本文是视频《Physical Intelligence与机器人开源革命：“免费大脑”背后的四派力量与博弈｜机器人特辑》（作者：硅谷101）的精读笔记，配套原视频观看效果更佳。

Physical Intelligence与机器人开源革命：“免费大脑”背后的四派力量与博弈｜机器人特辑

机器人行业为什么集体免费送“大脑”？是做慈善还是钱太多？为什么开源模型能打败谷歌？2025年前后，小米、蚂蚁、阿里达摩院、宇树接连发布机器人开源模型，英伟达在CES升级了号称“世界首个开放人形机器人基础模型”的GR00T N1.6，连成立仅一年、融资超10亿美元的Physical Intelligence，也把最核心的π0开放给了全世界。这条视频把开源阵营拆成四股力量，讲清他们挑战特斯拉们的真实筹码，以及“免费”背后环环相扣的商业棋局。

图：从实验室机械臂到人形机器人，一场围绕“免费大脑”的生态战争已经开打

全景：一条主线看懂

全片沿“技术路线→人物网络→开源动机→生态博弈→时间窗口”的链条推进，是上期闭源篇（特斯拉、Figure的VLA路线与硬件数据护城河）的镜像：主创与全球顶尖具身智能实验室的研究人员深聊后，回答三个问题——开源模型凭什么挑战巨头？真开源还是假开源？面对特斯拉拿什么打？结论先行：开源与闭源不是两个阵营的对决，而是光谱上的多方博弈——单拎任何模型都不如巨头，但模型、数据、工具三层生态叠加后，争的实质是机器人行业基础设施的定义权。

图：主线逻辑——单点不如巨头，三层生态叠加才是开源的组合拳

一张表看懂：四股力量与代表模型

当前开源主流仍是VLA模型（视觉-语言-动作）：让机器人看得见环境、听得懂指令、做得对动作。视频把玩家分成四派——参数不大、以小博大的学院派（OpenVLA、Octo）；布局整套工具链的巨头生态派（英伟达GR00T、谷歌Gemini Robotics）；加速入场、从跟跑转向参与定义规则的创业公司与中国力量（自变量、OpenMind、小米、蚂蚁等）；以及追求极致精度与泛化的技术极致派（Physical Intelligence的π0）。

图：四股力量、七款代表模型，参数与开放程度差别巨大

模型/项目	阵营	参数量	关键看点	开放程度
OpenVLA	学院派	70亿	双视觉编码器+Llama 2，29项任务胜RT2X，成功率高16.5%	代码/权重/训练脚本全开
Octo	学院派	数千万	Transformer扩散策略，多平台可微调	轻量通用，人人可用
GR00T N1.6	英伟达	22亿	双系统快慢思考，端到端联合训练	权重公开，深绑英伟达生态
Gemini Robotics	谷歌	未公开	前波士顿动力CTO加盟，剑指“机器人安卓”	整体偏闭源
小米 Robotic Zero	中国力量	47亿	MoT架构分离“大小脑”，消费级GPU可跑	模型开源
蚂蚁 Lingbot VLA	中国力量	—	9种双臂机器人预训练，2万+小时真机数据	跨形态泛化路线
π0	技术极致派	数十亿级	flow matching连续控制，约50赫兹	权重+推理代码开放，训练数据闭源

本节要点：开源不是一股势力，而是四种动机完全不同的玩家同台——看清阵营，才能看懂后文每一手棋。

以小博大与极致控制：开源的技术底气

OpenVLA：70亿参数掀翻550亿的谷歌顶流。 2024年6月，OpenVLA一战成名：仅70亿参数，在29项机器人操作任务中全面击败谷歌DeepMind顶流模型RT2X——后者550亿参数，约是它的8倍，还背靠谷歌的算力与数据，成功率反而低了16.5%。论证核心在架构：RT2X只用一个视觉编码器，能力强但信息处理效率低；OpenVLA给机器人装了“两双眼睛”——DINOv2负责空间关系，SigLIP负责语义常识，再由Llama 2当“大脑”融合两类信息、处理指令推理。视频打了个比方：这像一个三人小团队，两类信息物理隔离、各自优化、统一决策。叠加OpenX Embodiment数据集与动作表示、训练策略的优化，胜利是“数据+架构+训练策略”的综合。结论随之浮现：具身智能领域，单纯的大不代表聪明。赛后团队彻底开源代码、权重、训练脚本，直接引爆行业后续优化、推理加速与微调浪潮——典型的开源故事：以小博大，撬动整个领域。

