henry 发自 凹非寺
量子位 | 公众号 QbitAI

2026年的春晚，注定是属于机器人的。

不知道有多少人像我一样，在看到马丽的“铁哥们”时，没绷住，直接笑出了声。

这个叫“小盖”的家伙，是真的物理意义上的“铁哥们”。

节目里，腾哥上春晚得靠它，它甚至还给自己排了一出表演干活的“剧本”：

盘盘核桃、叠叠衣服、呛呛腾哥，直接把春晚的笑点拉满了。

但笑过之后，很难忽视的一点是——小盖这次在春晚做的事情不太一样。

它不是在秀动作，而是在执行任务：

货架取物、清理碎片、整理环境，甚至串烤肠、叠衣服。

据悉，这是春晚舞台上第一个上台认真执行任务、在自己工位上“干活”的机器人。

而把“小盖”带上春晚舞台干活的，正是被官方定位为具身大模型机器人的银河通用机器人，以及它背后那套首次公开的“大脑-小脑-神经控制”一体化系统银河星脑AstraBrain。

也正是这套系统，让舞台上那些看似随意的取物、清理、整理，不再依赖动作脚本，而是来自完整的感知-决策-执行闭环。

而在节目外，小盖也已经将这套能力延伸到了全国各地的100家银河太空舱，真正让机器人走进生活。

春晚大舞台，“干活”银河来

咱不演“马丽单飞，沈腾怎么办”的戏中戏，直接看这次真正的主角——

马丽的“铁哥们”，小盖（Galbot）。

“盘核桃”：手内灵巧操作+双手分工协同

先看一个看似整活、实则硬核的动作：盘核桃。

关注机器人领域的都知道，这事并不简单。

一方面，核桃表面不规则、质量分布不均，在翻转过程中受力点持续变化。手指只要有一点点力矩误差，核桃就会“cei”在地上。

另一方面，对机器人来说，这几乎等同于人戴着一副铁手套在盘：触觉迟钝、反馈滞后，很难实时感知核桃的微小运动状态。

而小盖之所以在春晚舞台上能完成这一动作，关键在两点：一双足够灵活的机械手；更重要的是，还要有一个能做手指关节级微调控制的“大脑”。

在业内，这类能力有个专业名字：手内操作（In-hand Manipulation）。

它是机器人灵巧操作里的“皇冠上的明珠”，直接决定机器人能不能承担工业级精细任务，例如拧螺丝、钉钉子这类操作。

对此，银河通用的思路，可以用一句话概括：虚拟世界练招式，真实世界找手感。

第一步，仿真打底。AstraBrain里的“小脑模型”，让机器手在虚拟环境中反复练不同尺寸、不同重量的核桃，靠大规模试错学出一套可泛化的“盘核桃策略”。第二步，现实校准。真正上手核桃以后，再利用真实摩擦、结构误差这些反馈，在线微调动作，把仿真和现实之间的那点缝补起来。

值得一提的是，小盖后面给沈腾递水时还有个小彩蛋：机器人在递水的同时，还在盘。

这意味着什么？

意味着它已经能做到：单手手内操作+双手任务分工协同，而这套能力，已经非常接近真实工位里的操作闭环了。

收玻璃碎片、货架取物：从“秀技”到“上岗”

