刚刚，销量第一的机器狗，长出了人形！

谁能想到，有人靠遛机器狗，硬生生甩掉了5公斤。

网友「青苹果的猜想」每天带着机器狗暴走至少5公里。两个多月下来，里程表刷到了262公里，体重秤上的数字跟着一路往下掉。

十岁的男孩Daniel收到了爸爸送的机器狗，从此彻底迷上了出门「遛狗」。

有一次机器狗踩了一脚泥。他嘴里嘟囔着抱怨，身体却诚实地打了一盆水，乖乖蹲在地上给狗洗脚。

他爸爸感慨，这是第一次在儿子身上看到真切的责任感。

就是这样一只冷冰冰的机器狗，把一个慵懒的成年人从沙发上生生拽了起来，也把一个沉迷屏幕的小孩拉回了现实。

相似的剧情，正在数千个家庭里同步上演。

这只机器狗叫Vbot「大头」，售价12988元，首销订单6540台，两周用户留存率高达86%，目前是消费级具身智能销量第一。

在展区里，它自带吸睛体质，吸引了许多人驻足围观，就连歪果仁忍不住为它点赞。

但四条腿跑出来的成绩，只是一个开局。

在2026 WRC现场，Vbot维他动力首次亮相人形机器人Vbot ATOM，并发布「Vbot Embodied Genome｜具身基因组」。

为此，我们采访了Vbot维他动力联创兼技术副总裁秦海龙，聊了聊真实终端数据如何反哺模型，以及四足机器人积累的能力，如何成为人形机器人继续进化的起点。

秦海龙在物理AI领域深耕十余年，历任蔚来自动驾驶高级总监、千里智驾首席科学家，主导多模态基础模型和端到端技术在智驾上的工程落地，致力于让机器在真实世界里完成感知、决策和安全执行。

在他的框架里，自动驾驶和具身智能考的根本就是同一张卷子，换掉的只是身体。

汽车是一种身体，四足机器狗是另一种身体，人形又是第三种。既然底层逻辑相通，四足上已经跑通的感知、规划和运动控制，就不必推倒重来，可以直接继承给人形。

这套能够跨身体继承智能的方法，就是「具身基因组」。

整个体系由三条闭环撑起来——

OmniDuplex负责让系统持续交互与思考，WorldModel负责让策略在行动前推演未来，EvoMorph负责让共享的智能落进不同身体，并接受真实物理反馈的检验。

给机器人换个身体

智能还能留下多少？

目前，行业主流的通用化实现，往往只能做到数据层面的共享。可一旦任务结构、身体运动学或者执行器发生改变，整套能力就得重新搭一遍。

Vbot的野心要大得多。他们要让机器人理解世界、规划任务，甚至从真实跌倒中吸取教训的能力，也能像遗传密码一样「继承」下去。

拿生物学类比就好懂了。生物基因编码的是长出心肝脾肺肾的方法，「具身基因组」编码的是生成运动能力的核心逻辑。

一只四足机器狗在办公室里学会了找水杯。当它的灵魂被注入人形躯体时，找水杯的策略思路会被完整继承。唯一需要重新练的，只是换成两条腿走路的姿势。

三条闭环，从人机之间的第一句对话开始。

第一条，IRE（Interaction-Reasoning-Evolution）。

所谓IRE，就是交互、推理、进化。

即，机器人一边跟用户对话，一边在后台不停地想，每一次真实互动都在暗中沉淀，变成新的训练数据和刁钻的困难场景。

它的实现依靠的是秦海龙提出的多模态流式全双工模型——Vbot-OmniDuplex。

在这个Thinker-Talker架构里，Talker负责说话，Thinker扛理解和推理，遇到烧脑的复杂任务，直接委派给更深层的Thinking Layer。

240毫秒一个切片。音频、视频、文本、触发事件，全都被压进这个窗口里往前推。一边开口说话，一边脑子疯狂运转。遇到复杂问题，Thinker把任务抛给后台Agent，结果再无缝传回前台。

第二条，GEO（Generation-Evaluation-Optimization）。

GEO则是一整套策略进化的机制，「生成、评估、优化」不停循环。

首先，策略模型会丢出一批候选动作。然后世界模型接手，逐一预测每条路走下去会发生什么，给出评估信号。策略拿到信号更新自己，下一轮生成更好的候选。

这个循环里最关键的角色是Vbot-WorldModel，动作条件导航世界模型。它负责回答一个具体问题：如果执行这个动作，未来会是什么样。

和那些生成一段好看视频的「世界模型」不同，Vbot-WorldModel拿到的输入是当前画面加一组9D相机动作（旋转、平移共九个维度），而它的输出则是对应的未来画面，也就是给策略提供可信的判断依据。