Octo：不求最强，但求人人可用。 机器人算法的老毛病是泛化差——针对特定机器人、特定数据集训的策略，换台机器、换个环境就得全部重训。与OpenVLA的“规模化开源”相对，Octo走“普及型开源”：数千万参数，基于Transformer的扩散策略，支持多机器人平台与传感器配置，可快速微调适配新观察与动作空间，追求用零样本方式覆盖广泛的机器人与场景——这就是“通用机器人策略”思路。

π0：把“手稳”做成核心竞争力。 Physical Intelligence（PI）2024年才成立但来头极大，走了一条差异化路线：别人把动作当语言token预测，它用flow matching（流匹配）直接生成连续关节轨迹，输出平滑控制信号。PI研究员、π0与π0.5论文作者克利一鸣受访时给出关键数字：π0控制频率约50赫兹，每秒更新约50次动作。高频连续控制带来质的飞跃——π0能完成折纸、玩扑克牌这类OpenVLA和Octo都难以胜任的极高精度任务。连“一口气输出约一秒的计划”都是刻意设计：一秒恰好50步，匹配50赫兹。这套思路比token预测更接近传统控制系统，只是控制信号由大模型生成，所以折叠衣物、抓柔性物体、操作细小零件时动作更流畅，减少抖动与迟滞。代码与权重通过OpenPi项目开放——商业公司开源核心模型并不常见；更罕见的是节奏：论文发布后数月内持续更新泛化与控制稳定性，还引入强化学习优化策略。π0.5的泛化测试最能说明问题：把模型装上移动机器人，送进训练数据里完全没有、“模型都不知道会怎么反应”的陌生家庭——结果虽不完美，但展现了类人泛化：像人到别人家做客，仍然能找到并拿走东西。

图：π0折纸般的精细操作背后，是每秒约50次的连续控制

本节要点：OpenVLA证明“大≠聪明”，架构分工能以小博大；Octo押注通用与普及；π0用50赫兹连续控制做出别人做不了的任务——三条路线共同回答了第一问：开源凭什么挑战巨头。

圈生态与抢定义：巨头、中国力量与理想主义者

英伟达：送模型，更是送一整套生态。 2025年3月GTC上黄仁勋亲自发布GR00T系列，2026年1月CES迭代至N1.6。技术上是双系统架构：System 2视觉语言模型负责“慢思考”（理解环境、解读指令、规划），System 1扩散Transformer负责“快思考”（高频输出精确关节动作），端到端联合训练；22亿参数，权重与代码公开，不少头部人形机器人公司拿到早期使用权。但真正的杀招是配套——Omniverse数字孪生、Isaac Sim合成训练数据、Cosmos视频数据、Newton物理引擎：不止给大脑，还给整条生产线。

谷歌：反复横跳后瞄准“机器人安卓”。 谷歌的开源史一波三折：早期RT-One开源代码与数据，更强的RT-Two及后续RT系列转闭源；2025年发布Gemini Robotics，挖来前波士顿动力CTO Aaron Saunders任硬件工程副总裁，DeepMind CEO Demis Hassabis提出“机器人界的安卓”愿景——做通用机器人操作系统。2026年CES，波士顿动力与谷歌DeepMind宣布战略合作，把Gemini Robotics整合进Atlas人形机器人。评价是：赛道转换快、野心大，但绝对是行业最重要的玩家之一。

中国力量：参与定义规则。 小米2月12日发布Robotic Zero，47亿参数，用MoT混合架构把“大脑”“小脑”分开，改善VLM模型普遍的推理延迟问题，开源后消费级GPU即可运行；蚂蚁Lingbot VLA走跨形态泛化路线，在9种双臂机器人上用2万多小时真机数据预训练，目标是“一个大脑控制所有类型机器人”；清华AIR与上海AI实验室联合推出X-VLA，刷新五大仿真基准，代码、数据、权重全公开，堪称学术界最彻底的开源范本之一；星海图开源真机数据集与G0 Plus模型，智元Go 1已部署真机执行任务，心动纪元AR 42也在探索自己的路线。创业公司中，自变量机器人CTO王浩在硅谷101播客中谈开源初衷：发扬开源精神、吸收社区经验，这次用了约几万小时真实世界数据；技术路线是在已训练好的基础视觉语言模型上扩展，强调视觉理解、空间推理、多语言指令遵循与高精度动作生成，希望对领域形成补充。

