有损的——光照变化、材质差异、摩擦系数、传感器噪声都可能导致策略在真机上性能下降。成熟的团队会严格控制仿真随机化的范围并用真机数据做最后的微调。第四个误区人形形态是最适合所有任务的结构。孙正义押注人形机器人是因为人形机器人有天然的适配优势——人类的工作环境是为人类建造的人形机器人不需要改造环境。但对很多具体任务来说轮式机器人、四足机器人或专用机械臂可能是更高性价比的选择。1X 自己也有轮式机器人产品 Eve就是典型的“轮式 人形上半身”组合。从开发者角度看选择合适的形态以满足当前场景的需要比追求“形态上无限接近人类”更务实。这些误区背后有一个共同点人形机器人的技术栈极其复杂任何单一技术都不能解决所有问题。它需要 NLP、CV、强化学习、控制系统、机械设计等多个领域的深度协同。这也是为什么这个赛道对开发者来说既是机遇也是挑战——正因为复杂才需要大量跨学科工程人才。8. 给开发者的工程建议与未来判断如果这篇文章能给你带来一个明确的行动建议那就是尽早接触具身智能的技术栈但不要一上来就做整机。你不需要去买一台人形机器人来学习——在一个仿真环境里你就能体验机器人的强化学习训练流程。下面是一个低门槛的入门路径先用仿真环境跑通一个强化学习任务。推荐使用 MuJoCo 或 Isaac Lab前者轻量、易上手适合学习基本概念后者更接近工业级应用适合模拟真实机器人。以 Isaac Lab 为例你可以这样开始# 环境准备创建 Conda 环境并安装 Isaac Lab以官方文档为准 conda create -n isaac-lab python3.10 conda activate isaac-lab # 安装 Isaac Lab 依赖这里给出的是通用方式具体版本以你的显卡驱动和 CUDA 为准 pip install torch torchvision git clone https://github.com/isaac-sim/IsaacLab.git cd IsaacLab ./isaaclab.sh --install然后在 Isaac Lab 里你可以用 Python 定义一个简单的机器人走路训练任务。核心代码大致是这样的思路# 简化示例在 Isaac Lab 中配置一个强化学习任务示意代码非可直接运行 # 完整的 RL 训练任务需要定义观测空间、动作空间、奖励函数、终止条件 def design_reward_function(actions, info): 定义一个简单的奖励函数 1. 机器人前进距离越大奖励越高 2. 机器人保持直立给予额外奖励 3. 机器人跌倒则终止并返回负奖励 forward_vel info[base_lin_vel][0] orientation info[base_orientation][2] reward forward_vel * 1.0 abs(orientation) * 0.5 return reward你可以在仿真环境里训练一个简单的“前进”策略观察机器人从摇摇晃晃到稳定行走的过程。这个过程会帮助你建立起对强化学习奖励函数设计的直觉也会让你明白——为什么真实机器人的运动控制那么难。如果你更想从 AI 模型侧入手也可以先从机器人数据集入手。很多具身智能数据集如 Open X-Embodiment已经把来自多个机器人平台的轨迹数据标准化了你可以下载这些数据训练一个“视觉 - 动作”映射模型。这个方向更接近你熟悉的 Deep Learning 工作流。从更宏观的视角看未来三到五年具身智能领域有几个趋势值得持续关注模型架构的收敛机器人基座模型可能会像大语言模型一样出现“预训练 微调”的标准范式。1X、Figure、Google DeepMind 等团队都在往这个方向探索。仿真工具的繁荣仿真环境是机器人 AI 训练的主战场NVIDIA 在这个方向投入明显。Isaac Lab 和 Omniverse 的组合可能会成为机器人领域的“标准训练场”。数据生态的形成就像大语言模型的训练数据有 RedPajama、The Pile 等开源数据集机器人领域也会出现更多公开数据集和标准数据格式。边缘推理的强化大语言模型在云上推理但机器人必须在边缘设备上实时推理。