8月23日-25日，第二届世界人形机器人运动会场景赛决出多项金牌。被公认为本届运动会最具含金量的家庭、商超、餐饮三个场景赛冠军，全部被银河通用机器人以全自主模式收入囊中，三项全部登顶、夺冠率100%，其中商超场景更一举包揽金、银、铜牌。

普通人看竞技赛，看的是热闹；内行人看场景赛，看的才是门道。少了翻腾跳跃的吸睛场面，场景赛的较量反而更加激烈——拼的不是谁跑得更快、跳得更高，而是谁能真正把活干好。

本届赛事共设51个项目，其中场景赛占21席，覆盖九大领域。项目大幅扩容，折射出行业的深层转向：人形机器人的竞争焦点，正从“运动极限”切换至“干活能力”。一个耐人寻味的细节是，尽管规则向自主倾斜，多数参赛队为求稳仍选择遥操作，以规避全自主带来的高风险；银河通用却在家庭、商超、餐饮三项中全部选择难度最高的全自主模式——没有人在后台遥控，机器人全程自己感知、自己决策、自己完成。

值得关注的是，本届赛事明确打出“得了奖牌就拿订单，出了赛场就进现场”的导向，场景赛的每一项任务都对应真实的产业需求。银河通用的三金，因此不只是赛场荣誉，更是对其商业落地能力与模型通用性的一次公开压力测试——因为在赛场之外，它早已在城市的药房、零售店和新能源工厂里真实“上岗”。

三枚金牌焊牢的不只是银河通用的商业闭环，更是其在具身智能赛道大模型能力第一的领先身位。

场景赛——含金量最高的“真干活”考场

跑步、跳高、足球......竞技项目天然抓人眼球，一条机器人踢球的短视频轻易就能刷屏。相比之下，夹取一份餐品、叠好一件衣物、完成一次拣货，画面朴素得近乎平淡，传播热度也远不及前者。

但热闹归热闹，门道在别处——在从业者眼中，恰恰是这些“不好看”的场景赛，才是本届运动会厮杀最狠、含金量最高的赛场。

本届世界人形机器人运动会共设51个比赛项目，其中场景应用赛项达21项，覆盖家庭、商超、餐饮、酒店、物流、工业、应急救援等九大领域。

场景赛的考核逻辑与竞技赛截然不同：竞技赛检验的是机器人的运动极限——跳多高、跑多快、举多重；而场景赛检验的，是机器人在真实、动态、充满随机干扰的环境里，到底能不能把活干完、干好。

更关键的是赛制对“自主性”的鲜明导向：全自主完成任务的分值权重为1.0，遥操作仅为0.5。“系数相差一倍，道理很简单，我们希望机器人真正自主成为与人类协作的好帮手。”运动会组委会委员、中国软件评测中心副主任巩潇说。

换句话说，场景赛考的不是“遥控技术”，而是机器人的“独立人格”：在没有人遥控、没有预设脚本的情况下，边感知、边理解、边决策、边执行；任务被突然打断后，还要记得“我刚才在做什么、下一步做什么”，并重新接上原有流程。这正是具身智能从实验室走向真实世界必须跨越的门槛。

最具含金量三金背后——同一个“银河星脑”驱动

家庭、商超、餐饮，恰是三项中流程最长、干扰最多，也最贴近真实刚需的赛道。银河通用以全自主模式包揽三金，并成为本届赛事场景赛中全自主夺冠最多的机器人企业。

家庭场景是本届运动会赛程最长的项目（30分钟量级），机器人要在客厅、卧室、卫生间、阳台等多个区域之间连续作业。它从地面抓起杂物放进收纳筐，识别出钱包后穿过窄门、放到客厅的正确位置；还要自主叠好上衣和更难折叠的裤子，完成洗衣、搬运、晾晒、开门等一系列操作——抓取考验泛化能力，叠衣服则考验双手协同与对柔性物体的操作。真正的难点是随机干扰：比赛中一件快递突然“送达到门口”，机器人必须立刻停下手头任务去取件，再准确回到被打断的流程上。这考验的已不是单个动作，而是对长程任务的记忆、调度与恢复能力。

在16支参赛队伍的激烈竞争中，银河通用机器人全程自主运行，仅用约26分钟便提前完赛，以305分、接近满分的成绩夺冠，用时最短、分数最高。根据大赛规则，前三名须在赛场重新完成技能复现、共有五次机会，而银河通用首次复核即满分通过，零误差验证了其技术的稳定性与真实性。

餐饮场景聚焦长程、复杂、多任务的连续服务：机器人要在真实环境中一次性完成从听懂语音指令到交付餐品的完整闭环。它要从热食柜中找到指定餐品、用食品夹夹取——夹子不能固定在手上，必须像人一样实时控制力度，夹得稳又不能夹掉；再操作微波炉、把旋钮精准拧到指定时长，最后接好饮料、平稳送至交付区，全程不能有明显洒漏。多数队伍在这一项目选择遥操作，银河通用则坚持全自主，最终以6分55秒的最快速度自主完赛，全程精准力控、零失误，夺得餐饮场景冠军。

商超场景要求机器人在20分钟内依次完成商品拣选、货架补货和巡查归位：先识别订单、按名称规格数量找货拣选，再自主巡查发现随机缺货并完成补货，最后把被错放的商品归还到正确位置；现场订单内容随机、缺货位置不固定，还会出现外观相似的干扰项，根本没有固定路线可走。银河通用以全自主模式问鼎，并一举包揽该项目的金、银、铜牌，独霸这一赛道。