OpenMind：最纯粹的理想主义。 斯坦福教授杨立朴创立的OpenMind，为不同厂商的人形机器人构建通用软件层，OM One平台强调开源与跨硬件兼容，从始至终以开源为核心理念。他受访时这样描述愿景：

“让任何人、在任何地方，都能轻松构建能做有用事情的机器人——你只需要改变提示词。”（OpenMind创始人杨立朴谈OM One平台的定位）

图：从小米的消费级GPU到波士顿动力的Atlas，同一赛道上的两种野心

本节要点：巨头开源的本质是提前布局标准、控制生态；中国玩家正加速从跟跑转向参与定义规则；OpenMind代表“纯粹开源”的理想主义一极。

“复仇者联盟”与真假开源：免费背后的三重心机

人物网：造闭源堡垒的人，亲手打开了开源大门。 各阵营主导者并非对立，关系反而错综复杂。OpenVLA出自斯坦福与伯克利联合团队，核心人物是明星学者Chelsea Finn——MIT本科、伯克利博士，师从机器人学习“教父级”人物Peter Abbeel与Sergey Levine，2019年加入斯坦福任教，同时是PI联合创始人，一人串起开源闭源阵营的半壁江山；OpenVLA作者还包括丰田研究院、Google DeepMind、MIT等——开源是跨机构协作的产物。π0与OpenVLA更是“同门师兄弟”：Sergey Levine是机器人强化学习公认开创者之一，伯克利教授、前Google Brain研究科学家、PI联合创始人兼首席科学家。关键转折在于：Levine与Finn在谷歌时期参与RT-1、RT-2等闭源项目，离开后却推动了Octo与OpenVLA开源。PI创始团队堪称机器人AI的“复仇者联盟”：RT-1/RT-2/SayCan核心作者Karol Hausman、同出Google Brain的Brian Ichter、前Stripe高管兼知名投资人Lachy Groom、前Android工程副总裁Anton Ensmann——2024年初，这几位谷歌机器人基础模型核心成员陆续离职共同创办PI。结论一针见血：闭源阵营里最懂技术的一帮人，决定跳出来换一种方式做事。

矛盾焦点：融资超10亿美元的商业公司，凭什么免费送核心模型？ PI投资人包括Jeff Bezos、OpenAI、红杉资本、Khosla Ventures，2024年11月融资4亿美元，2025年11月再融6亿美元，估值56亿美元。视频的答案是：这可能是PI最有心机的商业策略——一是建立标准，全球开发者都在π0框架上建应用，π就成了事实标准定义者，别人每次使用都在巩固其生态地位；二是吸引人才，最优秀的研究者想去能发论文、影响行业的地方，OpenPI的GitHub已成机器人领域最热项目之一，比任何招聘广告都有效；三是加速数据飞轮，社区使用、发现问题、改进、贡献数据，回流让下一代模型更强。π0团队的说法更朴素：分享模型、帮大家快速上手，本质是降低机器人模型研究的入门门槛；开源在公司内部也是一个过程——重构刚发表的代码、测试、与社区验证“跑得起来”，工作不比一般研究轻松，但看到模型在“连自己都没想到的机器人”上运行，很有成就感。

图：从谷歌RT系列到Physical Intelligence，一张人物网串起开源与闭源

重要澄清：π0并非100%开源。 权重和推理代码公开，但完整训练pipeline与内部数万小时专有数据并未公开。主持人的定性很直白：

这是精心设计的“开源引流、闭源变现”——开源模型吸引开发者进入生态，闭源数据与训练能力保持竞争优势；社区能用模型，但最好的版本还得回官方。（主持人对PI开源策略的总结）

