10月31日美国科技媒体The Information放出了一则颇受关注的消息：Meta已经和中国人形机器人公司傅利叶联合研发出代号为Max的人形机器人原型机，从项目启动到第一台原型机落地只花了三个月。为了推进项目，Meta机器人产品副总裁Li-Chen Miller亲自驻守傅利叶上海工厂近两个月，和本地团队同吃同住搞研发。

放在几年前，大众对中国人形机器人的印象还停留在“商演工具”：跳个舞、翻个后空翻，看着热闹但全是预设好的程序，纯属中看不中用的“花架子”，海外企业顶多买一台回去拆解研究。现在形势彻底反转：手握顶级大模型、不差钱也不缺人才的硅谷巨头主动上门求合作，曾经的表演道具，如今成了全球科技圈抢着要的“硬通货”。

硅谷AI大佬，抢着让AI“走出屏幕”

Meta从一开始就没打算把Max做成量产售卖的产品，目前它完全是供内部实验的研究平台，最终目标是推出能进入普通家庭、承担家务劳动的通用机器人，把Max打造成旗下AI智能体Muse在物理世界的载体——简单说就是让AI从电脑和手机屏幕里走出来，真正拥有动手干活的能力。

目前初代Max的参数已经公开：身高约1.5米，体重约48公斤，搭载英伟达Jetson Thor芯片，配备五指灵巧手，面部显示屏还能模拟人类的眼睛、嘴巴呈现不同表情。今年9月双方已经启动第二代原型机Max 2的研发。

硬件快速迭代的同时，Meta在软件端早就布好了局：此前收购了机器人AI初创公司Assured Robot Intelligence（ARI），专攻机器人理解人类行为、自主适应陌生环境的技术；内部也在研发世界模型，尝试让AI通过视频理解物体运动规律，预判不同动作会造成的结果。和傅利叶的合作，正好补上了Meta硬件设计、制造落地的最后一块拼图。

但盯着“AI进现实”这个目标的远不止Meta一家，海外头部AI企业几乎全部在押注机器人赛道：

  • 谷歌DeepMind陆续推出Gemini Robotics系列模型，主打把视觉信息、语言指令直接转化为机器人可执行的动作
  • OpenAI机器人团队已经开放机械设计、电机、执行器等硬件岗位招聘，研发直接深入到机器人硬件、控制系统底层
  • Anthropic做过对照测试：让研究员用Claude编写程序、读取传感器数据，控制机器狗完成寻找、取回沙滩球的任务，使用Claude的小组不仅完成任务量更多，相同任务的平均耗时仅为对照组的一半

【编辑观察】屏幕里的AI卷了这么多年，能写文案能画图早就不算新鲜事了，能在现实里帮你拿冰可乐、收拾桌面才是真·下一代AI。再聪明的大脑，总不能飘在半空中干活吧。

这本质上是一场双向奔赴：大模型厂商需要靠谱的硬件承载能力，机器人厂商也在等着大模型解决困扰行业多年的“通用性差”难题。

大模型，彻底改写机器人训练逻辑

宇树科技创始人王兴兴最近透露了一个极具代表性的内部测试：团队将GPT-6 Astra接入机器人后，没有针对特定任务做任何专项训练，仅靠提示词就让机器人完成了绘画、下围棋这类复杂任务，绘画过程中机器人甚至会主动在换颜料前洗笔、自主更换不同颜色的颜料。

“过去十几年犯的最大错误，就是对AI相信得不太够。”王兴兴判断，通用大模型已经出现“击穿”物理AI的苗头，落地快则一两年，慢也不会超过三五年。

在大模型大规模应用前，机器人行业的逻辑非常僵化：所有机器人都靠预设程序运行，只能在固定环境完成固定任务。工厂里的焊接、搬运机器人精度能拉满，但只要换个工件形状、调整下物品摆放位置，就得重新编程、采集数据、训练模型，适配成本极高。

而大模型已经从海量互联网数据里学会了物体属性、语言逻辑和各类生活常识，研发者只需要把这些能力迁移到机器人动作上，就不用每换一个任务就从零教起。

谷歌2023年推出的RT-2模型第一次验证了这条路的可行性：它同时学习互联网视觉语言数据和机器人操作数据，能把互联网上学到的知识直接迁移到真实操作中，面对训练中从未出现过的陌生场景，任务成功率从初代RT-1的32%直接提升到了62%。

