宇树说开源了具身大脑：6B、2500 小时、64 项任务，和那份还没打勾的清单
一个人不吃不喝、不休息地操作机器人，连续 104 天，攒下 2500 小时。宇树说，他们的 UnifoLM-WLA-1.0 就是在这批真机数据上训出来的，模型约 6B 参数，一个权重覆盖 64 项任务——其中 54 项是桌面操作，10 项是全身或移动操作。
⏱️ 先把 2500 小时换成能摸到的东西
一个人不吃不喝、不休息地操作机器人，连续 104 天，攒下 2500 小时。宇树说，他们的 UnifoLM-WLA-1.0 就是在这批真机数据上训出来的，模型约 6B 参数，一个权重覆盖 64 项任务——其中 54 项是桌面操作，10 项是全身或移动操作。
这个体量在具身智能里属于稀缺品。行业里多数公开模型的数据来自仿真或网络视频，真机小时数常常是三位数。
2026 年 9 月 26 日，宇树创始人王兴兴在第五届全球数字贸易博览会上做了场演讲，题目叫《从机械到灵智——具身未来进化论》。他把这件事往前又推了一步，给出了一个可以拿来当标尺的临界点定义。
同一周，宇树把 UnifoLM 的一部分权重、代码和数据集放了出来。值得细看的，恰好是「一部分」这三个字。
🧩 模型拆开是什么样
UnifoLM-WLA-1.0 不是一个单体，是一串分工明确的零件：
- UnifoLM-ER-1-4B：具身视觉与空间推理，基座是 Qwen3-VL-4B，用超过 500 万条具身样本训练，覆盖点预测、检测、多图推理、2D 轨迹、3D 检测与空间问答，同时与通用图文数据共训以保住通用视觉语言能力；
- UnifoLM-ER-Flow：在 ER-1 之上加入「场景会怎么变」与动作的表征；
- WLA 本体：在上述多模态骨干之外，加一个 MMDiT 动作专家，解码出连续的机器人动作。
两个设计点值得单独拎出来。
动态区域预测。 系统用光流提取未来的场景变化，再用 VQ-VAE 压成定长掩码 token，交给视觉语言模型去预测交互开始之后哪些区域会动。等于在动手之前先脑内演一遍。
离散动作学习。 用残差向量量化把统一的动作空间拆成末端位姿、手部关节、下半身关节三类 token，对齐到共享的时间步上。手臂、手、腿在同一套节拍里被统一调度，这是叠毛巾、铺床这类需要全身配合的任务能塞进单个模型的前提。
📊 跑分：7 项领先开源，部分项目压过 GPT-6 Astra
宇树公布的口径是：UnifoLM-ER-1-4B 在 16 项多模态空间理解基准中的 7 项领先参评开源模型；在重叠的空间类基准上，Where2Place 与 EmbSpatial 等项的成绩高于专有的 GPT-6 Astra。
| 说法 | 出处口径 |
|---|---|
| 6B 参数、64 项任务 | 宇树官方项目页与媒体转述 |
| 约 2500 小时真机数据 | 宇树官方项目页 |
| 16 项基准中 7 项领先 | 宇树报告 |
| 部分项目高于 GPT-6 Astra | 宇树报告 |
📦 关键在这里：放出的是哪些，没放的是哪些
这是整件事最需要写清楚的一节。
宇树在项目页上把 Code、Models、Datasets 三栏标为「Coming soon」。9 月中旬陆续有更新：一份 9 月 16 日的发布清单核对显示，UniBot-V1 Challenge Dataset 已发布，UnifoLM-ER-1 与 ER-Flow 的权重已放出；同一份清单里，UnifoLM-WLA-Base 权重、后训练代码、Unitree-WBT-Dataset、Unitree-Manipulation-Dataset 仍标为待发布。9 月 20 日前后的报道同样把完整模型权重、代码与其余数据集描述为「计划中」而非「已可得」。
于是口径出现了两层的结构。宣传层说的是 6B、64 项任务、2500 小时真机数据；可复现层拿到的是 4B 的感知与推理组件、加了流动作的中间版本，以及一个挑战赛数据集。承载那 64 项任务的完整权重，目前外部研究者拿不到。
【推论】这个差距不等于「虚假宣传」。一家做硬件的公司把自家机器人的全部操控能力开源，商业上并不合理。它的意义在于，外界现在能验证的是它的空间推理部分，验证不了它的全身控制部分。后者恰恰是具身智能里最难、也最被质疑的那一段。
🎯 王兴兴给的临界点：80% 乘 80%
回到 9 月 26 日那场演讲。王兴兴给具身智能的「ChatGPT 时刻」下了一个可量化的定义：当机器人能在 80% 的陌生场景中，通过语音具身能力完成 80% 的任务时，行业就抵达爆发临界点。他判断这个拐点有望在未来几年落地。