同样，它的训练也分两步。

在SFT阶段，模型学的是「动作会带来怎样的未来」。输入当前画面和相机动作，生成对应的未来场景。

在DPO阶段，模型学的是「哪个未来更靠谱」。同一条件下生成多个候选，按动作一致性、几何稳定性和视觉合理性构造偏好对，再优化。

实际效果来看，同一帧画面下，仅改变相机动作，模型就能预测出直行、左转、右转三条完全不同的未来分支，并保持可恢复的三维轨迹。

这套系统到底吃进去了多少数据？

77万条以上真实导航片段。从马路到小区到办公室，超3000小时视频，5000公里轨迹，全是真机一步一步跑出来的。

这个数据量扔在行业里相当炸裂。

Waymo和NVIDIA也在用世界模型给策略当裁判，但它们吃的数据全部来自汽车。Vbot的片段百分之百来源于消费终端在生活空间里的真实轨迹。两者面对的场景特性截然不同。

在秦海龙看来，世界模型光能生成未来画面远远不够。命门在于，结果必须可控、可信，能被真机执行。

去年VLA和世界模型的路线之争炒得沸沸扬扬。但本质上，两者只是不同的建模方式。

VLA擅长跨模态对齐，World Model擅长连续空间预测。Vbot死磕世界模型，目的就一个，让策略在执行前看清未来，拿来评估。

第三条，RSR（Real-Sim-Real）。

四足、轮足、人形，底盘、关节、执行器天差地别。多本体运动控制模型Vbot-EvoMorph要攻克的难题，是怎么让同一套动作意图，在截然不同的躯体上各自落地。

秦海龙的解释很形象。不同本体执行同一个任务，向前走、绕障碍、靠近目标，这些高层意图是共通的。唯一不同的，是最底层的关节该怎么扭。

方案分为两层。

共享层把视觉、本体感知、任务指令和形态信息一股脑塞进多模态编码器，输出一组Action Tokens，只管动作意图，跟具体关节无关。

每种躯体再各配一个Body Adapter，把意图翻译成自己能执行的指令。四足翻译出步态，轮足翻译出轮速，人形翻译出关节角度。

同样是「走到桌子旁边」。四足用四条腿轻盈迈过去，人形靠两条腿稳稳走过去，再丝滑地完成重心转移。

RSR底层还藏着一个跟整个行业反着来的训练怪招。

目前的主流做法是Sim-to-Real，在仿真环境里把策略训得炉火纯青，再移植到真机上。

NVIDIA的Cosmos、Google的Gemini Robotics，底层仿真能力确实越来越强。但残酷的现实是，任务越复杂，仿真和现实的鸿沟就越深。操作类任务尤其明显，演示动画看着天神下凡，一上真机立刻拉胯。

对此秦海龙的选择是，反过来把现实差距强行前置。先用真机跑出来的数据回流，再把仿真环境一比一抠到逼真，最后把模型扔进去特训。

具体来说，真实运行日志先经过系统辨识，估计出质量、惯量、摩擦力等物理参数。再用回流数据做三维重建，给每个物体贴上语义和属性。哪张桌子能绕，哪个杯子能抓，在仿真里标得清清楚楚。

发布会演示的仿真环境，就是这条反叛思路最硬的印证。

Vbot采集了北京国泰办公室及周边的真实场景，一比一重建成带完整语义标注的数字资产。同一场景里疯狂切换视角、更换本体、随机改变起始位置，排列组合着拉练。

四条腿跑出23,700公里

直接灌进人形大脑

今年5月交付以来，系统推了4次OTA大版本，塞进31项新功能，打磨了66项体验细节。

发布会现场，Vbot维他动力创始人兼CEO 余轶南在回顾大头从「探路」到「跟随」、再到「伴随」的功能演进时，讲了一个产品被真实用户不断改写的故事。

刚开始SOP时，大头提供的是户外探路功能，用户需要一直牵着信令装置。用户很快反馈，这种方式不够方便，希望机器狗能够自主跟随。

5月28日，户外跟随功能正式推送，用户只需把小型信令装置放进口袋，大头就会跟在身后行走。

余轶南坦言，自己起初更喜欢让机器狗在前方探路，没想到两个多月的真实数据给出了相反答案：约70%的用户选择了跟随模式。

不过，新的问题也随之出现。大头一直跟在身后，用户难免频繁回头确认位置，资深用户甚至会通过机械脚步声判断它的距离和状态。

8月15日，Vbot通过OTA 1.5向公测用户推出户外伴随功能。大头无需牵绳，也不再始终落在身后，而是自主调整身位、保持在用户视线范围内，让户外同行更自然，也让用户更踏实。

