來論 | 美國大腦加中國身體成機器人最優解

文：謝澤邦

蘋果最新公開的人形機器人自主控制系統HALO，把測試平台放在宇樹科技的G1機器人上，又把任務編排的大腦交給阿裏千問模型，讓機器人在未預先掃描的陌生環境中完成推箱子、坐椅子、穿越障礙等動作，單項任務成功率達到91%。這不僅是物理AI加速落地的信號，也折射出一個更深刻的產業現實：美國仍擅長提出前沿架構，但中國在機器人本體、開源模型、製造供應鏈和電力配套上的優勢，正讓技術更快變成可測試、可迭代的產品。

HALO最值得注意的地方，不是它已經完美，而是它暴露了物理AI的真實瓶頸。系統仍依賴視覺，缺乏觸覺感知；一旦物體被遮擋，涉及接觸的任務成功率便明顯下降。多步驟連續任務的成功率也只有70%，複雜流程甚至降至50%。這說明，具身智能要從實驗室走向家庭、工廠和服務場景，不能只靠更強的語言模型，還需要更穩定的本體、更低成本的傳感器、更高效的訓練數據，以及更可靠的電力與算力支撐。

正因如此，蘋果選擇宇樹和千問並不偶然。宇樹G1已經成為全球人形機器人研究中最常用的平台之一，價格低、開放度高；千問模型則覆蓋不同參數量級，便於在本地設備和雲端之間靈活搭配。這套組合背後，是中國在智能硬體和開源生態上的成熟度。與美國企業仍受困於本體研發、供應鏈成本和數據採集成本不同，中國企業已經能提供可快速驗證的「身體」和「大腦」，讓前沿演算法有地方落地。

與此同時，美國AI算力正面臨嚴峻的電力與政治約束。中期選舉後，多地選民反對在社區建設數據中心，地方公投普遍支持限制或暫停項目。摩根士丹利估算，2026至2028年間美國芯片出貨對應的電力需求中，約40%可能面臨無法及時通電的風險。數據中心建設成本高、審批週期長、電網改造滯後，使美國AI擴張速度受到現實制約。相比之下，中國在電力基礎設施、工程交付和產業鏈配套方面具有明顯優勢，「東數西算」和全國一體化算力網也為算力與電力協同提供了制度框架。

「美數中算」具備產業合理性

所謂「美數中算」，起初帶有調侃意味，卻點出了全球AI發展的一個合理方向：美國在前沿研發、軟件生態和芯片設計上仍有深厚積累；中國在製造能力、工程建設、應用場景和算力基礎設施上優勢突出。兩者若能形成互補，確實可以降低AI發展成本，擴大技術惠及範圍。問題不在技術邏輯，而在政治邏輯。近年美國將芯片、算力、數據過度武器化，出口管制層層收緊，使務實合作難以展開。

不過，完全脫鈎並不現實。中美已建立人工智能對話機制，並約定在11月舉行下一輪交流，雙方也開始就AI模型風險、事件通報等議題建立溝通管道。這說明兩國都意識到，AI不僅是競爭領域，也是需要共同治理的全球性技術。對美國而言，真正需要克服的不只是電網瓶頸，還有把一切技術問題政治化的慣性；對中國而言，則應繼續強化基礎研究、核心零部件和國際合作能力，把產業優勢轉化為長期技術優勢。

技術本身沒有國界，但技術落地需要電力、供應鏈、場景和制度。蘋果用宇樹和千問驗證HALO，已經給出最直觀的案例：當美國企業願意放下偏見，全球AI進步的速度會更快。讓技術真正造福世人，需要的是更開放、更務實、更能尊重產業現實的合作。

（作者是亞洲人工智能教育與未來科技學會(AAE)青年委員及研究員）