同样的争议也落在英伟达头上：有人说GR00T N1是“伪开源”，因为训练深度绑定英伟达硬件——H100集群训练、Omniverse仿真、Isaac Sim合成数据、最终部署在Jetson芯片上，全流程都在自家生态里。对比之下，OpenVLA和Octo无硬件绑定、无生态锁定、任何GPU都能跑——这也许正是“开放”与“开源”的根本区别。视频也给出平衡观点：行业如此早期，也许不存在绝对对错；可框架化为三种开放路径——学术开源求知识共享与科学可复现，商业开源求生态控制与市场标准，战略开放求平台锁定与硬件销售。受访研究者还观察到一个文化变化：大模型时代之前，研究是离散的，两三人疯狂做一个算法、以论文发表为第一要务，驱动是占据技术主动权；有了社区与开源体系，研究者更在乎工程化基础、社区繁荣与自己能贡献什么，荣誉来自社区贡献——开源既让人学到新东西，也让人看到自己对别人有帮助。

本节要点：商业开源不是慈善，而是“定标准、揽人才、转数据飞轮”的三重算盘；真假开源的试金石是——离开提供方的生态，它还能不能跑。

生态组合拳：数据、工具与稍纵即逝的窗口期

先看闭源的隐性劣势。 特斯拉有工厂、机器人、数据闭环，英伟达有全球最强算力，谷歌汇聚最顶尖人才——大学教授和创业团队凭什么扳手腕？答案是生态。有嘉宾指出，人形机器人表现好需要软硬件极其精细的协调：传感器、电压、稳压器、热管理、稳定性，一大堆问题；多家机器人公司普遍反映，保密状态下研发的东西在实验室里很难被利用起来。一个匿名案例很说明问题：某非常知名的公司为人形机器人自研芯片、拥有完整芯片架构，听起来是好思路——但正因为没人用，架构bug极多。闭源看似安全，没有社区测试改进，就可能变成“一个人闷头造车”。

优势一：数据集。 OpenVLA的横空出世正是靠OpenX Embodiment——由超20个研究机构（斯坦福、伯克利、MIT、CMU、Google DeepMind等）共同贡献的跨平台机器人数据公共资源：22种机器人本体，超100万条真实轨迹，覆盖527种技能。对比闭源：特斯拉数据量可能更大，但全是Optimus单一本体在自家环境的数据；Figure只有自家产品的操作；OpenX是几十种形态的机器人在厨房、实验室、仓库、办公室采集。RTX实验证明了核心论点——数据多样性比数据量更重要：RT-1-X在小数据域比单独训练的模型高50%；RT-2-X涌现出原模型没有的空间推理能力，达RT-2的3倍，能理解on与near的语言差异（on要求物体间建立接触和支撑关系，near只是空间临近），还能执行训练时从未见过的技能组合。结论：只要数据够多样，模型不是最大也能大幅提升。π0的内部数据佐证了开源阵营的追赶速度：发布时其数据量已超过此前谷歌研究院收集数据的总和，且随经验积累，数据收集成本持续下降、瓶颈逐步缓解。OpenX的另一大贡献是格式标准化——统一涵盖视觉观察、本体感知、动作序列、语言注释四类信息，终结了各实验室格式互不兼容、合训前要先花几个月写转换代码的历史。不过数据仍是行业最大挑战，专家分歧明显：一派认为大语言模型已含足够物理常识，只需少量机器人数据微调；另一派认为物理世界的细节必须靠真实机器人数据学习，互联网视频远远不够，且不同任务、不同精度需要不同的数据策略。

优势二：工具层。 LeRobot由Hugging Face从特斯拉挖来的工程师Rémi Cadène带队（曾参与Autopilot与Optimus项目），目标是“让训练机器人像训练语言模型一样简单”，做了三件关键事：定义统一数据格式、一键集成多种主流策略模型、打通数据采集-训练-真机部署全流程（以前需要三套工具链）；GitHub超2万星，已成开源机器人训练标准之一。Hugging Face的野心还延伸到硬件：2025年收购法国Pollen Robotics，推出7万美元的Reachy 2开源人形机器人（已进入康奈尔、CMU等实验室），另有250美元的Reachy Mini，以及与The Robot Studio合作、100美元可在家3D打印DIY的SO-100机械臂——硬件+软件+社区打包成完整生态。仿真侧，2024年12月发布的Genesis由CMU主导、联合MIT、斯坦福、英伟达等20多个实验室：仿真数小时即可生成相当于现实世界多年训练的样本，官方数据显示一张RTX 4090模拟Franka机械臂达每秒4300万帧、是实时的43万倍——Genesis里1小时约等于真实世界49年以上。以前只有大公司负担得起的大规模仿真，如今研究生用一张消费级显卡就能做到；与此同时，英伟达联合Google DeepMind、Disney Research开发开源物理引擎Newton，与Genesis直接竞争。两件工具把训练机器人的门槛从百万美元级降到几百美元。

