关键要点
- 2026 年 8 月 19 日,世界机器人大会在北京亦庄开幕;北京市支持的北京人形机器人创新中心发布统一具身智能模型 Pelican-Unify 与轻量化人形机器人天工 Omni。
- Pelican-Unify 把视觉语言理解、动作模型和世界模型放进同一套架构,宣称能驱动多种机器人本体,也就是"一脑多机"。
- Pelican VL-2.0 于 8 月 20 日宣布商用,中心称其为首个完成国家网信办备案的具身大模型、token 用量行业第一——这两项都是自我描述。
- 现场演示包括叠毛巾、爬楼梯和办公室打印;这些证明系统能集成,但不是产能数据。
一台机器人叠毛巾,另一台爬楼梯、打印文件。看上去是两台机器在做两件不相干的事。今年 8 月北京一场展会上给出的说法是:背后可以是同一个模型。
"统一"在这里指什么
多数机器人技术栈是拆开的:视觉语言模型读场景和指令,另一个动作模型生成运动,再加一个世界模型预测接下来会发生什么。让这几块保持同步本身就是工程量,误差会在接缝处累积。
按创新中心的说法,Pelican-Unify 把三种能力合进一套架构:视觉语言理解、动作模型、世界模型。目标是闭合"理解任务—想象结果—生成动作"这条回路,而不是在模块之间递数据。中心称这套架构能驱动不止一种机器人本体,也就是贯穿其材料的那句"一脑多机"。
这是对意图和架构的描述,不是我能够检视的公开基准。
一起发布的还有一台更轻的机器人
Pelican VL-2.0 也在会上宣布商用,时间是 8 月 20 日。中心称它是首个完成国家网信办备案的具身大模型,并称其 token 用量行业领先。两项都是自述。备案在原则上是可以核实的事件类型;"首个"和"领先"则是排名,中心在我看到的材料里没有给出依据。
天工 Omni 在障碍赛道、楼梯和一项办公室打印任务上做了演示。行业媒体报道其身高 1.35 米、体重 39 公斤,提供关节控制、传感器数据和运动控制的开发接口。这类演示能证明系统集成得起来,但不能说明吞吐。
技术被用在了哪里
中心在会上还介绍了落地场景。财经媒体报道,天工 3.0 在奔驰做展厅导览,承担迎宾、讲解车型和与访客互动,现场没有人类操作员。同一篇报道提到与江苏一家计量院的合作:机器人执行红外测温仪检定,中心给出的效率提升是六倍以上。
此外还有与合作伙伴的工业物流分拣,以及用电网大模型做配电柜巡检。这些是"点名场景",不是经过审计的部署,但它们指向的方向很清楚:离开舞台表演,去做重复、可量化的活。
一脑多机为什么在商业上成立
为每种机器人形态单独训一个模型很贵。如果共用的模型能跨多个本体迁移,开发者就能复用数据,摊薄单机的集成成本。这与商用服务机器人厂商讲的"一脑多形"是同一套经济逻辑,也正在成为国内机器人行业的共同话术。
悬着的问题是泛化。一个在受控展厅里好用的模型,遇上光照、地面摩擦或物体位置变化,仍可能失败。中心自己的材料用"Aha Moment"形容从视频和人类操作数据里获得的意外收益——这其实是个诚实的信号:行为仍在被摸索,而不是已经被完整定义。
诚实的局限
这里的几乎每一项说法都来自中心自己的发布,或转述它的中方媒体。我没有找到把 Pelican-Unify 与其他视觉语言动作模型做对比的独立基准,没有带评测方案的技术报告,也没有价格。
"首个备案"和"token 用量第一"是竞争性表述,不是被验证的排名。奔驰的合作在会议报道里被描述为战略合作,我没有找到写明规模、合同金额或期限的联合新闻稿。"六倍"是中心估算、由媒体转述的数字。
叠毛巾、爬楼梯、打印这些演示发生在展会现场,只能证明系统在那样的条件下能做那些任务,不能证明一个班次内的可靠性、平均无故障时间,或完成单件任务的成本——而那才是工厂买家想看的数字。
普通人现在能做什么
- 如果你在评估机器人供应商,问清技术栈里哪些部分是真的共用、哪些只是打包在一起卖。"统一"需要一个你能检验的定义。
- 如果你关注具身智能,把发布会当成通告,等技术报告或第三方基准出来再下判断。
- 如果你在运营场地,要求一次针对你自己任务组合的付费试用,并要求记录失败。泛化能力只有在你自己的地面上才有意义。