接下来呢，就是“智慧脑袋显身手”的时刻了。

舞台上一个容易被忽略的细节：在明暗变化的灯光下，机器人要把透明、形状不规则的酒杯碎片收进盒子里。

这里的难点有两个：

一方面，透明物体本身就难被机器视觉捕捉；另一方面，不规则碎片在不同光照下，反光和阴影边缘都在变。

对此，小盖的做法，是先在仿真中“见遍天下碎玻璃”：

通过生成不同厚度、不同破裂形态、不同光照条件下的海量透明碎片数据，让机器人在虚拟世界中把各种可能情况都见过一遍。

再结合多模态感知，从极其微弱的反光和阴影里，判断碎片具体位置，规划抓取。

同时在接触过程中，用“触感”判断硬度和滑动情况，动态调力度，确保玻璃片既不被捏碎，也不滑落。

这一步，其实已经从展示技巧，跨过了可部署能力的门槛。

再看货架取物。

这看起来是最普通的动作，但恰恰是最接近真实商业零售场景，也是银河通用的“传统艺能”。

这里的核心难点不在抓，而在决策：拥挤环境定位目标、避免扰动邻近物体，在结构约束下重新规划动作。

舞台上有个细节非常漂亮，你看，机器人并非是抓住瓶身，而是牢牢地从瓶盖位置“扣”住，放在桌上。

用行业黑话说，就是这affordance找的，真有水平。

而且，这不是预录轨迹，而是实时决策。每一次扣、每一次倾斜，都在“眼前这一次”重新计算。

这也意味着，这类能力已经从展示层面迈向了真正的操作闭环。

穿烤肠、叠衣服：动作更像人，而不是更像程序

再往后，是穿烤肠、叠衣服这类生活化任务的综合考试。

在穿烤肠的过程中，机器人需要一手操控烤钳，一手穿签并递送，这对其双手在空间上的协同能力、力度上的独立控制，以及动作节奏的匹配都提出了要求。

这里有一个关键能力点——灵巧操作中的Tool use（工具使用）。

这项能力直接决定了机器人能否真正进入流水线岗位，因为现实世界的大多数任务，本质上都是“借助工具完成”。

在叠衣服时，需要机器人既要抚平衣角，又要对折对齐，对布料这种“软家伙”，非常考验机器人操作的稳定性和细腻度。

这些动作之所以看起来越来越“像人手”，本质原因在于训练方式发生变化：

小盖并不完全依赖机器人自身采集数据，而是大量利用人类动作数据进行学习与扩展。

一方面，人类日常行为的数据本身就很丰富；另一方面，通过仿真扩展和学习，机器人可以在处理柔性物体这类场景中，积累出更自然、更稳定的操作经验。

所以，当它在台上抚平衣角、对折衣服的时候，本质不是在“放一段预设程序”，而是在实时决策下完成任务，只不过这套决策已经被打磨得很接近人类的“手感”。

而这一连串的技能展示，都离不开小盖背后的大脑——AstraBrain。

AstraBrain：把“聪明脑袋”长在机器人身上

把复杂的论文语言抹掉，AstraBrain其实可以看成是一个四阶段的“具身学习框架”：

人类样本示范-仿真数据合成-强化学习试错-真机调微操。

首先，是少量人类示范提供技能种子。

传统工业机器人，往往需要上千次遥操作数据去堆一个动作。

AstraBrain不这么干，它把人类示范当作“技能种子”：给机器人少量的动作示范轨迹，建立一个可泛化的行为先验。

接着，是在仿真环境中，通过海量仿真数据模仿学习，覆盖大量现实中难以穷举的情况。

现实世界的数据，贵、慢又难采。

因此模型训练发生在高精度物理仿真环境中，仿真环境自动生成多样场景配置、随机扰动光照与物体布局，生成式模型产出抓取动作。

第三步是通过仿真环境的强化学习形成最优策略。

因为仅靠模仿仍难应对精细操作与动态避障，由此，AstraBrain引入强化学习闭环：

机器人在仿真环境中进行高频试错，成功避障获得奖励，碰撞或失败受到惩罚。

通过大规模迭代，策略逐渐收敛到高稳定路径，形成更高效的操作方式。

春晚展示出的流畅控制，很大程度来自这一阶段的优化。

第四步，通过真机数据完成迁移校准。

仿真训练完成后，能力需要落地现实。AstraBrain通过少量真实操作数据进行微调：收集真实接触与反馈、修正仿真与现实偏差、完成策略校准。

这一步的目的是让机器人不仅知道“理论上该怎么做”，还知道“以我这副身子骨，动作会被现实世界修正成什么样”，从而把盘核桃、转笔这种高接触灵巧操作，变成稳定可复现的能力。

