文｜旧叔笔谈

11月4日，苹果研究团队在预印本平台arXiv上提交了一篇题为《Perceptive Humanoid Motion from Simulation》的论文，公开了一套名为HALO的人形机器人自主控制系统。

但这套系统最引人注目的地方不在于论文本身，而在于它的验证方式。

苹果没有使用自己造的机器人，当然这背后最大的原因是因为苹果根本没有造出人形机器人。它选择把系统装进了一台中国公司宇树科技的G1人形机器人，再用另一家中国公司阿里巴巴的千问大模型来当任务编排的大脑，然后让这台机器人在6个从未扫描建模过的真实房间里完成360次测试，平均成功率达到91%。

一家硅谷市值最高的公司，做机器人研究做到要借中国的身体和中国的脑子，这件事很难不让人产生联想。

91分背后的三层架构

HALO的全称是Humanoid Autonomy, Learned in simulation, running Onboard，意思是仿真环境中学出来的、跑在机器人本机上的人形自主性。

它要解决的问题是具身智能领域公认最硬的一块骨头，具身智能指的是让AI拥有身体、能在物理世界感知和行动的方向，而HALO指向的是泛化，也就是让机器人换一个没见过的环境还能正常干活。

过去，人形机器人大多依赖遥操作，由人戴着设备远程操纵机器人一遍遍做动作来采集训练数据，这种方式成本高、速度慢，而且换个房间就可能失灵。

苹果的思路是把数据生产搬到仿真环境里，据悉，研究团队用程序生成了约1000个虚拟家庭房间，涵盖客厅、办公室和卧室等场景，在里面合成了约300小时的视频、指令和动作配对数据，整个过程动用250张英伟达H100显卡跑了大约48小时。

合成数据层面，苹果的做法是先让系统生成动作轨迹，再把动作放进虚拟房间检查碰撞，最后从机器人视角渲染出画面，训练时还会随机改变光照和色调，好让机器人“见多识广”。

HALO的数据量级对应的实体采集成本很能说明问题，工信部电子第五研究所今年在世界互联网大会上给出的数据显示，国内真机数据采集成本约为每小时500到1000元，300小时真机数据仅采集费就要15万到30万元，而且还没算场地和人力。相比之下，HALO只需在显卡上跑一圈。

进一步聚焦HALO系统的运行原理，其运行时主要分成三层，且每层各干各的活。

其中，最上层是任务编排模块，默认搭载千问Qwen3.6-35B-A3B，这是一个视觉语言模型，能同时看懂画面和理解文字指令，它装在与机器人配套的一台Mac mini（M4 Pro 芯片、64GB 统一内存）上本地运行，不用联网，负责把去客厅拿箱子这类模糊指令拆成一步一步的子任务，并通过机器人视角的画面持续判断动作是否成功。

中间层是动作生成器，用另一款千问模型Qwen3.5-2B做编码器，搭配一个DiT 解码器，DiT是把扩散模型这种逐步去噪生成内容的技术用在动作规划上的架构，它根据看到的画面每秒约3次重新规划未来5秒的全身动作。

最底层则是动作跟踪器，以每秒50次的频率把动作计划翻译成各个关节的控制指令，它通过强化学习训练，也就是靠大量试错和奖励信号学会保持平衡。

测试结果显示，HALO单项任务在6个陌生真实环境中测了360次，平均成功率为91%；多步骤组合任务难度明显上升，3种组合各测10次，平均成功率为70%，其中俯身穿过障碍、走向目标、再推箱子这条长流程的成功率掉到了50%。

值得注意的是，HALO在论文中也坦承了其短板，机器人目前只有视觉没有触觉，物体一旦被遮挡或离开相机视野，需要接触交互的任务表现就明显下滑，新增任务也还需要人工编写提示词和设计关键动作。

在笔者看来，这种把失败率一并写出来的态度，比91%的平均成功率数字更有信息量，它说明苹果清楚这套系统离产品还有多远。

苹果为什么把底牌摊在arXiv上

按苹果的惯例，没做成产品、甚至未将产品打磨好之前，它都会保持缄默。这次破例开源，要放到苹果机器人业务的真实处境里看。

此前，苹果便被传有一个代号为J595的家用机器人项目，该产品是一块9英寸屏幕装在可旋转机械臂上的桌面设备，外形被工程师调侃为一根棍子上插着台iPad。

根据The Information和彭博社近两年的连续报道，这个项目最早的原型早在2018年就做出来了，硬件方案大约两年前已经定型，但软件一直跟不上，团队对首发功能争执不下，产品售价预计为1000美元，上市时间从最初的计划一路推到2027年甚至可能2028年。