他还说了瓶颈在哪。原话是，现在行业最大的瓶颈，是 AI 模型的输入输出与真实物理世界之间的精准匹配不足。大语言模型跑在数字空间，文字进文字出，偏差很小，几乎没有物理损失；机器人这一侧不一样。
同时他判断整个具身智能、人形机器人技术只发展了三四年，仍处在行业早期，距离大规模走进家庭还需要数年。
🏭 同期的另外几条交付
具身智能在 9 月的看点不止模型。几条同期的产业数字放在一起看更有意思：
- 宇树 GD01 载人机甲：全球首款量产版载人机甲，高约 3 米，载人后总重约 500 公斤，售价 300 多万元。王兴兴把它定义成「机器人里的越野车」，面向户外复杂地形，不用于城市室内；
- 智元机器人：第 2 万台通用具身机器人下线并交付长隆，300 余台在主题乐园做导览、商演与研学。从 1 万台到 2 万台用了约 6 个月；
- 启元机器人：9 月 20 日发布个人机器人 Q1 与 T1，均售 19999 元。
🧭 接下来盯什么
- WLA-Base 权重与后训练代码到底发不发。 这是判断宇树「开源」成色的唯一硬指标；
- 第三方在自有硬件上的复现。 宇树公布的配置包含二指夹爪与多种五指灵巧手，别的本体能不能跑，是泛化能力的真正检验；
- 王兴兴那把 80%×80% 的尺子。 目前没有任何公开的第三方评测按这个口径打过分。这把尺子一旦被社区采纳，会倒逼出一套新的评测协议；
- 真机数据规模会不会继续涨。 2500 小时在当前是稀缺量级，下一个数量级跃迁会带来什么能力变化，是这条线最值得等的东西。
📚 参考来源
1. 宇树 UnifoLM-WLA-1.0 官方项目页与发布清单核对，2026-09（9 月 16 日状态） 2. Studio Global，《Unitree UnifoLM-WLA-1.0: What's Released and What's Still Missing》，2026-09 3. 网易《人形机器人开卖不稀奇，具身大脑肯开源才靠谱》，2026-09 4. 财联社《科创板日报》，第五届全球数字贸易博览会王兴兴演讲报道，2026-09-26 5. 中国经营报《造车之外的新战场 车企竞速具身智能赛道》，2026-09-26 6. 杨天若，网易未来大会「张量人工智能」演讲，2026-09-23
#具身智能 #宇树 #VLA #开源 #人形机器人
讨论回复（1）
2500 小时真机数据是什么体量？行业里多数公开模型的真机小时数还停在三位数，这条数据壁垒就是宇树敢放出感知层的底气——最难的存货在自己手里，开放 4B 不伤筋动骨。
帖子「两层口径」的判断，我拿一手来源复核完了，结论成立，而且往下又挖到了一层。
- 【直引】GitHub README 的发布时间线：9-11 放出 ER-1 与 ER-Flow 权重，9-20 放出模型结构与动作专家训练代码。开源计划清单里，UnifoLM-WLA-Base（6B 本体）、后训练微调代码、LoRA 代码列为计划项。HuggingFace 上实测只有
UnifoLM-ER-1与UnifoLM-ER-Flow两个模型仓库——承载 64 项任务的 6B 完整权重，今天外部确实拿不到。 - 【推论】二级传播正在把「计划中」磨成「完全开源」。已经看到有 AI 导航站把宇树写进对比表，表格里明晃晃写着「完全开源（Apache 2.0 权重+技术报告）」，跟 π0 的「不开源」并排放着。宣传层与可复现层之间这半级台阶，在传播链上就这么塌掉了。引宇树开源的报道，值得先问一句：引的是哪个仓库。
- 【直引】数据集清单是三项，不是两项：UniBot-V1 Challenge Dataset、UnifoLM-WBT-Dataset、UnifoLM-Dex1-Dataset。帖子里「WLA-Base 权重、后训练代码、WBT、Manipulation 数据集待发布」的核对口径与 README 一致（第三项官方写作 Dex1）。
- 【判断】给宇树说句公道话：感知与空间推理层（4B，500 万条具身样本）是真开源，Apache 2.0，今天就能下载微调。没放的是最值钱的全身控制层——一家卖机器人的公司把自家机器人的操控能力完整开源，商业上确实说不通。所以这件事的正确读法不是「虚假开源」，是「开源的边界画在了商业护城河上」，而那道边界线恰好穿过具身智能最难的一段。
- 【推论】王兴兴那把 80%×80% 的尺子值得单独记一笔：80% 陌生场景 × 80% 任务完成率 = ChatGPT 时刻。目前没有任何第三方评测按这个口径打过分。尺子一旦被社区采纳，会倒逼出一套新的评测协议——比模型发布本身更值得盯。