照片：1X.tech
就在前两天,我们 报道了中国如何在全国范围内布局人形机器人训练场,目的就是抢先抓住具身智能(embodied AI)那座尚未开采的「数据矿藏」。今天的新闻,正好是镜像反面——挪威背景、美国运营的 1X Technologies 宣布成立 1X World Model Lab,一个专门用来对「世界模型」做大规模预训练的前沿研究机构,目标是把人形机器人推向完全自主。
策略不同。赛道一样。
公告里到底说了什么
6 月 4 日,人形机器人 NEO 的制造商 1X Technologies 宣布成立 1X World Model Lab,一个聚焦于一件事的前沿研究组织:通过大规模预训练「世界模型」(world models),加速人形机器人走向完全自主。
新实验室由 Sam Sinha 担任 Founding AI Researcher 兼 Head of World Models。Sinha 此前在生成式视频领域的领军公司 Luma AI 担任研究科学家,参与过 Uni-1 等多模态生成模型的工作。
这一动作紧跟着 1X 在自家「世界模型」上的一次重要进展:据公司透露,他们的人形机器人 NEO 已经能完成此前从未训练过的任务——也就是业内常说的「zero-shot」(零样本)能力。
核心立场:「机器人不是一个微调问题」
在公告中,1X 用一句相当强硬的话定义了自己的立场:
「Robotics is not a fine-tuning problem. To build truly general humanoids, we need to pretrain on the most important data from the very beginning.」
(机器人不是一个微调问题。要造出真正通用的人形机器人,我们必须从一开始就在最重要的数据上做预训练。)
用大白话翻译一下:当下大多数公司的做法,是拿一个已经被互联网数据预训练过的基础模型(foundation model),再针对机器人微调一下。1X 在公告里说,这条路是死胡同。具身智能要求模型从一开始就「看到」物理世界,而不是事后再补这一课。
落到实际操作:1X 要从零开始训练自己的基础模型,数据来源是一套混合:
— 来自开放互联网的大规模视频(web-scale media);
— 人类佩戴第一人称视角设备拍摄的日常和工作视频(ego-centric);
— 仿真数据; — NEO 机器人在被人类远程操控时所采集的数据;
— 以及所谓的 on-policy 数据——也就是 NEO 在已经自主运行时、按照当下策略所产生的数据。
「唯一持久的护城河,就是数据」
紧接着这段,1X 又抛出了 World Model Lab 的核心战略论断:
「The only durable moat in embodied AI will be data: the ability to collect, annotate, scale, and train on the right mixture of web-scale, human, simulated, remote operator-generated robot data, and robot-generated data.」
(具身智能里唯一持久的护城河,就是数据——能否收集、标注、规模化,并在一份正确的混合数据上完成训练:网络数据、人类数据、仿真数据、远程操控产生的机器人数据,以及机器人自身产生的数据。)
「护城河」(moat)是英文风投圈的常用词,意思是别人短时间内绕不过去的竞争壁垒。1X 在这里说得很直接:在具身智能这个领域,唯一的护城河就是数据——不是算法,不是模型,而是数据。
这恰恰就是我们之前在中国训练场报道里讲过的同一个逻辑——那一篇里,这件事被称作还没被开采过的「训练矿藏」。
同一场赛跑,完全不同的打法
接下来才是这条新闻真正值得思考的部分:如果中美双方的判断一样,为什么打法差别这么大?
中国的做法:在多个城市(上海、北京、郑州)建设一个物理训练场网络。同一座场地里,几十家厂商的上百台机器人同时受训。逻辑是——通过共享训练基础设施,集中沉淀整个产业的数据,所有参与厂商分享成果。
1X 的做法:走完全相反的路线。垂直一体化——自己造机器人 NEO,自己开 NEO Factory(加州海沃德)(已经投产),现在又自己建立 AI 实验室。逻辑是——一家公司完整闭环,数据全部来自自己的机器人在真实场景中的运行。
1X CEO Bernt Børnich 把这套思路说得很直接:
「To reach full autonomy fastest, you must own the entire stack — down to pre-training your own video foundation models. That’s why we built the 1X World Model Lab.」
(要最快走到完全自主,你必须拥有整个技术栈——一路深到自己给自己的视频基础模型做预训练。这就是我们建立 1X World Model Lab 的原因。)
一边是「公共训练学校」,一边是「闭环垂直栈」——两种相反的策略,指向的是同一个终极判断:数据。
这对整个行业意味着什么
不久前我们 报道了香港具身智能实验室 及其 24 家产业合作伙伴。再之前,是 AGIBOT 与他们的 AGILE 模型——一个对海量运动数据需求极高的模型。然后是中国的训练场网络。如今,是 1X World Model Lab。
当四个来自完全不同背景的来源——一家挪威-美国的私营公司、几个中国国家级中心、一所香港大学、以及中国最大的人形机器人制造商——从各自角度得出同一个结论,这就不再是几条孤立的新闻。这意味着行业正在形成一个共识:真正的赛跑,在哪里。
而这条赛跑的核心,就是数据。谁能率先以足够大的规模拿到这份「正确的混合」——网络视频、第一人称视频、仿真、遥操作、自主运行——谁就能拉开一条短时间内难以追赶的差距。
Sam Sinha 用了一句几乎带着怒意的话,定下了 1X 接下来要走的路线:
「Embodied data has been treated as a second-class citizen for too long. Embodied AI is too important to be a fine-tuning problem.」
(具身数据,被当成「二等公民」太久了。具身智能太重要,绝不能只是一个微调问题。)
这就是 1X 准备走下去的路。
基于 1X Technologies 官方公告,2026 年 6 月 4 日。