七侠五义

二 | 一个机器人驾驶卡丁车在赛道上飞驰，过弯、加速、打方向，一镜到底。该基因的突变使SHMOOSE微蛋白部分失活，并与四个不同队列中的阿尔茨海默病风险增加30%有关。没想到我们的机器人现在已经可以在卡丁车赛道炫技了呢！

等等？这和我在WRC看到的画风不一样啊！展会上的机器人跑步、还有火花加闪电，没想到视频里的机器人什么时候背着人类偷偷报名赛车培训班了？它完全是个老司机，高速过弯、灵活避障，跑一圈下来一气呵成。和以往那些机器人慢吞吞走过去、弯腰拿东西的demo相比，这段视频里的机器人真的自己坐进了车里，手眼脚同步协同，在全速状态下完成多接触点平衡和精细力控。据研究人员称，几乎25%的欧洲血统的人有这种蛋白质的突变版本。阿尔茨海默病是最普遍的痴呆症类型。这是一种渐进式的疾病，从轻微的记忆丧失开始，可能会导致丧失进行对话和对环境做出反应的能力。这种人形双足机器人能够眼、手、足，全身协同，在高速运动、复杂姿态的变化下的全身协调完成细节操作，在此前的人形机器人演示里几乎没出现过。

三 | 放出这段视频的，是一家叫共生知行的公司。根据美国疾病控制与预防中心（CDC）的数据，在2020年，多达580万美国人患有阿尔茨海默病。这项研究于9月21日发表在《分子精神病学》杂志上。共生知行做的，是双足人形机器人的端到端感控一体化「大脑」，也就是基座模型。研究人员表示，这种以前未被发现的突变的巨大风险和高流行率都使它与其他涉及阿尔茨海默病的蛋白质有所区别。创始人丁鹏翔96年出生，核心团队其余成员全是00后，全员博士在读，公司成立刚满两个月。除了APOE4--这种疾病最有力的已知遗传风险因素--只有数量有限的其他基因突变被发现，而且这些突变只轻微地增加了不到10%的风险。对于这个看上去有点「不务正业」的Demo，丁鹏翔这样解释：我希望机器人能更像人，而不是只去做一些很机械的服务功能。

四 | 此外，由于微蛋白的大小与胰岛素肽差不多，它可以很容易地被施用。好比人能开卡丁车，机器人也能干。这大大增加了它的治疗潜力。Pinchas Cohen说：“这一发现为开发基于精准医疗的阿尔茨海默病疗法开辟了令人兴奋的新方向，重点是将SHMOOSE作为一个目标领域。一个问题随之而来：为什么一群连毕业证都还没拿到的年轻人，敢去碰具身智能里最难、最前沿的那条赛道？

押最难的路：研究过分层，现在要挑战端到端「端到端」双足人形机器人模型这个赛道新到什么程度？新到市面上找不到现成的人才。”他是这项研究的资深作者，也是老年学、医学和生物科学的教授。按丁鹏翔的说法，这个方向近两年才热起来，懂技术的人还在读博士，他们几乎没办法从人才库里找到符合需求的人。已毕业多年的跟不上节奏，没读到博士的，对底层的理解又差一口气。“对携带突变和产生突变蛋白的个体施用SHMOOSE类似物，可能证明对神经退行性疾病和其他衰老疾病有好处。

五 | ”南加州大学神经科学博士毕业生Brendan Miller是该研究的第一作者。最前沿的突破，就握在这一批顶尖博士生手里。共生知行的团队就是这样一批年轻又前沿的人。

六 | 他们斩获了国内具身智能领域最具分量的学术荣誉——两项 Best Paper，并有一项入选 Best Paper Candidate；也打造了国内首个 GitHub Stars 突破 2K 的具身基座模型。他利用大数据技术确定线粒体DNA中与疾病风险相关的基因变异。更重要的是，他们并非风口到来后的追随者，而是国内最早一批探索具身基座模型的先行者，也是这个赛道最坚定的长期主义者。团队累计发表40余篇顶会论文，技术版图覆盖感知、决策、控制、数据与系统全栈；从双系统、轻量化到多构型，一系列行业首创工作，都出自这支年轻团队。在分析发现一个基因突变增加了阿尔茨海默病风险、大脑萎缩和能量代谢后，Miller和他的同事发现突变的基因编码为SHMOOSE微蛋白，并开始研究其突变和默认形式。

他们的判断很明确：机器人最终最广泛进入人类生活的形态是双足；按照自动驾驶和大模型的进化路径，端到端是效率最高的技术模式。研究人员说，SHMOOSE是第一个用抗体和质谱法检测的线粒体DNA编码的微蛋白。这个判断源自他们的一线研究经验。早在2023年12月，丁鹏翔就开始给四足机器人装「大脑」。