三枚金牌背后，是同一个“大脑”——银河星脑（AstraBrain）。

过去，行业长期困在“一个场景训练一个模型、一台机器只会一项技能”的模式里，智能无法跨本体迁移，也无法跨场景复用。银河星脑要打破的正是这一点：无论是双足、轮式还是重载本体，感知、规划、操作都由同一个通用模型统一驱动。

技术层面，在“大脑”的GPT范式上，银河通用融合VLA与世界模型两大技术路线，于2025年在计算机视觉顶会ICCV上全球首次提出“世界—动作模型”（WAM），如今已成为行业公认的下一代技术方向；其通用大脑AstraBrain WAM 0.5已实现跨场景、跨本体、多任务作业。在“小脑”的GPT范式上，则以AstraBrain WBC 0.5作答——依托20亿帧全球最大规模人类动捕数据驱动的Scaling Law，实现未知动作的泛化与低延迟精准追踪。大脑与小脑通过“脑桥”连接，构成端到端集成一体的“银河星脑”具身大模型。

银河通用创始人兼首席技术官、北京大学研究员王鹤，把具身智能的“ChatGPT时刻”定义为：零样本泛化达到70%—80%成功率，且非专家用户也能用极简方式完成场景部署。在本届运动会期间的采访中，他坦言人形机器人仍存在“能打网球、却还难进家庭”的能力反差——卡点不在于“做不到”，而在数据与成本：每接一个新任务仍需采集数据、训练模型，代价有时甚至高于任务本身创造的价值。他判断，随着基座模型举一反三的能力增强，同一件事的实现成本有望降到今天的千分之一，动作速度则可能提升2到4倍；银河通用计划到2028年把数据体量提升至目前的约10倍，以逼近这一临界点。为此，公司推出WAM-TTT测试时后训练范式：用户只需拍摄一段第一视角工作视频，无需任何标签、无需遥操，即可一键完成模型后训练并高成功率部署，让具身智能从“专家专属”走向“人人可用”。

这意味着，银河通用全球率先真正实现了“一脑多能”：同一个通用大脑既统一理解任务、又统一规划行动，并把完整能力注入双足、轮式、重载等截然不同的身体——开幕式上与网球运动员郑洁对打的双足机器人银河星仔，与赛场上做家务、做餐饮、理货的轮式Galbot G1，背后正是同一套模型。不同的机器人不再是“各自训练、各自为战”的智能孤岛，而是被同一个“最强大脑”同时驱动的通用化身。

在大多数同行仍为“一个场景训练一个模型”的高成本、低效率而苦恼时，银河通用“一脑多能”的技术路径，实质上把机器人开发从“硬件拼装竞赛”推向了“通用操作系统级竞争”。

三金背后，不仅是单一算法的胜利，更是一场行业范式的切换。

从赛场到现场——赛产结合加速商业化落地

银河通用本次收获的三枚金牌的意义，不止于赛场。

本届赛事构建了“得了奖牌就拿订单，出了赛场就进现场”的赛产结合新模式。北京市经信局局长姜广智说：“机器人练好这些‘最后一米’的手艺，就能‘得了奖牌就拿订单，出了赛场就进现场’。”场景赛的每一个任务背后，都对应着一道来自真实生产生活场景的考题。

而银河通用的三枚金牌，其实是其已经在真实世界中“真干活”的延伸和强化。

2024年9月，银河通用与美团买药联合打造全球首个人形机器人智慧药房解决方案，可实现7×24小时不间断完成补货、取药、打包，在不足50平方米、密集排布的药房内持续作业，累计送出药品已超100万份；如今已在全国数十个城市部署近百家即时零售仓，自主运营近2年，并于今年3月获得全球首张面向人形机器人药品零售场景颁发的药品经营许可证。

2025年8月，银河通用推出的机器人智慧零售解决方案“银河太空舱”在北京首发，目前已在全国近50个城市落地约200个点位，稳定运行超过一年，是全球首批由人形机器人自主运营的零售店。

今年3月起，银河通用Galbot S1在宁德时代量产线实现全球首次人形机器人在新能源智能制造生产场景的“常态化自主作业”，7×24小时稳定运行，并已在宁德时代数十个工厂横展，任务从堆垛、拆垛、搬运、分拣延伸到拧螺丝和异形物体操作。同时，银河通用也已与上汽、北汽、博世、现代等产业伙伴展开合作，推动具身智能进一步进入制造业核心体系。

从智慧药房的7×24小时无人值守，到宁德时代产线的常态化自主作业，银河通用早已在赛场之外反复证明了“真干活”的能力；此次三枚金牌，不过是同一颗“银河星脑”在标准化考场中的一次集中公开展示与压力测试。真实应用中源源不断产生的数据又回流反哺模型，形成“应用—数据—模型—更强能力”的闭环。也正因如此，这一枚枚金牌焊牢的不只是商业闭环，更是银河通用在具身智能大模型上的领先身位。

结语

本届机器人运动会虽已落幕，但以银河通用为代表的具身智能产业，才刚刚拉开序幕。当硬件能力逐渐成熟、本体形态趋于收敛，行业的核心竞争正越来越回到智能本身——也就是机器人的那颗“大脑”。正如王鹤所言，今天一些还像“玩具”、需要遥控的机器人，终将在基座模型足够成熟时真正成为生产力。而银河通用用三项全自主冠军、100%夺冠率给出的，正是这样一个答案：在具身智能这场长跑里，模型能力，才是决定谁能跑到最后的第一性问题。