半泽直树

新智元报道

中国机器人的AstraTennis时刻，来了。8月22日，第二届世界人形机器人运动会开幕，中央广播电视总台面向全球直播。当镜头扫过赛场，全场的呼吸仿佛都停滞了。    　　马斯克传来重大动作。球网两侧，一边是人类网球名将，另一边，是一台人形机器人。这一刻，标志着中国技术创新迎来足以载入史册的具身智能奇点。　　据最新消息，世界首富马斯克旗下特斯拉将于当地时间9月3日举行Cybercab发布活动。

B | 全球第一场真正意义上的人机网球对战，正式开打！

世界首次人机对战网球赛一上来，就是精彩的人机混合网球双打。据悉，Cybercab没有方向盘、制动踏板、后视镜，是一款完全为自动驾驶而生的纯电动双座轿车。令人意外的是，银河星仔的表现非常精彩：它步法矫健，根据需要迅速前后移动，打得十分流畅。而且，星仔和人类搭档非常默契地形成了一前一后的站位，全力应战对面的对手。

接下来，由网球名将郑洁和银河通用机器人，开展了全世界第一次人机对战的网球单打比赛。　　股价表现方面，美东时间8月21日，特斯拉股价大幅飙涨，盘中一度大涨超6%，截至收盘，涨幅达5.14%，总市值升至1.43万亿美元。

无论是正拍还是反拍，机器人都和人类打得有来有回。然后，郑洁决定上点难度，打出一个月亮球。结果，在被对手左右调动的过程中，机器人不小心摔了个四脚到底。出乎意料的是，下一秒，它居然立刻调整姿势站了起来。在此之前，马斯克曾多次将Cybercab和Robotaxi服务定位为特斯拉未来营收和利润的重要来源。而面对郑洁的切削和旋转，机器人的判断居然也很不错。

C | 　　特斯拉官宣　　8月22日，特斯拉在社交平台上宣布，将于当地时间9月3日在得克萨斯州奥斯汀举行Cybercab发布活动。

终于，郑洁知道不能放水了，开始左右前后分点调动，机器人出人意料地完成一个精彩的跨步，赢得现场喝彩。

D | 　　特斯拉Cybercab是一款完全为自动驾驶而生的纯电动双座轿车，也是其无人驾驶出租车（Robotaxi）业务的首款专属车型。

E |

比赛结束，机器人的表现让所有人欢呼。整场比赛里，屈膝、抛球、转体这些动作全都由人形机器人自己完成。

F | 而且，发球时速达到一百多公里，留给它的反应时间只有零点几秒，它却几乎没有掉链子。　　据介绍，这款车没有方向盘、后视镜，也没有刹车踏板，其前排仅剩一块中控屏用于交互，是特斯拉专为其自动驾驶叫车服务Robotaxi打造的首款专用车型，也完全依赖特斯拉的FSD（全自动驾驶）系统来驾驶。　　这一设计的核心含义是：一旦自动驾驶系统遇到问题，车内没有人类驾驶员可以接管。特斯拉表示，公司配备了远程操作员，可在紧急情况下介入监控并接管车辆。　　据The Information此前报道，特斯拉计划分两步推进：先在公共道路上向员工提供Cybercab乘车服务，数天后再正式向公众开放。这台机器人，正是来自银河通用。

G | 十年前，AlphaGo赢了李世石。十年后国产机器人与网坛顶尖运动员同台竞技。　　特斯拉的目标是将Cybercab的售价控制在3万美元以下。据其介绍，Cybercab的能耗表现也很突出，每英里用电成本远低于Model 3，旨在为大规模车队运营打下成本基础。

H | 如果说AlphaGo证明AI能征服数字世界，那么今天，银河通用的国产机器人证明：AI能扛住物理世界的极限压力测试。它第一次从代码里站了起来，在真实的对抗中奔跑、挥拍、博弈，甚至摔倒后自己爬起，继续战斗。　　目前特斯拉Robotaxi服务主要使用Model Y车型，今年1月22日已在奥斯汀启动无人监督的全自动驾驶运营，6月3日完成全市范围无安全员服务全覆盖，6月22日面向公众开放付费搭乘。

I | 　　马斯克近日宣布特斯拉奥斯汀Robotaxi取消车内安全员过去7个月后，有迹象表明，当地的Robotaxi服务终于全面进入真正的无人驾驶阶段。

J | 如此精彩的具身智能AstraTennis时刻，被全球同时见证！

中国机器人的AstraTennis时刻为什么这场网球赛，能引起全球科技圈的巨大地震？因为网球，是对具身智能极致的压力测试。由于反应时间只有零点几秒，这项运动，同时将机器人的感知、决策、全身运动控制和实时博弈能力逼到了物理极限。而且，打网球比下围棋对AI来说难得多。毕竟，AlphaGo面对的是19路网格上361个确定的交叉点，对手落子后，它有几十秒甚至几分钟来推演下一步。那是数字世界的博弈，解空间虽大，但边界清晰，规则恒定。　　Robotaxi Tracker创建者伊森·麦卡纳透露，过去两周，网站监测到的奥斯汀170次特斯拉Robotaxi行程全部都没有车内安全员，共涉及54辆汽车。整个世界是静态的、离散的，AI对此一览无余。类似变化也出现在达拉斯和休斯敦等其他城市，在过去一周内，约有30辆无人驾驶特斯拉汽车投入运营。

