从硬件到数据：软银洽购1X背后的机器人技术栈变革

软银洽购 1X 多数股权的消息传出来时投资圈的第一反应是“孙正义又回来了”。但往深一层看这次回到的不是原来的牌桌。他过去在机器人上最出名的两笔操作一个是 Pepper一个是波士顿动力都偏向于把硬件和运动控制做到极致而这次的标的 1X是一家典型依靠数据和模型驱动的人形机器人公司。这个转变比交易金额本身更有意思。先说我的判断如果这笔交易最终完成人形机器人行业的竞争重心会进一步从“谁的硬件更好看、跑得更稳”转向“谁的数据飞轮转得更快、模型学得更快”。1X 的价值不在那条机械臂或那双机械腿而在它从遥操作开始积累的技能数据以及把大模型接进机器人动作输出的工程链路。对做技术的读者来说这其实是一个行业风向标学机器人的核心技能清单正在发生结构性变化。这篇文章不聊估值不聊资本运作只从技术视角拆三件事1X 这家公司到底做了什么大模型时代的人形机器人技术栈到底发生了什么变化以及一个普通工程师现在想进入这个领域应该从哪里搭环境、跑仿真、录数据、练模型。后半部分会给出可以直接在本地跑通的最小实践适合第一次接触机器人的读者。1. 这笔交易为什么值得技术人关注很多人对孙正义的机器人记忆还停留在两个瞬间一个是 2014 年 Pepper 发布时那个能聊天、能识别情绪的机器人站在台上另一个是 2017 年软银从谷歌手里接过波士顿动力几年后又把控制权让给了现代汽车。这两件事放在一起看很容易得出一个结论孙正义的机器人牌打得并不顺利。但这次洽购 1X说明他的打牌方式变了。波士顿动力代表的是古典派路线。Atlas 的双足跑酷、后空翻先解决的是“怎么把身体控制住”再考虑商业落地。这种路线的技术壁垒很高但商业化路径很长硬件成本也贵。孙正义显然知道这条路的代价所以这次他看上的 1X走的是完全相反的路数。1X 先做的 EVE 是轮式底盘加双臂的移动机器人已经用在安保巡逻、后勤服务这类相对可控的场景里再做的 NEO 才是面向家庭和办公场景的双足人形机器人。先做能落地的形态再做理想形态这个顺序和波士顿动力几乎是反着来的。如果软银真的拿下 1X 多数股权意味着它不再只投资单一技术亮点而是买下一整套“AI 原生机器人公司”的组织资产硬件设计、仿真环境、遥操作团队、模型训练管线还有客户现场持续产生的数据。这笔交易真正值得技术人关注的原因在于它把一类公司的定价逻辑暴露在所有人面前。过去机器人公司估值主要看硬件能力和行业订单1X 这类公司让人觉得值钱是因为它把数据资产和模型训练能力放到了估值模型的中心。一个做机器人算法的工程师未来可能同时要理解数据标注、遥操作、模型评测和真机部署。这不是某一家公司的变化而是整个行业岗位需求的变化。2. 1X 的技术底牌EVE 与 NEO 背后的两条产品路线2.1 EVE轮式先行先把商业闭环跑起来EVE 是 1X 最早对外规模化展示的产品。它没有双腿是一个轮式移动平台加双臂外观看起来更像一台移动操作机器人。这种设计在今天看非常务实轮式移动的控制难度比双足低一个数量级稳定、安静、便宜也更容易通过安全审查。在安保巡逻、楼宇后勤、结构化巡检这类场景里轮式双臂已经能承接不少任务不需要为了“像人”而强行双足。EVE 对 1X 的战略意义不只是营收更是数据采集。机器人在真实环境里巡逻、整理、搬运每一次执行都会产生视觉数据、关节数据、交互反馈。这些数据单独看没有价值但当数据量到了一定规模配合模型训练就会变成机器人的“肌肉记忆”。1X 选择轮式形态本质上是想先把数据采集和商业闭环跑通而不是一上来就挑战双足。2.2 NEO双足形态重新定义服务机器人NEO 的定位更接近大众想象的人形机器人双足、双臂、头部面向家庭和服务场景。从 1X 公开的物料和演示来看它的设计语言是“安静、安全、柔和”大量使用织物和软性材料动作速度不追求极致强调的是在人类环境中长时间工作的可接受度。它不是用来跑酷的是用来叠衣服、整理房间、做简单家务的。这里有一个容易被忽略的技术点NEO 这类形态对感知和交互的要求非常高。家庭环境是非结构化环境物体千奇百怪光照随时变化还可能有人、宠物在移动。这意味着机器人的智能不能写死必须在数据里长大。NEO 要走通靠的不是更精密的电机而是更高质量的“视觉—语言—动作”训练数据。