七 | 看起来这种微蛋白修改了中枢神经系统的能量信号和新陈代谢。他以一作身份发布QUAR-VLA，是首个面向四足机器人的VLA任务范式，让上层模型（大脑）负责理解视觉、 语言和任务意图，再把决策交给底层运动系统（小脑）执行。这套「大脑管理解决策、小脑管运动执行」的分层思路，就是行业里说的分层，今天 Figure这样的公司都在沿用方案。

八 | 在随后的研究中，他逐渐发现了问题。他把分层描述为「理论上可行、但是不那么优雅的方案」：大脑和小脑各做各的，每接一个新任务，都要对上游输出做定制化微调，才能把效果调好。它在神经元的线粒体中被发现，其在脑脊液中的水平与阿尔茨海默病的生物标志物相关。更深一层，是结构上的先天缺陷。大脑和小脑分开训练，部署时再拼起来，每个局部更好，也不能保证整体最优；两层之间每翻译一次，就增加一次级联误差和信息损失。各种细胞培养和动物实验表明，SHMOOSE部分通过栖息在线粒体的一个关键部分，即线粒体内膜，改变了大脑的能量代谢。丁鹏翔判断，「只要分层，中间就有信息瓶颈，这种接口设计决定了分层架构无法实现真正意义上的Scaling。阿尔茨海默病目前在美国被列为第六大死因。然而，CDC最近的估计表明，这种疾病可能排在第三位，仅次于心脏病和癌症，是老年人死亡的原因之一。」这一判断也来自他对自动驾驶和大模型发展的长期观察。早期自动驾驶依赖感知、预测、规划、控制多个模块协同，后来开始探索让模型直接从数据中学习驾驶能力。尽管目前还没有治愈阿尔茨海默氏病的方法，但近年来在开发和测试新的治疗方法方面取得了重大进展。

九 |

特斯拉FSD转向端到端后，性能大幅提升。在丁鹏翔看来，机器人可能也会经历类似变化，让模型从数据中学习完整的「感知—理解—行动」过程。

十 | 一个新兴的研究领域据Miller说，这些发现突出了微蛋白这一相对较新的领域的重要性。几十年来，科学家们主要通过考虑一组2万个大型蛋白质编码基因来研究生物学。他的逻辑是，从2023年开始已经把分层路线反复做过，如果判断未来的数据规模化最终会把系统推向端到端，就没有必要再绕一次弯。这一步在2026年正在发生。谷歌的Gemini Robotics 2已经用单一策略把从脚到指尖的全身动作统一进一个模型；RSS 2026的顶会共识却写明，端到端单模型无法覆盖全身复杂动态，分层模块化是现阶段最优落地方案。共生知行押的纯端到端，是一条更激进、更少人走的路。

十一 | 然而，还有数十万个可能的编码微小微蛋白的基因已经被现代技术所揭示。Miller表示：“微蛋白领域仍然是如此的新。我们还不知道有多少微蛋白基因甚至是有功能的，而且从成千上万的名单中逐一研究潜在的微蛋白的成本实在是太昂贵和低效。

为什么偏偏是双足？丁鹏翔的答案是第一性原理：人类社会的建筑、工具、环境，全是照着人的身体构型造的。我和我的同事用来检测SHMOOSE的方法显示了将大的遗传学数据与分子和生物化学技术相结合以发现功能性微蛋白的力量。轮式只能固定在产线和商场里干活，双足能出门、上下楼、开车，还能跨场景完成不同任务。通用性意味着成本摊薄，双足还有拟人化的亲和感。时机同样关键。2026年4月之前，双足人形连通用遥操作模型都没有，没有数据来源就训不出基座。

十二 | 直到英伟达Sonic开源，行业才有了大规模生产数据的基石。这个方向已经不再处于「想训也没有数据」的早期阶段，又还没有成熟到路线完全收敛，共生知行赌的就是中间这个窗口。

十三 |

技术分水岭：别人在学运动学，他们在啃动力学先弄清一个分水岭：现在绝大多数机器人基座模型，学的其实是运动学。运动学关心从A点到B点，手移动到哪里、抓没抓住，固定基座机械臂这么干没问题，因为它不会倒。双足机器人伸手去够一个东西，身体重心会同时发生变化；下蹲拿物体时，腰部要前倾，踝关节和腿部要重新分配力度、保持平衡；再叠加摩擦、碰撞、惯性和接触，模型面对的已经是一套全身动力学。据丁鹏翔介绍，一台g1双足人形有29个自由度，比机械臂的7个自由度复杂得多。