三层联动的化学效应与时间窗口。 单看任何一层开源都不占优：人才密度和算力不如谷歌，数据量不如特斯拉，工具链完整度不如英伟达；但模型、数据、工具三层叠加，能量巨大。一个完整案例即可跑通全流程：用OpenX Embodiment数据、在LeRobot框架上训练OpenVLA、用Genesis做仿真验证、再部署到100美元的SO-100机械臂——全程开源、免费、可复现。更关键的观察是起跑时间：大语言模型领域开源是追赶者，落后OpenAI、Anthropic、谷歌1~2代；而机器人领域开源与闭源几乎同时起跑——OpenVLA在2024年6月就击败了RT2X，因为行业太早期，没有任何公司建立压倒性的数据或算法优势，这是开源难得的公平竞赛窗口。警告同样明确：若错过窗口，等闭源公司积累起足够的数据飞轮，开源可能就很难追上了。

图：100美元的SO-100机械臂+开源数据+开源框架，全流程可复现

本节要点：开源的胜负手不是单点模型，而是“数据多样性+工具平民化+模型可微调”的组合拳；机器人开源正处于与闭源同时起跑的公平窗口期，而这个窗口不会永远开着。

四道坎与两种终局

眼前的四道坎。 一是算力门槛：虽有Octo这类轻量模型，训练顶级开源模型仍需大投入——OpenVLA用了64张A100、跑了15天，对普通研究者仍是不小的开支。二是数据质量：OpenX虽大，但各来源标注标准参差不齐；特斯拉数据多样性不如开源，同一套系统采集的一致性却更强。三是工程化差距：开源论文出色，但demo到产品之间鸿沟巨大——闭源公司有完整工程团队做优化、测试、售后，开源社区擅长创新探索，产品化往往要靠闭源公司完成。四是安全：人人都能训练机器人，如何防危险用途？物理世界AI的风险远高于大语言模型——聊天机器人说错话最多尴尬，物理机器人做错动作可能造成伤害。OpenMind的杨立朴给出一个前卫方案：把规则写进以太坊区块链，因为它不可变、无法篡改——机器变聪明后，要预见它们可能隐藏行为、篡改历史、获得超出应有的权力，规则必须写在公开且不可更改之处作为额外保险。这个想法业界争议不小，但至少说明开源社区在认真思考安全。

图：当机器人走进千家万户，“谁来保证它安全”成了开源必须回答的问题

两种终局。 自变量CTO王浩给出时间线：既然明确看到规模化带来的提升，路径和目标就更明确、也更唯一——他预测1~2年内机器人模型可达到GPT-3水平，即从完成简单指令跃迁到理解复杂意图并灵活执行，那将是一个分水岭。历史的镜像是：LLM时代见证了OpenAI从开放走向封闭，以Open命名的公司变成市值千亿的闭源商业帝国；机器人时代同样的故事可能重演。但也可能不重演——机器人领域拥有大语言模型时代没有的东西：一个从一开始就足够强大的开源生态。视频结尾，杨立朴以父亲的身份解释了坚持开源的理由：

“我有两个孩子。我不希望有一天他们打开家门，遇到一个人形机器人说：‘你好，我是你的新机器人，我运行着你无权查看的软件。’重要的技术应该完全公开透明，我愿意相信这会让技术更安全。我希望孩子们将来能为身边的人形机器人添加功能，为那个世界做贡献。”（OpenMind创始人杨立朴受访时，以父亲身份解释为何坚持开源）