这个需求会推动轻量化模型的持续演进——不只是模型压缩更是多任务适配和低功耗实时推理。对开发者来说这是一个难得的时间窗口。人形机器人还处在早期技术栈还没有完全固化这意味着你有机会在这个赛道的初始阶段积累优势而不是在格局已定时再去追赶。9. 回到这笔交易牌桌上的新玩家与旧逻辑回到文章开头的新闻。软银洽购 1X 多数股权孙正义重回人形机器人牌桌。这件事的深层意义在于那个在移动互联网时代投出阿里巴巴的孙正义在经历了一波 AI 投资起伏后选择了用真金白银表态——具身智能是下一个真正的平台级机会。从材料看1X 的技术路线、工程进展和团队背景都和“大模型 数据驱动”的具身智能逻辑高度匹配。软银需要的是一个能在 AI 模型和物理世界之间建立连接的项目1X 恰好站在这个交叉点上。这笔交易如果完成最直接的影响是人形机器人赛道的资金门槛和技术竞争会进一步升级。孙正义的资源和 1X 的技术结合会对现有的机器人创业公司形成压力也会加速整个行业的人才争夺。但真正的竞争不只发生在资本市场上。技术路线的竞争、数据飞轮的竞争、工程化能力的竞争才是人形机器人行业最持久的决定性因素。无论是巨头还是创业公司谁能更快地建立高质量数据管道谁能更高效地训练出可靠的神经运动策略谁就能在这个牌桌上待到最后。从个人开发者的角度看这个赛道现在最需要的是既懂 AI 又懂工程、愿意深入物理世界真正解决不确定性的人才。现在的入场机会窗口可能比未来任何时点都更大——因为行业标准还没固化技术路线还有多个分支你现在学习的技术栈有可能成为未来十年人形机器人开发的基础。如果你对具身智能感兴趣不妨先从仿真环境里跑通一个强化学习任务开始。技术文档、开源工具和公开数据集都已经比两年前丰富得多今天的入门门槛已经比上一代开发者低得多。孙正义已经用行动给出了自己的判断接下来的问题不再是谁有资格参与而是你愿不愿意入场。 软银重仓1X人形机器人：具身智能技术分水岭
软银重新下注人形机器人这次为什么是 1X从资本动作看具身智能的技术分水岭如果你最近在关注 AI 和机器人交叉领域的动态很难忽略一条消息软银正在洽谈收购挪威人形机器人公司 1X Technologies 的多数股权。这件事放在几年前可能只是一条普通的投资新闻但在今天这个时间点它背后的信号远比“谁投了谁”要复杂得多。先说判断孙正义这次回到人形机器人牌桌不是为了复刻波士顿动力式的“炫技机器人”而是把筹码押在了“AI 大模型 物理世界执行”这条新路径上。1X 代表的不是传统机器人公司而是一套以神经网络控制为核心的具身智能技术路线。这笔交易如果落地意味着人形机器人赛道的竞争从“谁家的关节电机更精密”正式转向“谁家的模型更会使用身体”。这篇文章不打算只跟你聊资本故事。我想从技术视角拆解几个问题1X 这家公司为什么在众多人形机器人项目里被软银选中孙正义的回归对行业格局意味着什么“大模型 机器人”这条技术路线到底改变了哪些底层逻辑以及最重要的——作为开发者如果你要进入这个赛道应该关注哪些技术栈和工程问题。看完这篇文章你会理解人形机器人行业正在发生的范式转移也会知道为什么“数据”和“模型”正在取代“机械结构”成为新的护城河。1. 这笔交易为什么值得开发者关注先梳理一下已知信息。软银正在洽谈收购 1X Technologies 的多数股权而 1X 是一家总部位于挪威、同时在美国有研发团队的人形机器人公司。它最知名的产品是轮式人形机器人 Eve 和双足人形机器人 NEO。这家公司的特点是不完全依赖传统机器人控制算法而是大量使用神经网络和强化学习来驱动机器人运动和行为。很多人看到“软银投资机器人”的第一反应是怎么又来软银在机器人领域的投资历史确实不短尤其是当年收购波士顿动力又转卖给现代汽车的往事让外界对孙正义的机器人战略打了个问号。但如果你只看到“软银又买机器人公司”就漏掉了这次交易最关键的不同。这次的不同在于1X 不是波士顿动力。波士顿动力是液压驱动、动力学控制、精准机械工程的巅峰代表它的 Atlas 能做后空翻但那是“被编排出来的运动能力”。1X 的路线是用端到端的神经网络直接让机器人从视觉和传感器数据中学习行为更像一个“长了身体的 AI 模型”。从开发者视角看这笔交易真正值得关注的是孙正义用真金白银确认了一个技术判断——人形机器人的竞争核心已经从硬件工程转向 AI 软件能力。