2.3 数据飞轮才是核心资产1X 真正被资本市场高看一眼的是它的数据飞轮。人形机器人目前最缺的往往不是算法论文而是高质量的动作数据。1X 的做法是大量使用遥操作远程操作员戴上控制设备操控机器人完成各种任务系统把操控期间的关节角度、力矩、图像数据全部记录下来再拿这些数据训练模型让机器人逐渐从“被操控”走向“半自主”再到“全自主”。从公开演示看NEO 已经能在一段时间内独立完成叠衣服、物品整理这类任务背后就是大量高质量遥操作数据的支撑。这给技术人的启示是很直接的数据已经不是辅助资源而是核心资产。一个团队如果能在真实场景里持续拿到高质量动作数据哪怕模型算法和别人类似也会在竞争中占明显优势。3. 大模型时代的人形机器人技术栈从控制优先到数据优先3.1 古典技术栈感知、规划、控制三层结构传统人形机器人技术栈可以概括为“感知—规划—控制”三层。感知层用 SLAM 建图、目标检测找物体规划层做路径规划和机械臂轨迹规划控制层用 MPC、WBC 这类优化算法实时计算机器人腿部、手臂的运动和力矩。这套体系在工业界非常成熟但有一个瓶颈每一层都需要人类专家手工调整大量规则和参数换一个场景可能又要重新调一遍。在古典技术栈里算法的鲁棒性和实时性是核心竞争力数据不是主角。这也是为什么过去很多做机器人的团队最稀缺的岗位是控制算法工程师和机器人操作系统工程师。3.2 AI 原生技术栈从模型直接出动作以 1X 为代表的 AI 原生路线把问题换了一个问法能不能让模型直接从视觉、语言和关节数据里学习出“下一步该怎么做”于是就有了 VLA 这类模型全称 Vision-Language-Action输入可以是摄像头图像加一段自然语言指令输出可以直接是关节目标或动作序列。与此同时世界模型也在被引入机器人训练用来预测动作之后世界会变成什么样帮助机器人在行动之前做更长远的规划。AI 原生技术栈并不是要推翻底层运动控制而是把模型放到决策的中央位置。底层仍然需要高精度的关节驱动、稳定的姿态控制但“什么时候走、伸手拿什么、抓多大力”这类曾经依赖手工写规则的问题交给了数据训练出来的神经网络。3.3 两条路线对比维度古典技术栈AI 原生技术栈核心智能规则、优化算法预训练大模型、扩散策略动作产出MPC/WBC 输出力矩VLA 输出动作序列场景适配专家手工调参数据驱动、端到端学习数据需求低高商业化节奏慢、重资产先跑通场景再扩展数据代表方向波士顿动力早期路线1X、Figure 等 AI 原生公司3.4 真正的变化是主从关系倒转这里要强调一个容易误判的点古典技术栈并没有被淘汰底层运动控制、机电设计永远需要。真正的变化是主从关系变了。以前大模型是辅助工具用来做视觉识别或对话现在大模型是决策中枢经典控制算法退化为执行层的一部分。换句话说机器人公司的核心工程师画像正在从“调好一个控制器”转向“管好一条数据管线、训练好一个模型、再把它安全部署到真机上”。4. 为什么是现在孙正义在押注什么孙正义这几年很少再谈 Pepper 那样的“硬件爆款”他反复讲的是 AI 带来的指数级变化。从投资 Arm到重仓 AI 基础设施再到把触角伸向具身智能本质上是在押同一件事通用人工智能最终需要一个物理载体。为什么是现在几个技术条件正在同时成熟。第一大模型能力外溢到了机器人领域。多模态模型已经能理解图像和语言机器人不再需要从零训练视觉系统可以直接复用预训练模型做场景理解。第二仿真工具链成熟度大幅提高。MuJoCo、Isaac Sim 这类物理仿真引擎让研究人员可以用很低的成本采集数据、验证算法而不是每一次迭代都要在真机上冒险。第三硬件成本在持续下降。过去一套双足机器人核心平台成本极高现在产业链逐渐成熟公开信息也显示双足平台的整体成本正在明显下探这让“先跑数据、再谈量产”变成可能。另外从产业节奏看具身智能正处在一个标准的“资本催化期”模型能力已经足够让人形机器人完成演示级任务但距离大规模商用还有距离这时候最需要的是持续资金去采集数据、打磨系统。孙正义在这个节点选择 1X是在赌未来三到五年数据驱动的人形机器人会跨过可用性门槛进入真正的家庭和商业场景。当然风险也同样明显。人形机器人现在仍面临安全、可靠性、成本、政策合规等多重挑战。一次错误判断可能在物理世界造成严重后果所以既需要技术验证也需要在受控场景里逐步部署。