图：开源的终点不是代码，而是信任

另一位受访研究者把愿景落回产品观：人们应该能为自己身边的人形机器人添加功能、为机器人世界做贡献，而不是买回一个装在盒子里、自己打开说声“你好”就完事、运作方式保密的产品——开源的核心是Trust（信任），也关乎Safety（安全）。复盘全片四股力量——学院派、巨头、创业派（含中国公司）、被单独重点讲述的Physical Intelligence——各方出于不同目的、在不同程度上参与生态搭建，但可以确定：这样的开源生态正在帮助行业进一步突破技术与创新的边界。开源与闭源表面是技术路线之争，本质是生态之争，争的是谁来定义机器人行业的基础设施层。正如片中所言：互联网运行在开源代码之上，Android是开源的，当然总有公司想像苹果一样控制软件、硬件、云的一切——但苹果很出色，三星、谷歌等许多公司也乐于在手机中使用开源软件，每家公司都要自己决定把时间和金钱投向哪里。

本节要点：算力、数据质量、工程化、安全是开源眼前的四道坎；远期看，机器人既可能重演OpenAI式“由开放转封闭”，也可能凭借“从第一天就强大的开源生态”走出新剧本。

总结要点

• 机器人开源背后是四股力量：学院派（OpenVLA以70亿参数击败8倍于己的RT2X、Octo做普及型通用策略）、巨头生态派（英伟达GR00T双系统+全家桶、谷歌Gemini Robotics瞄准“机器人安卓”）、创业与中国力量（小米、蚂蚁、X-VLA、星海图、自变量、OpenMind）、技术极致派（π0的50赫兹flow matching连续控制）。
• 开源敢挑战巨头，靠的不是单点模型，而是模型+数据+工具三层生态叠加：OpenX Embodiment的100万+轨迹证明“多样性>规模”，LeRobot与Genesis把训练门槛从百万美元级降到几百美元。
• 商业开源不是慈善：PI的“定标准、揽人才、转数据飞轮”三重算盘与“开源引流、闭源变现”结构，英伟达“开放”背后的硬件锁定，都提醒我们看懂免费背后的商业闭环——“开放”与“开源”有本质区别。
• 开源与闭源的边界是光谱不是对决：Chelsea Finn、Sergey Levine既参与谷歌RT系列闭源，又推动开源、创办PI；谷歌闭源的RT-2X也用开源数据训练。
• 行业正处于开源与闭源“同时起跑”的公平窗口期，但算力、数据质量、工程化、安全四道坎仍在；1~2年内机器人模型或达GPT-3水平，届时格局将见分晓。

迁移与启发

• 职场：把积累放在“开放生态”里，而不是“保密项目”里。 片中匿名大厂自研芯片因无人使用而bug丛生，反例是OpenVLA作者凭跨机构公开协作一战成名。对普通人：每年留一部分精力做可公开、可积累、可被检验的成果（开源贡献、行业认证、可迁移的方法论），你的市场价值由“离开平台后还剩下什么”决定；全锁在一家公司保密体系里的经验，议价能力会随绑定加深而衰减。
• 投资：见到“免费”，先找闭环。 AI与机器人公司大举开源往往不是让利，而是“开源引流、闭源变现”——送模型、锁生态、赚硬件/算力/数据。判断相关标的时问三个问题：免费送的东西绑定了自家什么付费产品？数据飞轮真的在转吗？它是标准定义者还是跟随者？没有闭环的情怀式开源，估值故事要打折扣；能成为“事实标准”的开放策略，护城河可能比专利更深。
• 生活：用“多样性优于规模”做决策。 RT-2-X的实验证明，多样数据比更大数据量更能带来能力涌现。迁移到个人：跨领域、换环境、接触不同人群的“多样性投入”，往往比在同一轨道上单纯加倍努力更能提升解决新问题的能力；预算有限时，主动设计“小成本的多样体验”（跨部门项目、陌生领域技能、不同城市的短期生活）比重复堆量更划算。购置智能家居、机器人等设备时，也优先选协议开放、社区活跃、数据政策透明的产品，避免被单一厂商锁定。

一句话升华

开源与闭源之争，争的从来不是几行代码，而是下一个物理智能时代的定义权——而这一刻，定义权第一次向每一个普通人敞开。