390億美元Figure做不到的事，這家中國(guó)團(tuán)隊(duì)做到了

編輯：定慧

【新智元導(dǎo)讀】機(jī)器人終于迎來(lái)自己的「iOS時(shí)刻」，全球首個(gè)具身Agentic OS來(lái)了：不是裝個(gè)更聰明的大模型，而是給機(jī)器人配上一套真正的「操作系統(tǒng)」。

過去幾年，機(jī)器人視頻越來(lái)越多，但細(xì)看你會(huì)發(fā)現(xiàn)一個(gè)問題：

它們的動(dòng)作太「程序感」了。

抓一個(gè)水杯，必須放在固定位置；走一段路，路線早就畫好；面對(duì)突發(fā)狀況，要么站住不動(dòng)，要么直接跌倒。

為什么不敢讓機(jī)器人「單獨(dú)行動(dòng)」？

這背后的根本原因，是傳統(tǒng)機(jī)器人的「大腦」和「小腦」是割裂的。

感知?dú)w感知，規(guī)劃歸規(guī)劃，執(zhí)行歸執(zhí)行。每個(gè)環(huán)節(jié)獨(dú)立工作，信息傳遞靠接口，響應(yīng)速度靠隊(duì)列。

一旦環(huán)境稍有變化，系統(tǒng)就容易失靈。

所以，現(xiàn)在很多看起來(lái)「自然」的機(jī)器人，其實(shí)背后都有一個(gè)「遙操」工作人員。

但不可否認(rèn)的是，具身智能正處于一個(gè)前所未有的爆發(fā)期。

如果說2025年是具身智能的量產(chǎn)元年，資本涌入，訂單簽下，還有好幾家公司沖刺IPO。

那2026年，則是人形場(chǎng)景落地元年。

但熱鬧背后，行業(yè)的競(jìng)爭(zhēng)格局正在發(fā)生微妙的變化。

可以從三個(gè)維度來(lái)看：

第一，硬件正在快速同質(zhì)化。

電機(jī)、關(guān)節(jié)、傳感器，國(guó)內(nèi)供應(yīng)鏈已經(jīng)非常成熟。

幾家頭部公司用的零部件大同小異，本體的差距正在迅速縮小。

硬件本身，越來(lái)越難拉開差距。當(dāng)然，本體的設(shè)計(jì)在性能和成本上依然會(huì)發(fā)揮重要作用。

第二，運(yùn)控能力出現(xiàn)了明顯的代際差距。

并不是所有公司都能做好「小腦」。

在運(yùn)動(dòng)控制這個(gè)領(lǐng)域，少數(shù)玩家已經(jīng)遙遙領(lǐng)先——比如逐際動(dòng)力、宇樹、Boston Dynamics。

它們的機(jī)器人能跑、能跳、能在復(fù)雜地形上穩(wěn)定移動(dòng)，這背后是多年積累的運(yùn)控技術(shù)壁壘。

逐際動(dòng)力的機(jī)器人行走于崎嶇不平的建筑工地上

第三，「機(jī)器人大腦」仍在全球范圍內(nèi)探索。

如何讓大模型真正落地到物理世界？如何讓認(rèn)知決策轉(zhuǎn)化為穩(wěn)定的物理執(zhí)行？這些問題，全球都還沒有標(biāo)準(zhǔn)答案。

所以，競(jìng)爭(zhēng)的焦點(diǎn)正在轉(zhuǎn)移：光有好硬件不夠，光有好運(yùn)控也不夠，光有聰明的大腦更不夠——關(guān)鍵是誰(shuí)能把這三者真正融合起來(lái)。

這就是為什么「大小腦一體化」成了行業(yè)的關(guān)鍵命題。

誰(shuí)能先把機(jī)器人的大腦和小腦真正融合起來(lái)，誰(shuí)就能在這一輪競(jìng)爭(zhēng)中占據(jù)先機(jī)。

逐際動(dòng)力的回答：COSA

在這個(gè)行業(yè)拐點(diǎn)上，2026年1月12日，逐際動(dòng)力發(fā)布的COSA系統(tǒng)，就是要打破這種割裂感！

COSA，全稱Cognitive OS of Agents，具身智能體系統(tǒng)。

它有一個(gè)更精準(zhǔn)的定位：具身Agentic OS。

COSA的本質(zhì)是一個(gè)面向物理世界原生的具身Agentic OS。

COSA不是一個(gè)模型，而是一個(gè)為人形機(jī)器人設(shè)計(jì)的操作系統(tǒng)。

為什么強(qiáng)調(diào)「Agentic原生」？

因?yàn)槲磥?lái)的操作系統(tǒng)——無(wú)論是手機(jī)、電腦還是其他智能設(shè)備——都將升級(jí)為Agentic的形態(tài)。

