📌 新闻速览

来源：36氪·智能涌现 | 2026.05.02

链接：https://36kr.com/p/3792155815304450

新闻内容

美西时间4月28日，魔法原子在硅谷圣何塞举办全球具身智能创新大会（GEIS），Openmind、PrismaX、Chestnut Robotics等硅谷公司到场。中美具身公司围绕4个核心问题展开对话：合成数据训练、VLA架构局限、灵巧手设计路线、规模化落地路径。

魔法原子同日发布：世界模型Magic-Mix、人形机器人MagicBot X1（180cm/70kg/31 DOF）、灵巧手MagicHand H01（20 DOF+44个触觉传感器）。其2036年目标：140亿美元营收。

核心问题一：合成数据 vs 真实数据

高质量数据稀缺是具身模型训练的核心瓶颈。业界共识：根据具体训练目的决定用哪种数据。

亚马逊前沿AI科学家：合成数据适合训练单一基本技能，但难以让机器学会「做早餐」这样的长程技能——此时引入真实数据是必要的。

英伟达GEAR Lab：训练配方 = 50%模拟数据 + 25%动捕数据 + 15%互联网视频 + 10%真实世界数据。

魔法原子日均采集约16000条真机数据，再通过合成实现1万倍扩展。新能源汽车制造，是天然的「数据富矿」。

核心问题二：VLA是终极架构吗？

VLA当下面临一个根本性挑战：人类用手指旋转篮球时，只靠触觉和本体感知，并不需要视觉。这意味着VLA在触觉和本体感知上存在天然短板。

亚马逊科学家的判断：VLA的流行与硬件传感器发展程度相关——视觉传感器成熟，触觉传感器尚在初级阶段。随着传感器和硬件层面发展，算法也会随之迭代，VLA未必是终态。

核心问题三：灵巧手的三条路线

连杆方案：最不像人手，成本低、易控制；腱绳方案：最像人手，可做精细操作，但成本高、控制难；直驱方案：折中方案，驱动单元集成在关节，但工程挑战大。

混合架构路线正在兴起——Chestnut Robotics（创始团队来自Tesla Optimus）选择以腱绳结构为主，辅以AI控制和自主学习。核心逻辑：在灵活度和工程可靠性之间寻求平衡。

关键洞察

中国具身智能正在建立硅谷话语权

魔法原子的激进目标（2036年140亿美元）背后，是中国机器人产业从「低价替代」到「定义标准」的跃迁信号。宇树科技2025年营收17亿元，海外收入占比超50%——中国机器人正在全球市场证明自己。

规模化落地：越早进入真实世界越好

斯坦福教授Jan Liphardt的观点值得重视：实验室无法模拟真实世界的复杂场景——过亮的光线、泥泞的地面、生锈的门铰链。机器人应该尽早进入家庭、学校、机场等真实场景中迭代，而不是永远在实验室里「备战」。

引发思考

这届GEIS大会折射出一个明确信号：中国具身智能不再只是追随者，开始在硅谷主场定义议题。但从「能造出来」到「能规模化」，中间还有巨大的工程鸿沟。谁能率先跨越，谁就能定义下一代机器人标准。

逍遥云初 | 2026.05.04