2026年8月12日，一家国产具身智能团队宣布其自主研发的具身模型在拣选异形包裹任务中创下全球新纪录：一小时完成1816件异形包裹的拣选作业。更令人瞩目的是，该模型仅以30%的运行成本，便实现了比行业标杆Figure AI高出45%的作业效率。这一成果标志着国产具身智能在“大脑”层面的突破，让低成本、高灵活性的机器人应用成为可能。
事件概览
根据量子位报道，该国产具身智能模型在标准测试场景下，连续一小时作业，成功拣选1816件形状、尺寸各异的异形包裹。异形包裹通常指非标准长方体、带有软性材质或重心偏移的快递件，传统自动化设备难以稳定抓取。而该模型依靠自主感知、规划与操作能力，实现了平均每2秒完成一次拣选与放置，准确率与稳定性均达到商业化部署要求。
更值得关注的是成本对比数据：该国产系统的整体运行成本仅为Figure AI同类方案的30%，但作业效率却高出45%。这意味着在同等投入下，国产方案能够提供约4.8倍的产出效率（以（1+45%）/30%估算）。这一性价比优势将直接推动具身智能在物流、仓储、制造等行业的规模化落地。
核心信息
聪明的“具身大脑”是关键
团队指出，效率与成本的双重优势源于其自主研发的“具身大脑”——一套融合视觉、触觉与运动控制的端到端决策模型。与传统分阶段流水线架构不同，该模型将感知、规划、控制一体化，大幅减少了中间环节的通信延迟与算力浪费。具体而言，它采用轻量化神经网络在边缘端实时处理多模态传感器数据，无需依赖高成本云端服务器，使硬件成本降低超过70%。
一小时1816件的行业意义
在物流分拣领域，人工拣选效率通常为每小时300-600件（视包裹复杂度），而传统自动化设备（如吸盘式机械臂）对异形包裹的拣选成功率不足60%。该模型不仅成功率达到98%以上，且速度达到人工的3倍以上，同时避免了人工疲劳与误差。这一成绩刷新了此前由国际巨头保持的行业纪录（约1500件/小时），将国产具身智能推向全球技术最前沿。
影响与观察
成本优势或重塑行业格局
成本是制约具身智能普及的核心瓶颈。Figure AI等国际厂商的方案因使用高精度传感器、高算力计算单元以及昂贵的伺服电机，系统部署成本通常在百万级人民币。而国产方案通过算法优化，在同等任务下可使用低成本的工业级部件，使单套系统成本降至30%以下。这一突破有望让中小型电商仓库、生鲜冷链等场景也能负担得起具身智能应用，加速行业从“机器换人”向“智能增人”转变。
“具身大脑”的技术路线得到验证
长期以来，具身智能领域存在“侧重硬件”还是“侧重算法”的争论。该团队的成果表明，更聪明的“大脑”可以弥补硬件性能的差距，甚至创造更高的效率。这种轻软件、重积累的技术路线，对于国内厂商具有天然的产业链优势——中国在视觉传感器、伺服电机等领域已具备规模化生产能力，结合算法优化，可形成难以复制的竞争壁垒。
结语
从“一小时1816件”的数字背后，我们看到的不仅是国产具身智能的全球新纪录，更是一个以算法撬动成本的典型范例。当“具身大脑”足够聪明，机器人的应用边界将被大幅拓宽。未来，随着更多场景的数据积累与模型迭代，国产具身智能有望在更广阔的工业与服务业领域实现“低成本、高效率”的全面超越。
信息来源：量子位，查看原始信息。本文由 AI ONLINE 基于公开资料整理，信息可能随时间变化，请以官方发布为准。