而人形機(jī)器人的OS，必須從一開始就是Agentic原生的。它不能是傳統(tǒng)系統(tǒng)加上AI功能的「改裝版」，而必須從底層就具備自主感知、理解、決策、行動(dòng)的能力。

簡(jiǎn)單說，這是一套讓機(jī)器人能夠同時(shí)想、同時(shí)動(dòng)、邊思考邊干活的操作系統(tǒng)。

聽起來(lái)很抽象？讓我舉個(gè)例子。

逐際動(dòng)力的全尺寸人形機(jī)器人Oli，搭載COSA系統(tǒng)后，正在執(zhí)行一個(gè)送水任務(wù)。

走到一半，它突然收到了新的指令。

它沒有停下來(lái)，也沒有放棄原來(lái)的任務(wù)。

它暫停了一下，把新指令納入規(guī)劃，重新調(diào)整了優(yōu)先級(jí)和路線，然后繼續(xù)走，把水送到了目的地。

這一「暫停」看起來(lái)很機(jī)械，卻是機(jī)器人最不「機(jī)器」的一刻。

機(jī)器人Oli一鏡到底

為什么這個(gè)動(dòng)作了不起？

讓我們拉高視角，先看看全球機(jī)器人的競(jìng)爭(zhēng)態(tài)勢(shì)和技術(shù)路線。

被低估的中國(guó)力量

說到全球具身智能的頭部玩家，F(xiàn)igure AI是一個(gè)離不開的名字。

2025年，F(xiàn)igure AI估值飆升至390億美元，成為全球具身智能初創(chuàng)企業(yè)中估值最高的公司。

它的明星背書、資本能量、話題熱度，幾乎代表了美國(guó)市場(chǎng)對(duì)人形機(jī)器人的最高期待。

從技術(shù)維度來(lái)看，逐際動(dòng)力的COSA與Figure AI正在解決同一個(gè)核心問題：

如何讓機(jī)器人的「大腦」和「小腦」真正協(xié)同工作。

但這里有一個(gè)重要的區(qū)分：

Figure AI的Helix是一個(gè)模型：端到端的VLA（視覺-語(yǔ)言-動(dòng)作）模型，試圖用「快慢腦」系統(tǒng)融合感知與動(dòng)作。

而逐際動(dòng)力的COSA是一套Agentic OS：從架構(gòu)底層出發(fā)，構(gòu)建了一套面向物理世界原生的操作系統(tǒng)。

這是兩條不同的技術(shù)路徑：

• Helix更像是給機(jī)器人裝了一顆「超級(jí)大腦」；
• COSA更像是給機(jī)器人建了一套完整的「神經(jīng)系統(tǒng)」。

技術(shù)路徑有差異，但目標(biāo)高度一致——讓機(jī)器人不再是「背課文」，而是「邊想邊動(dòng)」。

但是兩者之間有著本質(zhì)的差異，有三個(gè)值得關(guān)注的地方。

第一，移動(dòng)操作存在差距。

如果你仔細(xì)看Figure AI目前公開的Demo，會(huì)發(fā)現(xiàn)一個(gè)細(xì)節(jié)：

移動(dòng)歸移動(dòng)，操作歸操作——兩件事是分開演示的。

在演示中，F(xiàn)igure的整個(gè)操作過程中沒有移動(dòng)。

而搭載COSA的Oli，做到了「移動(dòng)-操作-移動(dòng)」的一鏡到底。

它在移動(dòng)的過程中完成抓取，邊走邊調(diào)整，沒有明顯的停頓切換。

這不是剪輯技巧，而是運(yùn)控能力的真實(shí)差距。逐際動(dòng)力在運(yùn)動(dòng)控制領(lǐng)域的積累，讓它能夠?qū)崿F(xiàn)更流暢、更自然的動(dòng)作融合，更符合場(chǎng)景落地的真實(shí)需求。