这笔交易如果落地软银带给 1X 的不只是钱更是全球化的商业渠道和战略判断力但它并不能替机器人解决“最后一步的物理可靠性”。5. 开发者上手第一步本地仿真环境搭建不管你看好哪家公司进入人形机器人赛道的第一块实践场地都是仿真。这里以一个本地可跑的最小流程为例不涉及真机也不需要昂贵设备。你需要一台能运行 Linux 或 macOS 的开发机装好 Python 3.9 或更高版本然后安装 MuJoCo。MuJoCo 是开源物理仿真引擎很多机器人论文、课程和开源项目都把它作为标准工具。它支持 MJCF 或 URDF 模型格式能模拟关节、碰撞、力矩和传感器适合用来快速验证控制思路。先创建虚拟环境并安装依赖python3 -m venv .venv source .venv/bin/activate pip install mujoco安装成功之后可以写一个最简单的 MJCF 机器人模型。下面这个模型包含一个自由躯干和两条腿每个髋关节和膝关节各有一个电机驱动适合观察重力作用下的自然倒落。!-- 文件路径simple_biped.xml -- mujoco modelsimple_biped option timestep0.002 gravity0 0 -9.81/ worldbody light pos0 0 2/ geom namefloor typeplane size2 2 0.1/ body nametorso pos0 0 0.5 freejoint nameroot/ geom nametorso_geom typebox size0.1 0.05 0.1 mass8/ body nameleft_leg pos0 0.08 -0.15 joint nameleft_hip typehinge axis1 0 0/ geom nameleft_thigh typecapsule size0.03 0.1 mass2/ body nameleft_foot pos0 0 -0.12 joint nameleft_knee typehinge axis1 0 0/ geom nameleft_foot_geom typebox size0.05 0.03 0.02 mass0.5/ /body /body body nameright_leg pos0 -0.08 -0.15 joint nameright_hip typehinge axis1 0 0/ geom nameright_thigh typecapsule size0.03 0.1 mass2/ body nameright_foot pos0 0 -0.12 joint nameright_knee typehinge axis1 0 0/ geom nameright_foot_geom typebox size0.05 0.03 0.02 mass0.5/ /body /body /body /worldbody actuator motor nameleft_hip_motor jointleft_hip gear1/ motor nameleft_knee_motor jointleft_knee gear1/ motor nameright_hip_motor jointright_hip gear1/ motor nameright_knee_motor jointright_knee gear1/ /actuator /mujoco这个模型的物理参数并不复杂关键是让你理解 MJCF 的组织方式worldbody 定义刚体joint 定义自由度actuator 定义驱动。有了模型再用 Python 驱动仿真。# 文件路径run_simulation.py import mujoco # 加载模型 model mujoco.MjModel.from_xml_path(simple_biped.xml) data mujoco.MjData(model) # 仿真 500 步观察躯干高度变化 for step in range(500): # 先不给任何力矩观察机器人因为重力倒下 data.ctrl[:] [0.0, 0.0, 0.0, 0.0] muj