今年发布的Gemini Robotics 2又迈出了一大步：同一个模型可以直接适配Apptronik Apollo人形机器人、Franka双臂机器人等完全不同的硬件。其中主打本地运行的On-Device 2版本，适配一台新的双臂机器人仅需几小时、不到200条示范数据，搁在以前这套适配工作至少要耗时数月。

这也顺带解决了机器人行业“真实操作数据不足”的老大难问题：互联网视频能教AI认识杯子，却无法传递拿杯子需要的力度、手指发力角度这类触觉信息。现在大模型可以先通过视频预训练学会常识，再用少量真机操作数据打磨动作，不需要再收集天量实操数据。

比如Meta 2025年推出的世界模型V-JEPA 2，就是先通过大量视频完成自监督预训练，最后仅用DROID数据集中62小时的机器人数据微调，就能实现陌生环境下抓取、移动物体的任务。

英伟达更是把整套研发流程打包成了开放平台：Isaac GR00T整合了数据采集、仿真训练、模型评估、部署部署全流程，最新的GR00T 1.7模型预训练阶段就使用了约3.2万小时真实人类演示数据，外加约8000小时仿真数据，机器人厂商可以直接在基础模型上二次开发，不用重复造轮子。

【编辑观察】说直白点这差距就像教萌新打游戏：以前你得从按键功能、技能效果、地图机制一步步讲，讲完还得练几十把才能入门；现在萌新早就把攻略视频翻烂了，底层机制门清，你只要教两局实战思路就能上手，效率差了十倍都不止。

但模型再聪明、训练效率再高，最终都要落到实打实的硬件上——这恰恰是美国AI公司最短板的环节，也是中国机器人产业链能成为“硬通货”的核心原因。

为什么硅谷根本绕不开中国机器人？

面对和傅利叶合作的爆料，Meta发言人的回应非常直白：和行业内其他公司一样，Meta面临一个非常现实的问题——大量机器人零部件，在美国本土根本找不到稳定供应商。

而中国最不缺的就是机器人全产业链配套能力： 目前国内做人形机器人整机的企业已经超过140家，整机厂背后还有大量深耕细分领域的零部件厂商，驱动关节的电机、保证动作精度的减速器、感知环境的传感器，每一个环节都有成熟厂商研发量产。

仅深圳一座城市，今年2月披露的机器人相关企业就超过3000家，产业链从核心零部件一直覆盖到整机制造、场景落地，当地用“1小时产业圈”形容配套效率：找激光雷达有速腾聚创，找3D视觉传感器有奥比中光，做运动控制有雷赛智能，需要什么配件一小时内就能对接上供应商。

Meta副总裁驻场的上海同样有成熟产业集群：今年4月浦东披露的数据显示，当地已经聚集100多家具身智能产业链企业，覆盖整机、核心零部件、模型、数据全环节，机器人关节自动化生产线今年1月就已经在张江机器人谷投产，研发团队在同一个城市就能凑齐所有环节的合作方。

产业规模的数据更能说明问题：工信部数据显示，2025年全国规模以上机器人企业营收已经突破3000亿元，2026年仅上半年营收就达到了1655亿元。工业机器人、服务机器人领域积累了十几年的制造、配套经验，全部成为人形机器人爆发的坚实基础。

德国智库墨卡托中国研究中心的报告给出了更夸张的结论：中国企业占据了全球人形机器人关键零部件供应链企业的63%。The Information甚至报道过，为了赶研发进度，有美国机器人公司员工在中国采购完零部件，直接塞进行李箱就坐飞机带回美国。

现在中国机器人企业的价值，早就不是“会跳舞的表演道具”能概括的：覆盖全链条的供应链、可控的制造成本、快速打样快速迭代、最终支撑大规模量产的工程能力，这套组合拳在全球范围内都找不到第二个对手。早在Meta找上门之前，国内机器人产业链就已经接到了大量全球订单，说不定再过两年，硅谷科技公司高管跑到中国工厂驻场跟项目，都会变成稀松平常的事，再也算不上新闻。