第二，技術(shù)路線的本質(zhì)不同。

Helix是一個(gè)大模型——端到端的VLA模型，本質(zhì)上是一個(gè)App。

COSA是一個(gè)具身Agentic OS——從底層架構(gòu)設(shè)計(jì)的操作系統(tǒng)。

App和操作系統(tǒng)，是完全不同的物種。

第三，估值的巨大落差。

Figure AI的390億美元估值，遠(yuǎn)超逐際動(dòng)力。

但從技術(shù)能力的呈現(xiàn)來(lái)看，逐際動(dòng)力的COSA與Oli的表現(xiàn)，已經(jīng)站在了世界第一梯隊(duì)。

這或許說明一件事：中國(guó)具身智能企業(yè)，正在被嚴(yán)重低估。

不是技術(shù)不夠好，而是市場(chǎng)定價(jià)還沒跟上。

至少?gòu)腃OSA的愿景來(lái)看，逐際動(dòng)力已經(jīng)用產(chǎn)品證明了一件事——

中國(guó)團(tuán)隊(duì)，已經(jīng)證明了自己，完全有能力站在具身智能的世界前沿。

COSA做了什么？技術(shù)深度解析

那么，COSA是如何解決機(jī)器人「大小腦」融合問題的？

我們需要先看看傳統(tǒng)機(jī)器人的「神經(jīng)系統(tǒng)」是怎么工作的。

你可以把機(jī)器人的智能分成兩部分：

一個(gè)是「大腦」，負(fù)責(zé)理解指令、規(guī)劃任務(wù)、做出決策；

一個(gè)是「小腦」，負(fù)責(zé)控制身體、執(zhí)行動(dòng)作、保持平衡。

聽起來(lái)分工明確，對(duì)吧？問題就出在這里。

傳統(tǒng)的做法，是讓大腦和小腦各干各的。

大腦想好了，輸出一條指令；小腦接到指令，執(zhí)行動(dòng)作。

這種架構(gòu)有一個(gè)致命缺陷：中間斷層了。

不是說大腦和小腦配合得慢，而是它們之間缺少一個(gè)關(guān)鍵的「中間層」：能夠把認(rèn)知決策真正轉(zhuǎn)化為復(fù)雜物理行為的高階技能層。

什么意思？

大腦說「去那邊拿杯子」，這是一個(gè)高層意圖。小腦能做的是控制關(guān)節(jié)、保持平衡，這是底層動(dòng)作。

但從「去拿杯子」到「怎么繞過障礙物、怎么邊走邊調(diào)整姿態(tài)、怎么在移動(dòng)中完成抓取」——這一整套復(fù)雜行為的調(diào)度和融合，傳統(tǒng)架構(gòu)里沒有人管。

大腦的想法，「一下子」夠不著物理世界。

所以我們看到的很多機(jī)器人演示，其實(shí)都是在精心控制的環(huán)境里完成的。杯子放在固定位置，路線提前規(guī)劃好，沒有意外，沒有干擾。

一旦放到真實(shí)場(chǎng)景，問題就暴露了：不是某個(gè)模塊不行，而是模塊之間沒有真正打通。

這同樣也是目前一些看起來(lái)夸張的視頻的機(jī)器人，其實(shí)背后大概率是依賴于遙操作。

COSA的三層架構(gòu)

