出品 | 子弹财经

作者 | 白华

编辑 | 闪电

美编 | 倩倩

审核 | 颂文

8月19日，2026世界机器人大会（WRC）上，银河通用重磅发布了一款新形态的产品——人形双足机器人Galbot ET1（银河星仔），其面向复杂动态作业场景，进一步拓展人形机器人的应用边界。这将是银河通用从轮式G1/S1向人形形态的关键拓展，也标志着其产品版图的扩张。

此前，银河通用以“轮式务实派”著称，G1和S1均为轮式底盘，银河通用创始人兼CTO王鹤在多个公开场合反复强调同一个逻辑——“先解决干活问题，再解决走路问题”。如今，活已经干稳了，“走起来”的条件才真正成熟。

这一步，是其从场景闭环迈向能力闭环的战略跃迁。

与此同时，银河通用还办了一场主题论坛《具身智能大模型的进化之路：从技术分级到产业落地》，意图清晰而锋利：技术叙事升维，商业版图亮剑。

2026年过半，具身智能行业正站在从Demo验证走向规模落地的关键路口。银河通用此次产品发布背后，藏着怎样的技术思考与实践路径？又将如何影响行业走向？以下是我们的观察与拆解。

1、模型真实驱动，具身智能走向千行百业

银河通用在展区再一次为行业树立了可参照的实践标杆，具身智能真正地实现干活，并且可以在真实、动态、充满干扰的物理世界中自主闭环完成任务。

展区设计了家庭场景区、重载搬运区、商业零售区、小人形展示区与二次开发区共五大互动场景。

最引人注目的是家庭场景区的互动展示，“盖博特”面对随机摆放在床上的T恤，能实时判断布料褶皱，规划抓、拉、折、压的动作序列，把衣服叠得整整齐齐，背后考验的是长程任务规划+多任务+柔性操作的能力；

“早餐师小盖”可以将烤好的面包从面包机拿出来，精准放到盘子里，看似简单的递接动作，实则涉及高温物体识别、动态环境适应与末端精细控制，体现的是长程任务执行与多任务切换能力，叠加对人为干扰（如移动餐具、调整食材）的实时响应与抗干扰鲁棒性；在做家务方面也是一个好帮手，可以将散落在地面上的杂物收拾干净，排列好放到桌子上……

此外，在清洁方面，这款机器人早就可识别地板和地毯材质，进行扫地拖地，机械臂还能触及高处柜子顶和沙发底等死角，完成深度清洁。

真正值得留意的，不是“它做到了”，而是“它是怎么做到的”。展台上机器人并非按预设脚本运行，也非依赖遥操作，而是由同一个模型驱动，边感知、边理解、边决策、边执行。

实际上，银河通用早已在商业化方面做出了不错的成绩。

零售值守是银河通用G1的重点应用方向。G1在零售场景中可完成取物、送货、递交等动作。公司已围绕零售场景打造即时零售仓储物流和“银河太空舱”两类解决方案。其中，人形机器人智慧药房解决方案已在全国数十个城市部署百家即时零售仓；“银河太空舱”则以Galbot G1为核心，面向智慧零售和城市服务终端，目前已在全国40余个城市落地超过170个点位。

此外，银河通用的S1则面向工业场景，S1通过视觉系统识别料箱位置并完成抓取和码放；S1可以识别几毫米粗细的螺丝，并完成对准、放入、旋入和紧固等动作。S1已在宁德时代产线实现7×24小时连续常态化作业，并稳定运行超过3个月；此外，上汽、北汽、博世、现代等企业已与银河通用开展合作，相关机器人进入物流搬运、分拣、质检等环节。

展区之外，更重磅的是银河通用发布了一款新形态的产品——人形双足机器人Galbot ET1。

Galbot ET1相比其他产品更小、更轻巧，表面使用了类似纤维织物的材质，关节活动范围也非常大。

这款产品有三个核心技能，一是搭载AstraBrain-Agent物理世界原生智能体，银河首创全自研物理世界原生智能体，专为人形机器人实时多模态交互和运动打造。让机器人可以实时观察周围情况，理解人类指令，并动态思考和规划其行为和动作。