这和我们过去几年看到的自动驾驶转变非常相似早期大家比激光雷达和传感器融合后来发现数据的获取和模型的迭代才是真正的壁垒。如果这还不够说服你可以看看 1X 在 2025 年发布的一个 demo一个 NEO 机器人在一个类似仓库的场景里自主整理物品它没有预设的动作脚本而是通过一个视觉语言模型理解指令再把指令翻译成具体的物理动作。这正是“大模型进入物理世界”的典型表现。所以这不仅是投资新闻更是一个技术路线切换的信号。对做 AI 的开发者来说这意味着一个新的应用场景正在打开对做机器人的开发者来说这意味着传统的控制理论不再是唯一答案对做云和基础设施的开发者来说这意味着模型推理、数据管线和仿真平台的需求会持续增长。2. 人形机器人赛道的两次技术路线之争要理解 1X 为什么特殊需要把人形机器人行业的技术路线拉出来对比。过去二十年人形机器人的主流技术路线可以概括为两条。第一条是“强控制路线”。这条路线的代表是波士顿动力。它的核心思路是对机器人进行精确的动力学建模包括每个关节的力矩、质心位置、摩擦系数等然后在模型基础上设计控制器让机器人按照预定的运动轨迹执行动作。这种方法在实验室里做出了惊人的成果Atlas 的后空翻、跑酷都建立在极其复杂的控制算法之上。但强控制路线的致命弱点是它无法应对未知环境。因为所有动作都基于模型计算一旦环境超出模型假设的范围机器人就会失去平衡或执行失败。这也是为什么波士顿动力的机器人 demo 总是很惊艳但真正商业化落地的场景非常有限。第二条路线在近几年逐渐清晰可以叫“数据驱动路线”或“智能体路线”。它的代表是 1X、Figure、特斯拉 Optimus 等新一代人形机器人公司。核心思路是不做精细的动力学建模而是让机器人通过大量数据学习如何运动、如何感知、如何决策。具体来说1X 的训练方法包括遥操作数据采集人类穿戴上设备远程控制机器人执行任务系统记录下所有传感器数据和动作指令。强化学习训练在仿真环境中让机器人通过试错学会行走、抓取、避障等能力。视觉语言模型集成让机器人理解自然语言指令并把它映射为具体的动作序列。这条路线更接近大语言模型的训练方式——通过海量数据和模型规模让机器人在“模糊”中涌现出“聪明”的行为。两条路线的本质区别在于强控制路线把机器人当作一个需要精确控制的机械系统数据驱动路线把机器人当作一个需要训练的学习系统。这也是孙正义会选择 1X 而不是重新找波士顿动力的原因。上一轮软银投资机器人时AI 还没到现在的水平大模型也不存在波士顿动力代表的强控制路线是当时最合理的选择。但今天ChatGPT 已经证明了“数据 算力 模型规模”的可行性把这套逻辑迁移到机器人身上就成了具身智能的底层驱动力。3. 1X 的技术路线拆解端到端神经网络控制现在把镜头拉近具体看 1X 的技术架构。虽然 1X 没有公开所有的技术细节但从公开论文、demo 和公司工程博客中可以还原出一套清晰的架构逻辑。1X 的核心技术思路是尽量少的传统控制代码尽量多的神经网络。他们的机器人 Eve 和 NEO在运动控制上主要依赖训练出来的神经网络而不是手写的控制器。这套架构可以拆成三个层次第一层是感知层。机器人通过摄像头、深度传感器、IMU惯性测量单元等设备获取环境信息。1X 的机器人搭载了多个摄像头用来构建对环境的理解。这里的核心技术是视觉感知模型包括物体检测、深度估计、场景分割等。第二层是决策层。这是 1X 与传统机器人差别最大的地方。决策层使用视觉语言模型VLM来理解指令和场景。例如用户说“把桌上的红色杯子放到篮子里”VLM 需要理解“红色杯子”是什么、“桌子”在哪里、“篮子”在哪里以及“放”这个动作需要如何执行。第三层是执行层。有了决策输出执行层需要把“放”这个高层意图转换成关节电机的力矩指令。在 1X 的方案中这一层也大量使用强化学习训练的神经网络而不是传统的逆运动学求解和 PID 控制。三层架构之间的关系可以这样理解感知层是“眼睛”决策层是“大脑”执行层是“小脑和脊髓”。传统机器人把这三个层次拆分得很清楚每个层次单独设计端到端神经网络方案试图让这三个层次互相耦合通过训练让整个系统联合优化。从工程实现角度看1X 的训练基础设施非常值得关注。他们的强化学习训练大量使用仿真环境具体采用的是 Isaac Lab——NVIDIA 推出的机器人强化学习仿真平台。