The Physical AI Value Stack: Mapping the 11 Layers of Robotics
作者提出了以任务为起点的Physical AI技术栈框架，将机器人系统划分为11个功能层：末端执行器、执行器、电源、控制、规划、感知、策略、数据、计算、仿真与评估等。文章通过分析各层的作用、关键问题和典型公司，说明如何用该框架定位系统瓶颈、理解公司竞争位置及价值归属。文中以GPT-6 Astra控制机械臂绘制金门大桥为例，展示瓶颈往往在控制与执行接口层而非模型本身。
相关文档
为什么 Strike Robot 是 Physical AI 时代的「OpenAI 时刻」？
文章探讨了 Strike Robot 在 Physical AI（具身智能）领域的重要地位。作者将其比作 OpenAI 时刻，认为该平台通过 SR Agentic 智能体和云端强化学习，实现了从仿真到现实世界的无缝迁移。Strike Robot 专注于高风险 BPO 业务，不仅解决了具身智能的落地难题，还通过 $SR 代币构建了共享生态，标志着 AI 从“思考”走向“行动”的普惠时代。
一只399美元的机器鸭，让资金重新看瑞芯微
文章通过开源机器鸭项目Microduck（售价399美元，基于RK3566芯片运行神经网络策略控制15个舵机）切入，指出瑞芯微正从消费电子SoC厂商转型为端侧AI部署平台。作者用GitHub数据分析：rknn-toolkit2、rknn_model_zoo、rknn-llm三大AI工具链仓库两年Star数增长约322%，远超传统项目；Hugging Face上RK3588相关模型96.9%创建于近两年。瑞芯微恰好位于MCU与英伟达Jetson之间的算力断层带，适合门禁、机器人、会议终端等海量中端设备。文章同时提醒Star不等于收入、RKNN3工具链不兼容等风险，认为瑞芯微无需击败英伟达，只需拿下低成本端侧智能市场。
Abundance 2029：机器人时代的富足与失业困境
文章作者以其公司 microagi 计划部署十亿台机器人为引，探讨机器人普及将带来物质极大丰裕的"富足世界"，从根本上消除经济学赖以成立的资源稀缺假设。但同时指出，通用机器人将取代大量体力劳动岗位，若经济制度不变，数百万人将失去收入、地位与人生意义。作者认为机器人界回避了这一困境：若不解决分配问题，公众与政府将联合阻止机器人部署，富足将无法实现。文章回顾机器人技术的快速进展（Figure AI、Generalist、Gemini Robotics 等），并指出当前可验证任务最易被自动化，最后以欧洲为焦点讨论三种未来路径。
把硅谷和北上杭深的机器人公司放到 5 张地图上，城市之间的差异一下就出来了
作者用 5 张地图对比了硅谷与北上杭深的机器人产业格局：硅谷 67 家、深圳 36 家、北京 32 家、上海 25 家、杭州 25 家。各城市产业结构差异明显：北京依托高校与 AI 公司，具身智能和人形机器人集中；上海偏工业与制造，国际厂商与本土公司并存；杭州生态集中、产品化速度快；深圳覆盖从零部件到整机的完整链条，人形机器人公司数量国内最高。硅谷擅长定义未来，中国城市正以不同方式把未来造出来。
美国机器人公司物理地图和市场地图
作者整理了一份美国机器人公司的物理地图和市场地图，按业务类别系统梳理了约40家机器人公司的进展，包括人形/通用机器人与基础模型类（Figure、1X、Physical Intelligence、Skild AI等）、自动驾驶/移动机器人类（Tesla、Waymo、Zoox、Skydio等）、工业/物流/仓储机器人类（NVIDIA、Dexterity、Nimble等）、农业/建筑/专业场景类以及平台/软件/硬件类。每家公司附带融资规模、估值、CEO及官方X账号等信息，方便跟踪研究美国机器人行业的发展动态。
Language Will Eat Robotics, Slowly, Then Suddenly
本文是 Saturday Robotics 读书会第33期的观点总结，主讲人 Tonghe Zhang（CMU）提出：当 GPT-6 Astra 等前沿语言模型能力'溢出'后，机器人学的经典瓶颈将不再是研究问题，而是编码智能体可解决的工程循环。文章总结12个核心观点：灵巧性本质是奖励问题、上下文学习免费获得、硬件即代码、Sim-to-Real 是优化问题、验证是关键货币、低层控制无需思维链等。核心论断是端到端方案在可行处总是胜出，结构化只是临时脚手架，语言模型将缓慢而突然地'吞噬'机器人学。