十四 | 过去机器人学的是「动作轨迹」，人形机器人要学「身体如何在物理世界中行动」。

从运动学到动力学，从完成任务到保持稳定，这是双足机器人模型真正的技术分水岭。这能解释共生知行为什么把模型一路做到Joint Target，也就是关节目标层。分层方案里，大脑先输出运动学目标，下游小脑再解算成关节动作；共生知行把这个中间环节拿掉，让模型直接面对几十个关节的身体状态。问题随之而来：把小脑拿掉，机器人还站得稳吗？

光靠模仿学习，模型只学会标准动作，没见过执行中各种踉跄的身体状态，遇到陌生状态就可能直接摔倒。它缺的是从失败里站稳的能力。共生知行的核心，是一套「任务行为建模—运动先验蒸馏」的双域协同优化机制。一条优化通路延续行为克隆，保证任务精度与动作拟合能力；另一条通过DriftDistill，将底层控制器积累的稳定性、抗扰动与Failure Recovery能力，转化为统一模型的内生运动先验。它并非简单叠加两个Loss，而是将「准确完成任务」与「稳定控制身体」两类能力融入同一模型，让大模型同时获得任务智能与身体智能。如果DriftDistill能随模型和数据量继续扩展，它试图解决的就是一个更大的问题：在认知Scaling之外，机器人能不能连运动控制能力也一起Scaling。丁鹏翔将这一运动能力汇聚模块称为Motion Expert（运动专家模型），目前规模接近1B，并通过蒸馏不断吸收不同运控模型的能力。

再往前一步，端到端大模型还要解决机器人输出的力。今天很多机器人系统主要控制位置，但机器人真正进入现实世界后，位置正确并不等于任务完成。

十五 | 手伸到抽屉把手上，却不知道该用多大力，门依然打不开；给人递东西时位置没问题，力量过大同样不安全。共生知行的技术路线是先把Force Expert作为安全接触专家，让它学习施力、柔顺、阻抗和接触反馈，再通过策略蒸馏逐步融入Motion Expert和最终的端到端模型。位置决定机器人能不能「到那里」，力决定它能不能真正「把事情做好」。这也是共生「全身物理世界模型」的含义：让模型理解身体怎样受力、失衡、接触，再把这些约束直接变成动作。

数据、涌现，和一张冷静的时间表模型真正训练起来，首先撞上的就是数据荒。

十六 | 全球合规机器人数据截至2026年初大约50万小时，不足大语言模型的两万分之一。尴尬的是，很多数据采的是站定操作，机器人在格子间里原地干活，对全身移动操作帮助有限。共生知行的Blog放出了约1万多小时数据，自采其中几千小时。全身协调模型真正稀缺的是真实生活里的强耦合全身移动操作数据，比如骑单车、开卡丁车、给篮球打气等。

十七 | 他们的解法是TrajBooster：从机械臂或轮式机器人身上提取末端轨迹，让人形机器人在仿真里追踪这条轨迹并保持平衡，把不同来源的动作统一到同一个空间里，复用机械臂已经定义好的任务多样性，低成本给预训练提供数据。谈到模型能力，丁鹏翔几乎不用「泛化」这个词。用他的话说，「这个词没什么营养，像说一个人好一样空。」他要的是「涌现」：在关节角层面，比如给模型训练的是走和跳的数据，它在测试的时候自己组合出跑这个新的技能。

十八 | 因为只有到关节层面，部分动作能力才可能组合出全新动作。

时间表上，他的判断很冷静。他推断，十万小时左右数据更多还是实验室级Demo，真正有大规模商业意义，可能要等到百万小时之后。现在行业甚至连最合适的数据形式都没有收敛，肌电、外骨骼、动捕、Pico遥操等路线仍在竞争。

十九 | 在他看来，人形机器人当前最难的三个问题，第一是感知和控制究竟应该怎样Combine，第二是应该用什么类型的数据，第三才是数据规模本身。

| 丁鹏翔希望，有一天由中国团队设计出来的机器人模型架构，也能反过来被北美同行广泛采用。我们不希望当Follower，我们希望去引领技术的发展。

| 回到那辆卡丁车。让它全速过弯的，是一群还没毕业的年轻人。他们押的，是具身智能里最难、最前沿的方向。赌的是端到端终将取代分层。行业还远没有到可以证明终局路线已经跑通的时候，甚至丁鹏翔自己也承认，整个双足基础模型行业都还没有真正收敛。但一支创业团队的前沿性，有时候恰恰不在于把一个成熟答案做得更快，而在于它能不能比同行更早看见下一道真正重要的问题，并且敢在答案还不明朗时动手去解。