支撑上述流程的，是银河通用的数据体系——AstraSynth。

其结构可以理解为三层：

基石层（人类数据）：建立任务理解与行为认知。中间层（仿真合成数据）：低成本扩展能力边界，跨越虚实差距。塔尖层（真机数据）：用少量高质量数据完成现实校准。

这形成了一条清晰的训练路径：

用仿真解决数据规模问题，用强化学习优化动作质量，再用真实环境完成最终闭环。

因此，这套方法并非只针对单一任务。同一能力框架既能用于抓取商品，也能用于盘核桃、叠衣服或工具操作。

从这个角度看，机器人并不是学会某个动作，而是在逐步获得快速学习新技能的能力。

银河通用：央视春晚指定具身大模型机器人

银河通用这次被央视指定为具身大模型机器人登上马年春晚，并非偶然。

作为中国具身智能模型路线的代表性企业之一，它也是当前少数将模型能力真正落地到真实产业场景的公司。

银河通用成立于2023年5月，两年多融资超8亿美元，最新一轮融资超3亿美元，刷新具身智能行业单轮融资纪录，估值突破210亿元，稳居国内具身智能头部阵营。

在春晚亮相的背后，是银河通用已形成硬件-模型-生态的完整闭环：

在硬件层面，Galbot（G1）轮式双臂本体高效折叠，支持2.4米高摸底触地，兼顾灵活度与性能迭代；

值得一提的是，银河通用最新的工业重载机器人Galbot S1也在春晚亮相，与卫星、航母、C919一同作为“国之重器”展出。

从技术路线上来看，银河通用主打“仿真为主、真机为辅”的虚实结合训练管线：

自研仿真系统生成百亿级机器人干活数据集，破解行业真实数据稀缺难题，实现Sim2Real无缝迁移，这构成了其具身能力扩展的底座。

过去一年，银河通用密集推出GraspVLA（零样本抓取）、GroceryVLA（零售大模型）、TrackVLA（动态导航）、NavFoM（全域导航基座）等成果。

由此构建起感知理解-空间推理-执行控制的全栈具身模型体系，春晚亮相的AstraBrain，正是其最新技术成果：

在产业落地层面，银河通用的版图已覆盖工业、零售、仓储物流、医疗康养等多个领域。

在工业领域，银河通用已获得宁德时代、极氪等头部制造企业千台级订单，实现进厂部署。

在零售场景，“银河太空舱”已落地数100多座城市，自主售卖文创饮料零食。

在仓储物流领域，全球首推百台级机器人7×24小时自主运营零售仓，已稳定运行超一年。

在医疗康养领域，与宣武医院等三甲机构合作，落地病房、药房、导诊等场景；在2025世界人形机器人运动会中，还以全自主、零遥操作拿下世界冠军。

这意味着，银河通用正在把机器人从实验室，一步步推向日常生活与真实产业，构建起一张完整的具身智能生态网格。

而具身智能的下半场，核心比拼的正是模型能力与生态构建。

回顾刚刚过去的具身智能量产元年，行业格局已迅速收敛：

硬件趋于标准化，真正决定机器人生产力的，具身模型的操作泛化性，将成为真正的胜负手。

中国凭借超大规模市场、丰富应用场景与完整产业链，走出了一条“场景牵引、快速迭代、规模应用”的道路。

但毋庸讳言，硬件本体发展快于具身大脑的格局仍未改变。

而银河通用，恰好站在这一关键节点上——

从模型出发，以仿真数据与Sim2Real持续扩展技能边界，将行业竞争从机械参数推向真实作业能力。

模型能力的追赶与超越，将成为2026年具身领域最关键的变量。

机器人春晚十年，中国具身从0到1

最后，说句不太冷的冷知识。

最早上春晚的机器人，不是宇树去年的《秧bot》、也不是21年的《牛起来》，而是10年前的优必选。

2016年猴年春晚，540台Alpha 1S组成方阵，整齐起舞为孙楠伴唱《冲向巅峰》，创下“最多机器人同时跳舞”的吉尼斯世界纪录。

那时，OpenAI刚刚成立，一个月后，AlphaGo战胜李世石——

AI 3.0曙光初现，西方算法与算力全面领跑，中国AI还在硬件追赶、算法仰望的阶段。

十年后，2026马年春晚，机器人阵容空前——

多家具身智能公司集体登台亮相，覆盖舞蹈、运动、干活、陪伴各个场景。

可以说，春晚见证了中国AI从跟跑到并跑领跑的十年跃迁，具身智能作为下一个十年北极星，也正式进入“中国时间”。

这次登台表演干活的银河通用，正是对这段路径的生动注脚：

它向世界展示的不仅是一个企业的技术实力，更是中国具身智能产业的整体转向：

从攻克运动控制、展示视觉奇观，转向解决实际问题、创造经济与社会价值的新阶段。

在亿万观众除夕夜的注视下，机器人稳稳盘核桃、取货递水，为十年的AI追赶画上阶段性休止符。

下一个十年，具身要干的，是让这些“会干活的机器人”，走进每个工厂、每个仓库、每个家庭，从舞台落地生产线，真正激活万亿产业动能。

最后的最后，说句题外话。

你说这正月十五，还有节目吗？