Isaac Lab 基于 Isaac Sim 构建提供 GPU 加速的物理仿真环境让机器人可以在虚拟世界里进行数百万次试错而不用承担真实环境中的磨损和安全风险。仿真训练的一个关键问题是“仿真到现实的差距”Sim-to-Real Gap。简单说仿真环境里的物理规律和真实世界总有差异——摩擦力、弹性、电机延迟、传感器噪声都不一样。1X 的做法是通过 domain randomization 技术来解决在仿真过程中随机改变机器人的物理参数、环境光照、物体摩擦系数等让训练出的策略更加鲁棒能够适应真实世界的不确定性。顺便看一眼 1X 的工程实践细节。根据公开信息1X 的机器人运行在 NVIDIA Jetson AGX Orin 平台上这个平台提供约 275 TOPS 的 AI 算力功耗在 15 到 60 瓦之间。在 Jetson 平台上1X 运行了多个神经网络模型——包括视觉模型、语言模型和运动策略——实现了“边缘 AI”的机器人部署方案。从这些细节可以看出1X 本质上更像一家人工智能公司而不是一家传统机器人公司。它的机器人硬件是载体真正的技术核心是跑在英伟达芯片上的神经网络。4. 孙正义回归背后的产业逻辑理解了 1X 的技术路线我们再回头看孙正义的这次下注。为什么说这是“重回牌桌”因为软银在过去几年实际上已经离开了人形机器人领域。2017 年软银从 Alphabet 手里收购了波士顿动力。当时孙正义对人形机器人的判断是机器人会是下一个比互联网更大的产业。然而波士顿动力的商业化进展一直不理想2021 年软银把它卖给了现代汽车。那次交易被外界解读为软银在机器人领域的撤退。现在重新入场孙正义显然不是简单“抄底”。更合理的解读是他认为人形机器人的商业化条件已经成熟而成熟的关键变量是 AI 大模型。过去人形机器人产业有个恶性循环机器人硬件贵、产量低导致数据少数据少导致 AI 能力弱AI 能力弱导致应用场景少应用场景少导致市场需求低进一步压低产量。这个循环在过去二十年里无解。但大模型的出现提供了打破循环的可能。语言模型已经证明了“海量数据 大规模参数”可以涌现出通用能力。如果把这个模式复制到机器人领域理论上可以让一台机器人学会执行多种任务而不是为每个任务单独编程。这样单台机器人的商业价值就大大提升就算硬件成本不降低投资回报率也能算过来账。另一个重要的产业信号是特斯拉 Optimus 也在走类似路线。Optimus 的 demo 展示的是基于神经网络的自主运动控制而不是预设脚本。包括 Figure 公司在内的多家新创企业都在转向“大模型 神经网络控制”的技术架构。所以孙正义重新入场本质上是押注“具身智能”成为下一个技术平台。在移动互联网时代平台是手机在 AI 时代平台是模型在下一个阶段平台可能是有身体、能行动、能感知的实体智能体。这也是为什么这笔交易不只是商业新闻它本质上是对“人形机器人 AI 大模型”技术路线的一次巨额背书。5. 人形机器人开发的核心难题数据飞轮如果说技术路线是方向那么数据就是人形机器人赛道真正的燃料。这也是孙正义这笔投资背后最值得开发者深入思考的部分。大语言模型的训练数据来自互联网上的文本那是人类几十年积累的知识库。但机器人训练数据不一样——它需要的是“动作数据”也就是机器人在物理世界里执行任务时的传感器数据和动作指令。这类数据不存在互联网上必须靠真机采集或仿真生成。这就引出了人形机器人领域最核心的挑战数据飞轮怎么建立先看真机数据采集。1X 的做法是通过遥操作让人穿上动作捕捉设备远程控制机器人完成任务同时记录所有传感器数据和动作指令。这种方式的优点是数据质量高包含真实物理反馈缺点是成本高、速度慢。一个简单的抓取任务可能需要采集几百上千条演示才能训练出一个可靠的策略。再看仿真数据。仿真环境可以在相对低成本的条件下生成大量数据而且可以并行运行多个仿真进程效率远高于真机采集。但仿真数据的缺点是存在 sim-to-real gap在仿真里学到的东西不一定能直接迁移到真机上。1X 的解决方案是仿真 真机结合。他们先用仿真环境预训练策略让机器人掌握基本的行为模式再用少量真机数据做微调让策略适应真实环境的物理特性。这种策略是当前业界最主流的技术路径。