一、案例背景
具身智能(Embodied AI)是2025—2026年全球科技产业最炙手可热的赛道之一。与传统工业机器人依赖预编程执行固定动作不同,具身智能机器人试图通过视觉—语言—动作(Vision-Language-Action, VLA)大模型,让机器人“看懂”环境、“听懂”指令、“做出”动作,从而适应柔性生产、物流分拣、家庭服务等非结构化场景。据高盛研究部预测,到2030年全球人形机器人市场规模有望突破300亿美元,而基础模型被视为这一产业的“大脑”制高点。
然而,训练一个通用VLA基础模型的门槛极高:需要数千小时的真机遥操作数据、大规模GPU集群、跨学科算法团队,以及持续迭代的评测体系。对于以硬件起家、擅长本体设计与运动控制的中国机器人企业而言,从零训练基础模型既不经济也不现实。正是在这一背景下,2026年中国具身智能产业出现了一个耐人寻味的现象——机器人公司开始“借用”别人开发的“大脑”,再在此基础上构建自己的落地能力。
乐聚机器人是这一趋势的典型样本。乐聚成立于2016年,总部位于深圳,是国内较早从事人形机器人研发的企业之一,其Kuavo(夸父)系列人形机器人已进入工业制造、商业服务等场景。与许多同行一样,乐聚的核心优势在于机器人本体设计、关节模组、运动控制与系统集成,而非基础大模型训练。2026年5月30日,乐聚开源项目LeTools-Learning宣布支持多种已有机器人模型,包括π系列、GR00T和蚂蚁灵波LingBot-VLA等,标志着其“开放模型接入”策略的公开化。
2026年8月26日,乐聚发布面向工业操作的机器人模型KUAVO-VLA-1.0。该模型并未从零训练,而是以蚂蚁灵波的LingBot-VLA 2.0为基础模型,再用乐聚自有的680小时双臂遥操作数据、覆盖100项工业任务(约5.88万段操作示教)进行工业领域再训练,最终形成适配Kuavo本体、面向工业操作的专用模型。在“舍弗勒小件上料”真机评测中,KUAVO-VLA-1.0完整任务成功率达到60%,而采用相同基础模型、仅做专项训练的对照方案成功率仅为27%;过程分分别为88%和52%。但在“零件尺寸分拣”任务上成功率仍为0%,在“快消品双手协调上料”任务上为60%,低于π0.5的80%。能力提升并不均衡。
……