The rabbit hole of end effector design
作者长期研究机器人末端执行器，将其分为简单夹爪和仿人灵巧手两大阵营，并提出'Unhandy Valley'（不灵巧谷）概念：在复杂度与实用性之间，模仿人类手但复杂度不足的设计是最差选择。文章评述了 SO-101、Unitree Dex3-1、LEAP、Wuji、Sharpa、Tesla、Boston Dynamics Atlas GR3 等工业与开源设计，分析 opposition、自由度、腱驱动、触觉传感等关键要素，建议设计者以人手为灵感但避免盲目仿生，未来大多数机器人将使用'够用就好'的简单夹爪。
机器人研发开源算法与工具全景图（含资源）
文章指出机器人研发正处于开源红利期，个人开发者可借助成熟开源框架在数周内跑通从仿真训练到真机部署的完整闭环。作者按技术栈分层整理了经过工程验证的开源项目：足式强化学习（rsl-rl、AMP、TienKung-Lab、unitree_rl_gym）、模仿学习（ALOHA-ACT、Diffusion Policy）、VLA 具身大模型（OpenVLA、Octo、LingBot）、一站式框架 LeRobot、传统动力学求解库（Pinocchio、Acados）、MuJoCo 仿真模型库，以及 Awesome 学习资源清单，并给出四步最简上手顺序建议。
手机卷到头了，下一个让人忍不住掏钱的新物种，长这样
文章介绍了启元机器人发布的两款C端消费级机器人：启元T1和启元Q1。T1是一款可变形机器人，室内为轮足人形、户外自动切换四足形态，支持跟拍运镜等实用功能；Q1是可装入书包的全身力控人形机器人，具备22个自由度，支持二次开发和3D打印定制外壳。作者认为手机和新能源汽车行业已接近天花板，AI加持下的消费级机器人将成为下一个变革方向。启元还与腾讯、京东健康等合作构建应用生态，强调机器人作为人的伙伴而非替代者的理念。
GPT-6 Astra 在 RoboDojo 中的具身智能评测
RoboDojo 团队对 GPT-6 Astra 作为具身智能体进行了全面评测，涵盖 RoboDojo 仿真与真实环境（对比 GPT-5.5 和 DeepSeek-Flash）、人形机器人高层控制、灵巧钢琴演奏（RoboPianist）以及上下文学习（ICL）的系统性研究。关键结论：GPT-6 Astra 展现出极强的语义与空间理解能力以及出色的上下文适应能力，但物理常识仍是明显瓶颈，揭示了理解世界与真正推理物理规律之间的重要差距。完整报告与演示发布于 robodojo-benchmark.com。
Reward AI 发布机器人基础模型 OM-1：直接从人类操作数据学习
Reward AI（脱胎于斯坦福 DexCap 项目）发布机器人基础模型 OM-1，核心创新是仅从人类操作数据中学习，无需遥操作和机器人专属数据。通过 7 自由度可穿戴设备 Omnibody Hand 采集视觉、触觉、力度等多模态数据，训练后可直接部署到桌面机械臂、工业机械臂和人形机器人，无需针对硬件微调。这与 π0、Helix 等依赖遥操作数据的主流方案路线不同，大幅降低数据采集成本。演示显示 OM-1 能完成四臂协作包装手机、调酒、叠衣、拔网线等精细任务，学习新任务仅需不到 30 分钟人类演示数据，并展现自发补偿与重试行为。目前处于研发展示阶段。
It's Time to Deploy Robots. The Technology Isn't Finished.
作者基于两年与机器人OEM合作部署的经验，讨论人形机器人从演示走向真实商业部署的差距。作者指出，演示视频只能证明可能性，而真实部署需要可靠性、速度和成本达标；许多场景下四足机器人或成熟专用方案比人形机器人更实际。文章区分了模块化技术栈与VLA通用模型、POC验证与商业交付，并以Skild AI突破1亿美元ARR为例，强调部署应纳入研究反馈循环，通过真实环境的评估数据推动通用机器人模型迭代，最终实现规模化。