这套思路对做 AI 和系统开发的工程师非常有参考价值。它本质上是在解决一个通用的工程问题如何用有限的高质量数据配合低成本的海量仿真数据训练出能应对真实世界不确定性的模型。具体到工程实现上1X 采用的训练管线包含几个关键模块数据采集模块遥操作系统 传感器记录管道负责采集真机数据。仿真环境Isaac Lab 平台上构建的虚拟训练场支持物理参数随机化。训练框架基于强化学习的策略训练模块常用的框架包括 RLlib、Stable-Baselines3 等。部署模块把训练好的策略模型转换并部署到 Jetson 设备上的推理环境。回传模块在实际运行中持续收集数据回流到训练集形成迭代闭环。这个流程和推荐系统、广告系统的核心逻辑非常相似——数据飞轮转得越快模型的智能程度越高模型的智能程度越高收集数据的能力越强形成正反馈循环。从编程角度看这给机器人开发引入了大量现代 AI 工程工具链PyTorch 训练框架、ONNX 模型转换、TensorRT 推理加速、Docker 容器部署、数据版本管理DVC等。这也说明传统“嵌入式工程师”和“AI 工程师”的岗位边界正在人形机器人领域融合。6. 从技术视角看开发者可以怎么切入这个赛道聊完投资和技术路线回到一个更实际的问题如果你对具身智能和人形机器人感兴趣作为开发者应该从哪些角度切入这个赛道对开发者的技能需求非常广泛绝不是只有“机器人专业”的人才能参与。从 1X 的招聘信息和类似公司的技术栈来看至少有几类技能方向是明确需要的。第一类视觉语言模型应用。这是最接近当前 AI 大模型技术的方向。主要工作包括在机器人场景里部署和微调视觉语言模型让机器人能理解场景和指令处理多模态数据的对齐问题设计 prompt 让模型输出结构化的动作描述。如果你熟悉 Hugging Face 生态、Transformer 架构和 PyTorch这个方向进入门槛相对友好。第二类强化学习与运动控制。这个方向更偏算法需要理解 PPO、SAC 等强化学习算法的原理熟悉 Isaac Lab、MuJoCo 等仿真环境能设计奖励函数让机器人学会特定动作。1X 的 NEO 能稳定行走背后就是大量强化学习训练的成果。第三类机器人系统与边缘计算。这更偏工程包括 ROS 2 系统集成以及把训练好的模型部署到机器人的算力芯片上。1X 用的是 NVIDIA Jetson AGX Orin这就涉及 TensorRT 加速、推理优化、内存管理等问题。第四类数据基础设施。人形机器人公司的数据管线非常复杂——真机采集的数据要清洗、标注、增强仿真数据要生成、去重、转换格式训练好的模型要在不同硬件环境下验证。这些都需要专业的数据工程师来处理。如果你准备入门我建议从视觉语言模型和多模态理解开始。原因是这个领域的技术栈和通用 AI 重叠度最高学习资料多社区活跃学习曲线相对平滑。等你对一个具体的具身智能任务产生感觉后再往强化学习或者系统部署方向深入。举一个最小示例帮助你理解视觉语言模型在人形机器人里扮演的角色。假设你要让机器人理解指令“把蓝色方块放在红盒子里”在传统的机器人编程中你需要写大量的视觉检测代码来识别“蓝色方块”和“红盒子”再写规划算法来计算抓取和放置路径。而现在视觉语言模型可以直接把用户的指令和视觉输入映射为结构化的操作意图# 以下代码是一个简化示意用于展示视觉语言模型如何驱动机器人决策 # 实际部署环境会使用更复杂的推理框架例如 TensorRT、vLLM 或多模态推理服务 from transformers import AutoProcessor, AutoModelForVisionText2Text from PIL import Image # 加载视觉语言模型这里以通用多模态模型为例 model_name your-vlm-model-path processor AutoProcessor.from_pretrained(model_name) model AutoModelForVisionText2Text.from_pretrained(model_name) # 模拟机器人的摄像头输入 image Image.open(camera_frame.jpg) # 用户下达的指令 instruction 把蓝色方块放在红盒子里 # 