K | 虽然这道题的解空间比宇宙原子数还多，但对AI而言这也不过是道难度更大的「数学题」。　　特斯拉有望在本次活动中官宣Cybercab加入Robotaxi服务车队，不过推广节奏仍待采集Cybercab全新底盘实测数据与监管审批进度。

但网球场不一样。　　回顾此前，自6月起，Cybercab已在全美多地公共道路上被目击进行测试，包括奥斯汀。

L | 球以每小时一百多公里的速度过来，落点受旋转、风、场地摩擦影响，每一拍的物理参数都不重复。

M | 机器人必须在几百毫秒内完成感知、预测、决策、全身协调，同时保持自己不摔倒。7月，特斯拉开始允许员工在奥斯汀园区私人道路上乘坐Cybercab，并收集反馈意见——这与去年奥斯汀Robotaxi首个站点上线前的准备流程如出一辙。　　今年6月30日，首辆量产版Cybercab开始工程测试，车辆在无方向盘、无踏板状态下上路行驶；7月，内部员工在奥斯汀园区私人道路上开启通勤试运营，这与去年Robotaxi上线前的流程类似。对手是打活人，会骗机器人，还会变节奏。这，就是莫拉维克悖论的现场版。1988年，卡内基—梅隆大学移动机器人实验室主任汉斯·莫拉维克就指出过：「让计算机在智力测验或下跳棋时表现出成人水平的表现相对容易，但要赋予它们一岁儿童在感知和行动方面的技能则困难甚至不可能。　　近期，特斯拉还在奥斯汀完成了对急救人员的紧急培训，教导他们如何处理Cybercab相关突发情况，例如在必要时如何移动车辆。奥斯汀市政府发言人对此予以确认。」三十多年过去，前半句早已兑现，但后半句却很难实现。　　马斯克的关键一战　　马斯克曾多次将Cybercab和Robotaxi服务定位为特斯拉未来营收和利润的重要来源，也是其AI战略的核心支柱。

N | 　　据爱建证券推算，Cybercab购置成本或较网约车降低30%，降本空间来自供应链整合与结构设计优化。所以，这次网球赛真正的意义，要远远大于「机器人会不会打球」。它问的是：这一次，AI究竟能不能从数字世界走出来，把感知、决策、运动控制和实时博弈在真实物理环境里闭环跑通？AI不能止步于思考，而是要完成从认知决策到全身执行的完整闭环。这一次，中国企业率先交卷了！赛场上，银河通用机器人的表现，实在令人惊艳。发球、正手、反手、底线调动、网前截击这些单项能力，在比赛里全部出现了，而且全都是超常发挥。

o | Cybercab通过去除方向盘、踏板等部件、采用小电池方案降低整车复杂度，并配合新生产工艺，单车成本较同期美国网约车主流车型购置成本低约30%。而双打，考验就更大了。

p | 机器人和人类队友同场，要实时判断谁去接这个球、谁补位，动态调整打法和。所以，它要理解的不只是球，还有队友下一步想干什么。高速攻防里，还出现了极限救球的场面。而Cybercab量产运营成本约0.21–0.25美元/英里，接近传统网约车的20%，为Robotaxi盈利成立的核心支撑。

q | 　　特斯拉在7月最新财报中披露，特斯拉Robotaxi业务目前覆盖七大区域，其中2州6城无监督运营，无监督驾驶累计超38万英里，近数月周度里程保持双位数增速，服务期间零重大事故，累计付费里程接近250万英里。摔倒之后，机器人自己站起来，继续打。　　据悉，特斯拉雇用了数百名安全操作员，负责测试软件、优化系统，并协助湾区的叫车服务。不过，在迈阿密等新市场，特斯拉已开始减少安全操作员数量，并在车辆上路初期不再安排员工随车。　　在资本投入层面，特斯拉今年资本支出同比增长逾一倍，达到近58亿美元，主要用于AI相关项目。马斯克的逻辑是：特斯拉不应被视为一家单纯的汽车制造商，AI与自动驾驶才是其未来的核心。

r | 很多人第一反应是：这些单项动作，之前机器人不是做到了吗？投篮、踢球、跑百米，过去两年人形机器人的视频里似乎什么都有。　　值得注意的是，特斯拉上个月已开始在德州生产Cybercab，但随后表示2026年内不会达到量产规模。马斯克在7月财报会上解释称，由于Cybercab采用全新平台，特斯拉需要先积累专属驾驶数据，才能进一步扩大投放规模。（文章来源：券商中国）。但其中最大的差别在于，网球是两个玩家在对抗。跑步的环境是确定的，网球的每一拍都是对手临时出的新题。跑步可以一个动作练一万遍，网球没有两个完全一样的来球。能在对抗中站住，才是真正的智能。