截至发布会当天，大头跟用户聊了126万次天，陪着走了23700公里，陪伴时长突破131500小时。

照这个速度，预计10月总里程就能绕地球一圈。

用户遛出的每一步都在回流。交互对话、导航片段、仿真重建的素材，全从这里来。

四条腿跑出来的公里数，就这样成了人形机器人学会走路的第一桶数据。

Vbot ATOM

走进「生活空间」

ATOM的身高，是被无数个真实的中国客厅倒推出来的。

团队拿着卷尺量遍了橱柜台面、走廊通道，最后定下了1.6米的身高、1.8米的臂展、以及31个自由度。

这样一来，ATOM不仅能拥有全尺寸的灵活性，够到家里常见的台面和立面，而且站在边上还不会有压迫感。

而让它真正和展台上那些钢铁骨架拉开差距的，是几个看起来非常「温柔」的选择。

金属躯体上包裹了大面积织物，脚底沿用大头的静音设计。

一台要走进人类家庭的机器人，不仅要能干活，你还得让人从心底里愿意和它在一个屋檐下待着。

发布会亮相的还只是ATOM初代机，预计年底交付，分个人版、企业版和开发者版。

场景跟大头跑过的地方一样，家里、店里、办公室里。只不过整理桌面、搬运货架、拧门把手这些动作，需要一个站着的身体。

四足产品线这边，大头EDU-W轮足版同步上市。

它不仅可以达到最高2.5m/s（约9km/h）的速度，而且还搭载了自研「地面悬停增稳」算法，可以主动补偿路面起伏，让上层载荷和感知设备尽量不晃。

只见，它背着一台Insta360相机在斜坡上行进，机身居然稳如泰山，几乎纹丝不动，这防抖性能真的绝了！

放弃花哨后空翻

一头扎进真实世界

Vbot在发布会上给自己贴了个新标签。一家死磕生活空间的具身智能终端公司。

公司刚成立那会儿，也走过秀场路线。后空翻、叠衣服、让机器人成群结队跳舞，全干过。冲着顶会论文、行业榜单和极客演示视频去的。

但这套玩法搞了一段时间，团队觉得味道不对。这些酷炫的技术秀，始终缺少一些真正能直面市场、刺痛用户痛点的东西。

痛定思痛，整个团队调转船头。

人形机器人赛道早就卷成了修罗场。展会上动辄上百台人形同台斗艳。但行业至今面临的共同难题是，产品到底卖给谁，在什么场景落地。

ATOM的出现打破了这个局面。它把落地场景、物理构型、定价、交付时间表和OTA方案，全部放在了台面上。

Vbot的创始团队清一色脱胎于汽车和自动驾驶——创始人兼CEO余轶南，以及三位联合创始人——研发副总裁秦海龙、产品总裁赵哲伦、工程与系统团队负责人宋巍。

他们深知，做汽车最要命的就是，安全，安全，还是安全。

这条底线搬到机器人身上，一模一样。

电子电气架构、机械关节、AI大脑，三层不确定性死死叠在一起，一旦失控，安全风险比造车还难预料。

这就是Vbot当年咬死从四足开始做的根本原因。体型小，重量轻，对人的伤害风险低得多。

先把这只小狗扔进市场里，在真实使用中摸边界、攒数据，然后才敢往人形上扑。

千万不要冒进。

采访结束时，我们把这个终极问题抛给秦海龙：如果机器人换了一副身体，此前积累的智能，究竟还能留下多少？

秦海龙说：「实时交互、用户意图理解，以及基于意图对未来进行推理，能够跨任务、跨本体继承；不同本体则需要在真实世界中持续探索和回流数据，形成适合自身的身体表达。具身基因组正是连接这两类能力的同源智能体系。」

这也正是ATOM亮相更深层意义：它不是Vbot换一副身体重新开始，而是让每一台进入真实世界的机器人，都成为下一台机器人继续进化的起点。

对于Vbot而言，当智能可以跨本体继承、在真实反馈中持续生长，人形机器人走进生活空间，就不再只是一场关于未来的想象，而是一条正在被终端、数据与用户共同铺就的现实路径。

编辑：摩西 桃子