将图像和指令输入模型得到结构化的动作描述 inputs processor(textinstruction, imagesimage, return_tensorspt) outputs model.generate(**inputs, max_new_tokens64) action_description processor.decode(outputs[0], skip_special_tokensTrue) print(action_description) # 预期输出可能类似 # {action: pick_and_place, target_object: blue_cube, destination: red_box, grip: open_then_close}这个示例说明了一个关键转变过去需要人工设计视觉检测与抓取规划的流程现在可以由模型直接生成高层动作描述再由下游的运动策略模型转化为具体的关节指令。这就是具身智能和传统机器人开发的核心差异。当然这只是一个示意真实产品会复杂得多。模型的推理结果不一定是完美的需要一个“安全校验层”来确保动作指令不会导致危险行为比如夹爪撞到障碍物或者关节超限。7. 人形机器人落地的常见误区和陷阱任何热门赛道都会伴随大量误解。人形机器人尤其如此因为这个领域既有硬科幻的想象力又有真实工程技术的复杂性。下面是几个常见误区想进入这个领域的开发者值得提前了解。第一个误区人形机器人就是“高级版遥控车”。很多人以为人形机器人只是加了个 AI 模块的传统机器人硬件和软件的关系是上下层解耦的。实际上人形机器人的硬件和 AI 模型紧密耦合——要让强化学习策略拟合真实物理世界需要对致动器的响应延迟、关节摩擦、力矩输出等做模型的姿态匹配随便换一个电机型号就可能导致原策略完全不适用。这也是为什么很多人形机器人公司选择自研关键零部件。第二个误区大模型可以解决所有控制问题。视觉语言模型很强但它的输出仍然是“高层意图”不是低层控制信号。从“把杯子拿起来”这个意图到电机输出多大的力矩、末端执行器走到哪个坐标中间需要运动策略模型来处理。这个中间层的训练和推理是目前人形机器人领域最大的技术难点之一。大模型只是解决了“理解”的问题“执行”的问题还远未解决。第三个误区仿真数据可以完全替代真机数据。仿真环境在现代机器人开发中是不可或缺的它的效率远超真机采集。但从仿真到真实的迁移仍然是有损的——光照变化、材质差异、摩擦系数、传感器噪声都可能导致策略在真机上性能下降。成熟的团队会严格控制仿真随机化的范围并用真机数据做最后的微调。第四个误区人形形态是最适合所有任务的结构。孙正义押注人形机器人是因为人形机器人有天然的适配优势——人类的工作环境是为人类建造的人形机器人不需要改造环境。但对很多具体任务来说轮式机器人、四足机器人或专用机械臂可能是更高性价比的选择。1X 自己也有轮式机器人产品 Eve就是典型的“轮式 人形上半身”组合。从开发者角度看选择合适的形态以满足当前场景的需要比追求“形态上无限接近人类”更务实。这些误区背后有一个共同点人形机器人的技术栈极其复杂任何单一技术都不能解决所有问题。它需要 NLP、CV、强化学习、控制系统、机械设计等多个领域的深度协同。这也是为什么这个赛道对开发者来说既是机遇也是挑战——正因为复杂才需要大量跨学科工程人才。8. 给开发者的工程建议与未来判断如果这篇文章能给你带来一个明确的行动建议那就是尽早接触具身智能的技术栈但不要一上来就做整机。你不需要去买一台人形机器人来学习——在一个仿真环境里你就能体验机器人的强化学习训练流程。下面是一个低门槛的入门路径先用仿真环境跑通一个强化学习任务。推荐使用 MuJoCo 或 Isaac Lab前者轻量、易上手适合学习基本概念后者更接近工业级应用适合模拟真实机器人。以 Isaac Lab 为例你可以这样开始# 环境准备创建 Conda 环境并安装 Isaac Lab以官方文档为准 conda create -n isaac-lab python3.10 conda activate isaac-lab # 安装 Isaac Lab 依赖这里给出的是通用方式具体版本以你的显卡驱动和 CUDA 为准 pip install torch torchvision git clone https://github.com/isaac-sim/IsaacLab.git cd IsaacLab ./isaaclab.sh --install然后在 Isaac Lab 里你可以用 Python 定义一个简单的机器人走路训练任务。