机器人前瞻（公众号：robot_pro）
作者 | 李水青
编辑 | 漠影

机器人前瞻8月24日报道，2026年世界机器人大会（WRC）现场，四足机器人依然是最受关注的焦点之一，但今年观众问的问题不太一样了。

宇泛智能的灵猫从世界人工智能大会（WAIC）的全球首创720°连续后空翻继续加码，现场挑战背越式跳高1米、立定跳远近2米，引得展台周围的人举着手机拍了好久。

引起行业关注的，不只是动作本身，更是这台机器人在短短30天里就“OTA”飞速迭代了新技能。这家公司不太关注机器人的“形态之争”，从一开始就把目标牢牢锁在机器人拼“大脑”的终极状态上。

宇泛智能2014年就已成立，过去十余年一直在做AI算法、智能硬件、供应链和规模交付，如今把这些积累整体迁入具身智能。

给出下面这些判断的，是宇泛智能CTO王涛。王涛是一位毕业于中科院的AI“老兵”，不仅是阿里天池大数据竞赛冠军，也曾是零一万物多模态组高级算法专家，主导了宇泛智能从AI 1.0 时期到现在聚焦具身智能时代的核心算法研究、产品研发。

▲宇泛智能CTO王涛

WRC现场，王涛告诉我们，今年行业最大的变化用一个词就能概括：产品化。“前几年大家关心能不能动、能不能快速做出来，更多偏技术展示。今年WRC上，所有人都在问续航够不够、能不能落地。”他判断，本体、供应链和量产这条路，行业已形成共识性进展，但他认为，属于机器人的「ChatGPT 时刻」，还远没有到来。

机器人前瞻在WRC期间专访了王涛，围绕30天迭代、异构双脑、统一运控模型、5.5小时续航和8个月量产几个关键词，拆解这台机器狗的“持续变强”是怎么做到的。

一、30天从“翻两圈”到跳高跳远，灵猫为什么能持续变强？

一个月学会两项高动态技能，机器人到底换了什么？

王涛给出的答案是：硬件基本没换。

“这一次从WAIC到WRC，看上去是能力的升级，但硬件平台基本没有动，是同一个硬件平台。”王涛告诉我们，“学习到更多能力，主要来自小脑基础模型能力的自然释放。”这里的“小脑”，指的是机器人的运动控制系统。

当前四足机器人学习运动技能的一种常见思路，是针对不同动作和环境训练不同策略。平地行走一套，楼梯一套，翻滚再来一套。当环境变化时，系统先判断自己身处什么场景，再调用相应策略。

宇泛尝试走另一条路线，All Task in One Model，即：在一个模型上运行所有技能。

新增跳高、跳远任务时，团队会先在仿真环境生成大量运动轨迹，再迁入本体中进行微调；灵猫把走、跑、跳、爬楼、翻滚都收进了同一个模型。

要知道，这条路线在行业里仍然相当前沿。即便是偏学术前沿，真正做到统一模型、赋予多种高动态技能的团队也不多。

王涛举例，机器狗从平地走向楼梯，多策略方案通常需要主动感知路况、再决定是否切换模型，过程至少几百毫秒；而统一模型把不同路况放在同一策略空间处理，切换更顺滑。

它带来的体验变化是肉眼可见的：机器人动作衔接会明显更顺畅。

支撑这套运动模型的，还有灵猫的“异构双脑”。

行业对于大小脑的基本分工已有不少共识，大脑负责环境理解、规划和决策，小脑承担毫秒级运动控制。灵猫的差异更多体现在工程实现上。其大小脑芯片直接集成进主板，无需通过额外上装完成组合，从而降低通信时延，并让软硬件迭代同步推进。

总的来说，30天迭代真正值得看的，是灵猫已经形成了一套可以持续吸纳新任务的技术体系。新增能力不用重新造一台设备，像App装进手机一样OTA升级就行。

二、从模型到关节再到电池，8个月把“持续变强”做成一台产品

模型能持续升级，但机器人最终是一台物理机器。王涛认为：“机器人的本质，其实是智能与身体统一的系统。大脑规划动作，要通过关节、电机、结构、电池真正去执行。只有软硬件协同，才能避免局部指标优秀，但整机表现不佳。”

因此，宇泛智能的研发策略是“全栈自研”：从关节电机驱动、运动控制算法、视觉感知SLAM、多模态交互大模型，一直到巡检业务SaaS平台，宇泛将核心链路放在自己的研发体系内。其资料显示，底层运动方案没有采用第三方授权。

哪些环节绝对不能外包？王涛给出了两个答案。第一个是关节电机，“它决定整机的性能、成本、一致性和良品率。”第二个是运动控制算法，“决定核心运动性能的上限。”他补充：“大脑和小脑的核心算法，决定了未来几年的核心竞争力。”

宇泛智能还落地了AI关节自主整定技术。王涛向我们解释道：“所有关节生产出来以后，特性都不一样，磁编偏差、定转子装配倾斜、温度特性都有差异。传统做法需要逐项标定，我们用AI的方法让电机自己学，几分钟就能找到属于自己的最优参数。”更低的制造成本也能实现丝滑的控制，这是量产一致性的关键。