COSA的發(fā)布，是逐際動(dòng)力給出的答案——一個(gè)讓大腦和小腦真正融合的系統(tǒng)。

讓我們深入技術(shù)層面——看看COSA究竟是如何成為那個(gè)「補(bǔ)上拼圖」的答案。

COSA的核心突破，可以用一句話概括：把大腦和小腦融合成一個(gè)系統(tǒng)。

這不是簡(jiǎn)單的「接口對(duì)接」，而是從架構(gòu)底層重新設(shè)計(jì)。

在COSA的體系里，運(yùn)動(dòng)能力不再是認(rèn)知的「輸出」，而是認(rèn)知的「基礎(chǔ)」。

機(jī)器人的決策也不再是一次性的規(guī)劃，而是與環(huán)境持續(xù)交互的反饋和響應(yīng)的過程。

打個(gè)比方：

傳統(tǒng)的方式像是「先想后做」——我想好了所有步驟，然后一步步執(zhí)行。

COSA的方式像是「邊想邊做」——我一邊執(zhí)行，一邊根據(jù)反饋調(diào)整計(jì)劃。

這就是所謂的大小腦一體化。

具體來(lái)說，COSA有三層架構(gòu)：

第一層，是一個(gè)叫「小腦基礎(chǔ)模型」的東西。

它不是提前訓(xùn)練好的一套固定動(dòng)作，而是一個(gè)能實(shí)時(shí)生成任意全身動(dòng)作的基礎(chǔ)模型。

這意味著機(jī)器人可以隨時(shí)調(diào)整姿態(tài)，而不是從動(dòng)作庫(kù)里調(diào)一個(gè)預(yù)設(shè)的走路、抬手和轉(zhuǎn)身。

第二層，是大小腦融合的高階技能層。

打通導(dǎo)航、避障、移動(dòng)操作、上下樓梯等復(fù)雜行為和全身運(yùn)控基礎(chǔ)模型間的對(duì)齊。

真正讓大腦能力觸達(dá)物理世界，這是運(yùn)動(dòng)智能與認(rèn)知智能之間的橋梁。

第三層，是認(rèn)知與決策。

理解自然語(yǔ)言、拆解任務(wù)、動(dòng)態(tài)規(guī)劃、調(diào)整優(yōu)先級(jí)——這些「大腦」的工作，都在這一層完成。

但關(guān)鍵不在于這三層本身，而在于它們是如何連接的。COSA讓這三層實(shí)時(shí)耦合。

上層的決策可以直接影響底層的動(dòng)作，底層的感知可以即時(shí)反饋給上層。

COSA讓他們?nèi)哌\(yùn)行如一體。

大模型落地到物理世界，最大的挑戰(zhàn)不是算力，而是「脫節(jié)」。

再聰明的大腦，如果不懂得調(diào)度身體的各種能力，不理解來(lái)自身體和物理世界的反饋，就只會(huì)臆想出理想的方案——卻在執(zhí)行的那一刻失敗。

COSA解決的就是這個(gè)問題。

它讓大腦真正「感知」到身體在做什么、環(huán)境發(fā)生了什么變化；也讓身體知道大腦想要什么，并且能夠靈活調(diào)整去實(shí)現(xiàn)它。

上層的決策可以影響底層的動(dòng)作，底層的感知可以反饋給上層，中間的技能層負(fù)責(zé)把兩邊對(duì)齊。

三層能力各自提升，會(huì)帶動(dòng)COSA整體水平提高；而COSA作為樞紐，把不同的技術(shù)和能力整合在一個(gè)系統(tǒng)里管理，保證這套系統(tǒng)能適應(yīng)物理世界的真實(shí)環(huán)境。

這是一個(gè)還沒有人做過的事情。

實(shí)現(xiàn)「知行合一」，即理解任務(wù)、感知環(huán)境、調(diào)整決策、組合技能、物理執(zhí)行的完整閉環(huán)。

三個(gè)能力，讓機(jī)器人真正「知行合一」

基于COSA的三層架構(gòu)，COSA能夠賦予機(jī)器人三大核心能力：

第一，理解「模糊指令」

「幫我拿兩瓶水到前臺(tái)給客人。」

這句話對(duì)人來(lái)說很簡(jiǎn)單。但對(duì)機(jī)器人來(lái)說，里面全是未知數(shù)：

水在哪？前臺(tái)在哪？客人是誰(shuí)、坐在哪？怎么走過去？

傳統(tǒng)機(jī)器人需要你一步步告訴它：先找到水、拿起水、轉(zhuǎn)向、去到前臺(tái)、找到客人、走到沙發(fā)旁邊、遞水……

COSA讓機(jī)器人能自己「填空」。

它會(huì)理解你的意圖，拆解成子任務(wù)，規(guī)劃執(zhí)行路徑，并且在過程中根據(jù)環(huán)境變化動(dòng)態(tài)調(diào)整。