好消息是，去年这个项目连同整个机器人团队的汇报线都被划给了今年9月刚接任CEO的约翰·特纳斯，可见苹果内部对它的重视程度。

但重视不等于有进展，AI能力始终是苹果机器人之路上最大的短板。

众所周知，苹果近年来已经把大模型的重任完全交由外部。既然苹果自研的模型撑不起机器人的大脑，那就先用市面上最好的开放模型把系统架构跑通，论文和代码全部公开，表明研究共享的姿态，背后实质则是用最低成本验证路线、吸引人才、顺便告诉资本市场自己在机器人上没有掉队。

开放合作的基础上，HALO论文发布的逻辑就顺理成章了。HALO公开的数据生成、训练和部署的全套代码，全球研究者会替它找bug、做改进，等于用一篇论文撬动了一个免费的外部研发团队。

身体和大脑都在中国

这篇论文在产业层面最有意思的地方，是苹果对供应链的选择。

HALO的身体是宇树G1，大脑是千问，两个核心部件都来自中国公司，而且选得顺理成章。

宇树的G1已经是全球人形机器人研究圈用得最多的平台之一，价格压得足够低，开放程度足够高；千问则是全球开源模型里生态最完整的一族，从2B到数百B参数各档位齐全，苹果在三个层级里用了两档千问，说明它要的就是这种可以按算力预算自由搭配的货架。

把苹果的选择放到全球机器人竞赛里看，各家路线已经分得很清楚。

特斯拉Optimus走全自研路线，从电机到模型都握在自己手里，马斯克宣称它能做家务，但至今没有对外开放的第三方验证数据。

英伟达本周开源了GR00T N1.6人形机器人基础模型，打法是给全行业提供通用底座，让机器人公司都在自己的平台上训练，顺带推出Cosmos 3世界模型，把仿真训练的工具链也包了。这和苹果的仿真合成数据思路是同一个方向的两种生意，苹果造数据给自己用，英伟达造工具给所有人用然后卖显卡。

Figure走的是量产先行路线，它的BotQ工厂初期规划年产能1.2万台，Figure 02已经能在宝马工厂里搬东西；OpenAI的GPT-6 Astra则在近期测试中展示了一种新可能，通用多模态大模型不做专项训练就能直接承担机器人策略模型的部分工作，有分析认为这意味着语言智能和物理智能之间的“墙”开始松动。

中国这边，具身智能图景的典型特征是身体强、数据缺。

在此背景下，前几天进博会的配套活动上，由眸深智能、复旦大学、国家地方共建人形机器人创新中心、宇树、优必选等42家单位组成的通用具身大脑产业创新联合体正式启动，瞄准的正是大脑短板。

需要指出，国内机器人数据供需的缺口大得有些夸张。据统计，国内具身智能有效数据存量约为百万小时，而头部厂商估算的训练需求达到亿小时级别，相差约两个数量级。

苹果的HALO恰好演示了绕过数据缺口的一条路，如果仿真合成数据能把机器人训到91%的单任务成功率，那么缺数据就不再是死局，这对手里握着机器人本体产能但缺数据的中国厂商是个实打实的利好。

正是因为看到了这一层，资本市场才先一步用脚投票。11月9日，A股机器人概念股全天表现强势，上纬新材、祥明智能触达20%涨停，宇树科技上涨超9%创两个半月新高，逾20只相关个股涨停或涨超10%。

当然概念虽好，也要泼上一点冷水。

HALO目前只是一篇论文，苹果官方没有公布任何产品时间表，50%的长流程任务成功率和缺失的触觉都说明，苹果机器人离走进家庭还早。

但它的指向很清楚，人形机器人的竞争正从比谁的身体灵活，转向比谁的大脑便宜、通用、可迁移。这场竞赛里，中国的身体和中国的模型第一次同时出现在同一家硅谷巨头的核心方案里，这个位置可不是别人让出来的。

图灵在1950年那篇讨论机器智能的著名论文结尾写道，我们只能看到前方很短的距离，但我们可以看到那里有大量需要完成的工作。人形机器人眼下就站在这段短距离上，看得见的部分不多，要做的部分，才刚刚开始。