核心代码大致是这样的思路# 简化示例在 Isaac Lab 中配置一个强化学习任务示意代码非可直接运行 # 完整的 RL 训练任务需要定义观测空间、动作空间、奖励函数、终止条件 def design_reward_function(actions, info): 定义一个简单的奖励函数 1. 机器人前进距离越大奖励越高 2. 机器人保持直立给予额外奖励 3. 机器人跌倒则终止并返回负奖励 forward_vel info[base_lin_vel][0] orientation info[base_orientation][2] reward forward_vel * 1.0 abs(orientation) * 0.5 return reward你可以在仿真环境里训练一个简单的“前进”策略观察机器人从摇摇晃晃到稳定行走的过程。这个过程会帮助你建立起对强化学习奖励函数设计的直觉也会让你明白——为什么真实机器人的运动控制那么难。如果你更想从 AI 模型侧入手也可以先从机器人数据集入手。很多具身智能数据集如 Open X-Embodiment已经把来自多个机器人平台的轨迹数据标准化了你可以下载这些数据训练一个“视觉 - 动作”映射模型。这个方向更接近你熟悉的 Deep Learning 工作流。从更宏观的视角看未来三到五年具身智能领域有几个趋势值得持续关注模型架构的收敛机器人基座模型可能会像大语言模型一样出现“预训练 微调”的标准范式。1X、Figure、Google DeepMind 等团队都在往这个方向探索。仿真工具的繁荣仿真环境是机器人 AI 训练的主战场NVIDIA 在这个方向投入明显。Isaac Lab 和 Omniverse 的组合可能会成为机器人领域的“标准训练场”。数据生态的形成就像大语言模型的训练数据有 RedPajama、The Pile 等开源数据集机器人领域也会出现更多公开数据集和标准数据格式。边缘推理的强化大语言模型在云上推理但机器人必须在边缘设备上实时推理。这个需求会推动轻量化模型的持续演进——不只是模型压缩更是多任务适配和低功耗实时推理。对开发者来说这是一个难得的时间窗口。人形机器人还处在早期技术栈还没有完全固化这意味着你有机会在这个赛道的初始阶段积累优势而不是在格局已定时再去追赶。9. 回到这笔交易牌桌上的新玩家与旧逻辑回到文章开头的新闻。软银洽购 1X 多数股权孙正义重回人形机器人牌桌。这件事的深层意义在于那个在移动互联网时代投出阿里巴巴的孙正义在经历了一波 AI 投资起伏后选择了用真金白银表态——具身智能是下一个真正的平台级机会。从材料看1X 的技术路线、工程进展和团队背景都和“大模型 数据驱动”的具身智能逻辑高度匹配。软银需要的是一个能在 AI 模型和物理世界之间建立连接的项目1X 恰好站在这个交叉点上。这笔交易如果完成最直接的影响是人形机器人赛道的资金门槛和技术竞争会进一步升级。孙正义的资源和 1X 的技术结合会对现有的机器人创业公司形成压力也会加速整个行业的人才争夺。但真正的竞争不只发生在资本市场上。技术路线的竞争、数据飞轮的竞争、工程化能力的竞争才是人形机器人行业最持久的决定性因素。无论是巨头还是创业公司谁能更快地建立高质量数据管道谁能更高效地训练出可靠的神经运动策略谁就能在这个牌桌上待到最后。从个人开发者的角度看这个赛道现在最需要的是既懂 AI 又懂工程、愿意深入物理世界真正解决不确定性的人才。现在的入场机会窗口可能比未来任何时点都更大——因为行业标准还没固化技术路线还有多个分支你现在学习的技术栈有可能成为未来十年人形机器人开发的基础。如果你对具身智能感兴趣不妨先从仿真环境里跑通一个强化学习任务开始。技术文档、开源工具和公开数据集都已经比两年前丰富得多今天的入门门槛已经比上一代开发者低得多。孙正义已经用行动给出了自己的判断接下来的问题不再是谁有资格参与而是你愿不愿意入场。