续航是另一个系统级优化的例子。15kg级的灵猫不仅能做到运动负载20kg，静态负重100kg，同时官方标称空载5.5小时续航，同级别产品基本在2到4小时区间。王涛拆解了背后原因：“自研关节电机的高效率、动能回收在起跳落地时回收约30%能量、运控侧提前预判落地主动降速回收能量、结构轻量化。”

灵猫为什么是轻量灵活的四足，而不是当下更热的人形？王涛告诉我们：“当时四足和人形两个方向都做，人形的商业闭环我们并不看好，四足更好量产、更快形成商业闭环，所以先做了四足。”这也延续了CEO弘毅“反对为了人形而做人形”的判断——不做跟风形态，做能最快干活的形态。

他选择做面向开发者的平台，也来自当客户时的痛点：“买一台四足教育版都要3万、5万，我们想做一款面向二次开发非常友好的平台。灵猫默认开放AI接口，价格约为同类的三分之一。”

值得一提的是，宇泛创始人、CEO弘毅同样出身算法，与王涛是共事多年的伙伴。在当下拼“大脑”的具身智能行业里，由两位算法人分掌CEO与CTO、且搭档多年的组合并不多见。

全栈自研，也是灵猫能够在短短8个月里，从设计样机走向量产的原因。

算法团队发现问题，可以直接改本体、驱动、关节和控制系统，不用跨供应商协调，跨部门沟通链条大大缩短。这也是宇泛试图用过去12年AI、智能硬件、供应链和量产经验回答的问题：怎样把“模型持续变强”，变成“产品持续变强”。

三、运控开始收敛，“机器人大脑之战”才刚开场

把视线从灵猫拉回整个WRC，我们会看到另一层变化。今年行业关注点明显转向了续航、可靠性、成本和真实任务。

宇树用规模出货证明了本体、供应链和量产这条路可以走通。王涛认可这一点，但他认为这只是一个开始：“本体量产和商业闭环已经有人证明能够走通。但在开放、动态、长尾的真实环境中实现自主任务执行和持续创造价值，整个行业都还处于早期阶段。”

如果本体和运控能力继续快速扩散，下一道真正难复制的壁垒在哪里？王涛的答案是“大脑”。

近来，行业里有一种声音说“本体已经不稀缺了，大脑才是壁垒”，另一种声音强调“没有过硬的本体，再好的大脑也没用武之地”。王涛觉得这两个说法不矛盾，说的是同一个系统的两个侧面。

“本体不稀缺，是指运动能力和结构设计在快速扩散，门槛确实在降低。但高动态性能、长期可靠性、成本、一致性、续航这些工程化硬指标，仍然把很多团队挡在外面。”他同时补充，“大脑再聪明，关节执行、通信延迟、结构刚度或者电源系统跟不上，智能也无法真正落地。”

问题随之来到下一层：什么样的大脑才是终局？

眼下“机器人大脑”最热的两条路线是VLA（视觉‑语言‑动作模型）和WMA（世界‑动作模型），行业头部玩家大多在押注VLA。王涛的判断是两者都可能只是中间状态，不会是终局方案。

他认为，VLA可以借助大语言模型预训练获得较强的开放泛化能力和语言理解能力，但从高维观测直接映射动作，容易把纹理、光照、背景和数据集偏差等信息一同纳入策略。

世界模型相关路线能够预测未来状态，更接近物理世界的动态规律，但如果持续在完整高维观测空间中建模，模型复杂度和现实迁移仍然构成挑战。

王涛认为真正的终局路线是“从高维观测中提取紧凑的、与行动充分相关的低维物理状态，再基于状态学习动力学预测、生成动作，形成高维感知、低维物理状态抽象、动力学预测和动作控制的闭环”。他说，这也是宇泛从AI 1.0时期就开始思考的路线。

在系统架构的选择上，王涛毫不犹豫投了“分层”路线：“小脑负责毫秒级实时运动控制，要求低延迟、高可靠；端侧大脑负责环境理解、任务规划和本地决策，保证断网或实时场景下也能自主运行；云端大脑负责更大规模的知识更新、跨机器人群体学习和模型迭代。”

原因最终落在两个坐标上，智能水平和时间。

一个机器人发现有人突然出现在前方，需要立即避让。如果每次都把图像传到云端、等待大模型推理再返回动作，物理世界不会给它足够时间。

“时间和智能两个维度，决定了机器人不得不用分层模型。”王涛说。

结语：四足机器人，正从运控竞争走向认知竞争

WRC现场，运动能力的差距正在收窄，认知和学习能力开始崭露头角。王涛告诉我们：“未来两到三年，智能水平将是最核心、最能拉开不同公司差距的一个点。第二个是可靠性，第三个是成本。”

宇泛智能用8个月证明了量产能力，30天从720°连续后空翻走到跳高跳远，只是这场竞争一个很小的切面。更值得关注的是，机器人获得新能力的速度正在加快，能力之间开始被复用，软件升级越来越直接地改变一台物理机器的行为。

王涛在采访结束时说了一句话，可以作为这篇文章的注脚：“宇泛的特点，是把AI能力和本体能力深度耦合，同时把过去十几年的产业基础、技术积累和沉淀一起带到具身智能行业里。”

当跑跳翻滚逐渐成为行业标配，下一轮差距或许就不会那么容易被肉眼看见。

运控在收敛，认知才刚开赛。