逐际动力发布新Demo，Figure面临失眠危机

背景

2026年7月14日，中国足式机器人公司逐际动力（LimX Dynamics）宣布完成2亿美元Pre-IPO轮融资，融资消息发布后仅一天，公司便公开了一段全尺寸人形机器人Oli的全自主长程家务演示视频。视频中，Oli在一镜到底、无人工远程介入、无分段剪辑的条件下，连续完成了取放衣物、扔进脏衣篓、整理玩偶、搬运箱子、深弯腰拾取地面杂物等多项任务，全程站立、蹲下、弯腰，展现出极强的环境适应和全身协调能力。这段Demo使Oli成为中国首个全自主完成长程移动操作家庭任务的全尺寸人形机器人，也被视为全球范围内少数能与硅谷人形机器人独角兽Figure的直接对标作品。

核心内容

逐际动力此次更新的核心是其最新人形大脑系统——LimX COSA 0.5版本。该系统不依赖单一基础模型，而是采用三层技术架构（S2-S1-S0），复刻人类神经系统中的认知、技能与运动控制分层协作机制。

S2认知层：负责高层次的场景理解、人类交互、逻辑推理与长程任务规划。运行在1Hz（每秒一次全局决策），读取头部与手腕相机的视觉输入以及人类语言指令，构建世界模型并决定“下一步要做什么”。该层依赖视觉语言模型（VLM）、世界模型等，并带有记忆与调度机制，类似于“坐在轮椅上的霍金”——极其聪明，但无法独立执行动作。

S1技能层：运行在50Hz，负责将具体能力（如搬箱、叠衣、开门）存储为可复用的独立技能模块。每个技能单独训练、独立优化，避免参数干扰。技能库可以渐进叠加，无需推倒重建。注意：即使最先进的VLA（视觉-语言-动作模型）在这一层也只是众多技能之一。

S0运控层：运行在1000Hz（毫秒级），基于自研的LimX WBT全身运动基础模型（约千万参数），保证机器人始终平衡并精确执行动作指令。该层暴露统一接口，可复用于VLA执行、遥操作采集和零样本回放。与公开的SONIC全身跟踪模型相比，在MPJPE位置误差（12.85mm vs 13.75mm）、平均关节角误差（1.5° vs 3.3°）、平滑度指标上均有显著优势。

在演示中，Oli（31个本体自由度，不含灵巧手）在未知的家庭非结构化环境中，利用视觉传感自主感知当前杂乱状态，规划长程步骤，调用对应技能并通过全身运控完成连贯操作。整个过程全程无剪辑、无遥操作。逐际动力创始人张巍强调：「模型不是一个一个的技能，系统才是大脑」。

关键要点

• 大脑 vs 模型：逐际动力认为，行业普遍将单一大型模型（如VLM、VLA）等同于机器人大脑是错误的。真正的机器人大脑是一个具身智能体操作系统（Embodied Agentic OS），需要协同调用多个模型及技能模块。
• 三层架构：S2（认知，1Hz）→ S1（技能，50Hz）→ S0（运控，1000Hz），三层运行在不同时间尺度，通过窄接口异步协同，互不阻塞，各层可独立迭代升级。
• 硬件+软件联合优化：逐际动力同时掌握身体（Oli全尺寸人形机器人）与大脑系统，相比纯软件公司，可以在自身硬件上长出更精准的运控策略，并通过真机强化学习（RL）闭环持续提升任务成功率。
• 与Figure的直接对标：Figure此前发布的厨房、房间、客厅三段长程整理Demo被视为行业标杆；逐际动力的Oli视频在任务连续性、自主决策深度、技能调用和全身运控方面已达到同一水平线，是全球仅有的两个完成可信长程家庭任务演示的玩家。
• 开源策略：逐际动力开源了Humanoid FluxVLA Engine的训练与推理代码，以换取开发者生态反哺；而Figure全栈闭源。
• 技术路线分歧：Figure的双系统框架（System 1/System 2）底层逻辑仍以模型为中心，逐际动力的COSA则明确将单一模型降级为技能，以系统为大脑主体。

意义与影响

逐际动力LimX COSA 0.5的发布，标志着人形机器人领域从“唯模型规模论”向“系统化大脑路线”的实质性转向。以往行业通过堆叠模型参数来试图暴力破解物理世界复杂性，但落地时往往卡顿、适配差。COSA的分层解耦设计，使得认知、技能、运控各司其职，避免了多头模型之间的参数干扰，也为后续渐进式技能积累和持续迭代提供了可扩展的架构。

在全球竞争格局中，逐际动力与Figure形成了东西方两大阵营。前者选择软硬件一体+系统化+开源生态，后者走全栈闭源+模型中心路线。欧洲公司Flexion虽然随后提出了类似的三层架构（Command/Motion/Control），但硬件能力依赖外部（使用Unitree G1），且任务复杂度较低；Skild AI则展示了跨形态能力但未解决长程全身移动操作。逐际动力凭借同时掌握身体与大脑的联合优化能力，在技术上占据了差异化优势。

此外，Pre-IPO融资和开源策略透露出更深的商业思考：通过开放部分技术资产吸引开发者社区，加速场景探索和技能库积累，同时保留底层运控和硬件壁垒。人形机器人进入“双雄时代”后，谁的架构能更快地在真实物理世界闭环纠正、更易迭代，谁就有可能率先跑通商业落地闭环。逐际动力的路线选择，正在推动行业重新审视“什么是真正的机器人大脑”，以及如何构建一个可持续进化、不依赖特定模型通吃的操作系统。