大脑和小脑，第一次装在同一个模型里背后支撑这一切的，是银河通用自研的具身智能大模型「银河星脑」AstraBrain。

s | 它最大的亮点之一，就在于架构选择。过去行业里的主流做法是分层：一个「大脑」模型负责理解任务、做高层决策，一个「小脑」模块负责实时运动控制，两者之间用接口传递指令。

t | 这种架构的弊端也很直接：大脑想得再清楚，传到小脑已经慢了半拍；小脑动作再标准，不知道大脑为什么要它这么动。更隐蔽的问题是信息断层。大脑下指令的时候，不知道此刻自己的重心压在哪条腿上、右臂还有多少发力余量；小脑执行动作的时候，不知道这一拍是想调动对手还是想直接得分。两边各自最优，合起来却是一个「想得到做不到」或者「做得到想不到」的系统。在打网球这种任务上，稍微慢半拍，结果就是输球。银河星脑的做法是把大脑层（任务理解与战术决策）、小脑层（高动态全身运动控制）和神经控制集成在同一个模型里。按银河通用的说法，这是全球首个模型能同时负责「想清楚」和「做出来」，中间不再有信息损耗。从网球这个任务倒推，这可能是唯一的解法。战术决策离不开对自己身体极限的实时感知，运动控制也离不开对战术意图的理解，两者本来就不该分家。

u |

从不完美的人类数据里学

在虚拟球场里对打一千万次架构之外的另一个问题是：这个模型怎么练出来的？机器人领域的一个传统难题就是——没有数据。语言模型可以吃掉整个互联网的文本，机器人没有这样的互联网。真机采一小时动作数据要一小时，还要人盯着，还会摔坏硬件。这也是为什么过去几年具身智能的进展总是慢于大家的预期。这背后，离不开银河通用核心技术平台「银河星坊」 的支撑。接下来，分两个步骤。第一步，是从「不完美人类数据」里学。人类打网球的动作数据可以采，动作捕捉、视频、穿戴传感器都行。但人类的动作本身不标准，业余选手的确很业余，有多余动作。而职业选手的动作最大化个人运动素质，别人做不来，而且每个人的身高臂展关节角度都跟机器人对不上。

v | 传统模仿学习要求示范数据干净、对齐、高质量，这种要求在人类数据上几乎不可能满足。银河星坊数据平台要做的，就是从这堆带噪声、不对齐、良莠不齐的示范里提炼出有用的先验：什么时候该启动，挥拍的大致节奏，身体重心怎么转移，真正学会其中的运动规律。这一步的价值在于冷启动。机器人不用从随机乱动开始摸索，它一上来就大概知道「打网球长什么样」。第二部，就是进虚拟网球世界。

w | 在仿真环境里，多个智能体互相对打。

x | 不是一个机器人对着发球机练，而是若干个策略各自演化、互为对手。一方学会了压边线，另一方就被迫学会横向大范围移动；一方学会了放小球，另一方就被迫学会快速上网。在这海量的虚拟博弈中，奇迹发生了——「技能涌现」。

y | 工程师没有教过它怎么滑步救球，但在无数次没接到球的失败后，模型自己「领悟」了极限伸展的姿态。工程师没有写下倒地后起身的硬代码，但在虚拟世界摔了千万次后，模型自己「学会」了如何调动全身电机重新站立。

z | 技能无需手工设计出，在对抗压力下AI学会自学。最后，当这些在虚拟世界中练就神功的「灵魂」，被无损迁移到物理世界的真实机器人躯体中时，一个网球大师，就此诞生！放在整个机器学习的谱系里，这条路走在两个极端中间。纯模仿学习的天花板是示范者的水平，人类教练教不出超过自己的学生，而且人类示范里根本没有「摔倒后怎么爬起来继续打」这种数据。纯强化学习从零开始探索，在网球这种动作空间巨大、奖励稀疏的任务上，搜索成本高到不现实，而且容易学出一些人类完全看不懂的怪异动作，能赢球，但不像打球。先用人类先验打底，再用自主进化拔高。这本身不算新，AlphaGo当年也是先学人类棋谱，再自我对弈。新的地方在于，十年前这套方法在棋盘上跑通，十年后它第一次在需要身体的任务上跑通。某种意义上，这正是AstraTennis与AlphaGo之间最迷人的技术呼应。AlphaGo的时代，智能在棋盘上思考；而这一次，智能开始进入物理世界。这绝不仅是一场网球赛。这个AstraTennis时刻证明：在碳基与硅基共生的新纪元里，中国力量，开始创造更多奇迹。