這不是簡(jiǎn)單的語(yǔ)音識(shí)別，而是真正的意圖理解和自主規(guī)劃。

第二，擁有「記憶」

更厲害的是，Oli記得東西。

它會(huì)記住「剛才那個(gè)人是誰(shuí)」、「那個(gè)柜子里有什么」、「上次走這條路遇到了什么障礙」。

這種跨時(shí)間的語(yǔ)義記憶，讓機(jī)器人從「響應(yīng)式」變成了「認(rèn)知式」。

它不只是看到什么就反應(yīng)什么，而是能基于過去的經(jīng)驗(yàn)做出判斷。

機(jī)器人開始真正「認(rèn)識(shí)」這個(gè)世界了。

第三，想到就能做到

最后一點(diǎn)，也是最關(guān)鍵的：COSA讓機(jī)器人的「想法」能變成「動(dòng)作」。

這聽起來(lái)理所當(dāng)然，但其實(shí)是具身智能最大的瓶頸。

很多機(jī)器人大腦很聰明，規(guī)劃得頭頭是道，但執(zhí)行的時(shí)候一塌糊涂。要么動(dòng)作不穩(wěn)，要么反應(yīng)太慢，要么遇到干擾就歇菜。

COSA的大小腦一體化，解決的就是這個(gè)問題。

逐際動(dòng)力用了一個(gè)很準(zhǔn)確的說法：「想得到，更做得到。」

具身智能的中國(guó)答案

從逐際動(dòng)力COSA這一具身Agentic OS，與Figure AI的大模型對(duì)比中，我們可以清晰地看到：

中國(guó)具身智能，正在從「跟跑者」變成「定義者」。

放眼全球，具身智能的競(jìng)爭(zhēng)正在加速收斂為「系統(tǒng)能力」的競(jìng)爭(zhēng)。

美國(guó)有Figure AI、Physical Intelligence這樣的頭部玩家，依托資本和技術(shù)優(yōu)勢(shì)快速迭代。

中國(guó)企業(yè)的機(jī)會(huì)在哪？

逐際動(dòng)力給出的答案是：具身智能的全棧能力。

包括：本體硬件、小腦運(yùn)控智能、大小腦融合的系統(tǒng)——三層能力，全部自研。

中國(guó)工廠能造出全球性價(jià)比的關(guān)節(jié)、最穩(wěn)定的電機(jī)，而COSA的發(fā)布證明，中國(guó)團(tuán)隊(duì)也能做出世界級(jí)的具身Agentic OS。

「想得到，做得好」——這不只是COSA的技術(shù)口號(hào)，也是逐際動(dòng)力對(duì)「中國(guó)方案」的一次作答。

逐際動(dòng)力的愿景很明確：服務(wù)于人，而非服務(wù)于工序。

機(jī)器人的價(jià)值，最終要體現(xiàn)在它能為人做什么。

從「機(jī)械表演」到「智能覺醒」

回到之前Oli停了一下的那個(gè)畫面：等待接收新的任務(wù)，然后把水送到了目的地。

這個(gè)動(dòng)作不復(fù)雜，但它背后代表的能力鏈條是：實(shí)時(shí)感知、記憶調(diào)取、意圖理解、任務(wù)規(guī)劃、動(dòng)態(tài)調(diào)整、穩(wěn)定執(zhí)行。

過去，這是六個(gè)獨(dú)立的模塊。

現(xiàn)在，這是一次連貫的「思考-行動(dòng)」。

這或許就是COSA最想說明的一件事：

機(jī)器人，終于不只是在執(zhí)行指令了，它開始有了一點(diǎn)自己的「想法」。

而這一刻，正是具身智能從Demo到產(chǎn)品的真正分水嶺。

回顧計(jì)算機(jī)的歷史，每一次「操作系統(tǒng)」的誕生，都意味著一個(gè)新時(shí)代的開啟。

Windows讓個(gè)人電腦走進(jìn)千家萬(wàn)戶，Android和iOS讓智能手機(jī)成為人手一臺(tái)的生活必需品。

操作系統(tǒng)的意義，從來(lái)不只是技術(shù)本身——它定義了一個(gè)生態(tài)的玩法，決定了未來(lái)幾十年的產(chǎn)業(yè)格局。

今天，人形機(jī)器人正站在同樣的十字路口。

硬件漸漸成熟，算法快速迭代，但行業(yè)仍然缺少一個(gè)真正意義上的「操作系統(tǒng)」：

一個(gè)能讓機(jī)器人像智能手機(jī)一樣，在各種場(chǎng)景中穩(wěn)定運(yùn)行、靈活應(yīng)變的底層基座。

COSA的發(fā)布，或許正是補(bǔ)上這塊拼圖的開始。

具身Agentic OS的時(shí)代，來(lái)了。