超维动力发布具身智能全栈方案 含人形机器人及世界模型
成立仅一年，超维动力同时押注机器人本体、世界模型、数据采集和训练平台，具身智能竞争正转向全栈闭环。
中国具身智能创业公司超维动力展示全尺寸人形机器人 KAI Bot、37 自由度灵巧手 KAI Hand、数采头环 KAI Halo、世界模型 KAI World Model 及训练平台，覆盖从数据采集、模型训练到真机落地的全链路。其乒乓球系统演示了机器人实时感知、预测和行动能力，且算法已适配其他品牌机器人。
正文摘录
超维动力 的展台前，一台全尺寸人形机器人盯着飞来的乒乓球挥拍、转腰，再根据落点迅速调整动作。 全尺寸人形机器人KAI Bot、高自由度灵巧手KAI Hand、数采头环KAI Halo、KAI World Model，以及覆盖数据和训练流程的KAI Embodied AI Infra。 这套布局很容易让人想到Figure。作为全球估值最高的具身智能公司之一，Figure几乎是这一轮人形机器人热潮中最受关注的明星公司。 它真正得到资本认可的，不只是造出了一台人形机器人，而是同时押注本体、模型和真实场景。 自己造机器人，自己训练Helix模型，再把机器人送进宝马工厂，让真实任务产生的数据回到模型里，Figure打通了从本体、模型到真实场景与数据回流的全栈链路。 这家成立约一年的中国公司，已经把整机、灵巧手、数据采集设备、世界模型与训练Infra同时摆到了桌面上。 机器人完成一次任务，只能说明这个任务被做出来了。能否在不同环境、不同本体上稳定复现，才决定它有没有机会成为产品。 Figure 从「本体+大模型」切入，一边自研Helix VLA模型，一边让机器人进入宝马工厂，在真实任务中积累经验，再把数据反哺模型。 FSD积累的算法经验、成熟的供应链，再加上自家工厂提供的落地场景，让它能够同时推进本体研发、模型训练与规模制造。 Physical Intelligence（π） 从模型侧出发，专攻通用具身基础模型，试图让同一套模型适配不同机器人，为形态各异的本体提供通用操作能力。 而超维动力的选择，则是 同时布局硬件本体、具身大模型、高质量数据采集和底座Infra 。 超维动力联合创始人、香港大学计算与数据科学学院教授 罗平 ，对此有一个很直观的解释： 两类模型面对的是完全不同的反馈，语言模型输出的是Token，具身模型输出的却是机器人下一秒的动作。