二是拥有Agent互动自学习技能，无需动捕或动作视频，直接通过与人类交互掌握全新动作技能，真正做到在真实世界像人类一样学习。

三是有真功夫的网球教练，集成银河通用“LATENT”高动态网球对抗规控运动学习框架，拟人对打，真人感陪练，可以做人形机器人网球搭子。

王鹤表示，银河星仔非常灵动的动作背后，是已经达到10万小时的人类动作数据，其背后银河星数的一套数据基建在支撑着定义下一代世界最顶级的运控模型。银河星仔有了人类自主学习的能力。它可以自主识别、提取人类实时运动轨迹。

现场有一段跳街舞演示，地板动作具有难度性，腿部动作已经很难了，倒立时手还要撑一下，能够跟街舞演员达到同步，背后既离不开运控模型支持，又需要实时学习，拥有从视觉到运控的桥梁能力。既展示了硬件鲁棒性，也展示了银河星脑运控强大的Sim-to-Real能力。

据「子弹财经」了解，这次展区上的所有机器人，例如ET1、具身智能通用机器人G1、重载机器人S1，以及春晚“顶流”小盖，形态各异，却共享同一个智能核心。这意味着，不同机器人的研发不再是各自为战，不必为每一个硬件本体单独训练模型、重复投入；一个通用大脑统一调度感知、规划与控制，让资源高效复用，也让不同形态的机器人从“智能孤岛”走向“协同进化”。

而这个通用大脑就是——银河星脑AstraBrain，这是银河通用自研的全身全手端到端具身大模型：开创WAM范式、跨本体、跨任务、跨场景。

传统机器人系统采用“感知—规划—控制”三级分离架构，每一层由不同团队用不同技术路线完成，延迟和误差逐层累积；银河星脑则把这三层打通为一条神经网络，将多模态感知理解、长程任务规划与实时动作执行深度融合于统一体系，形成“大脑—小脑—神经控制”的完整闭环。

用一句通俗的话说，传统架构像三个部门各干各的，信息层层流转、效率打折；银河星脑则像一个人同时用眼看、用脑想、用手做，全链路协同。

「子弹财经」发现，在模型能力上，银河通用的机器人完整展现了长程多任务、柔性操作和极致抗干扰能力。更重要的是，银河通用展台呈现的是其他展台很难看到的真实自主演示，机器人不是按预设脚本运行，更不是依赖遥操作，而是由同一个模型驱动，边感知、边理解、边决策、边执行，在真实、动态、充满干扰的物理世界中自主闭环完成任务。

2、具身智能大模型的“进化论”

如果说展区呈现的是具身智能“能做什么”，那么技术路线决定的则是它“最终能走多远”。2026年，具身智能正经历从“VLA”到“世界动作模型（WAM）”的范式转折。

在主题为“具身智能大模型的进化之路：从技术分级到产业落地”的论坛上，中外院士专家、产业领袖及全球顶尖青年科学家，共同探讨具身智能大模型的下一个突破方向。

“几年前，谷歌从RT-2开始的VLA（视觉－语言－动作）范式曾被视为机器人‘大脑’的主流方案；而OpenAI所代表的世界模型（World Model）则是当前的热点。但这两个都有自身的局限性，VLA必须输出动作，因此训练数据需要带有动作标签；世界模型则通过预测未来进行学习，不需要动作标签，甚至可以利用人类视频数据。但它的局限性在于，只能想象未来，无法直接决定如何执行动作。”银河通用创始人兼CTO王鹤介绍，将VLA与世界模型融合，提出“World Action Model”（WAM），即世界－动作联合模型。

实际上，在具身智能大模型的进化之路上，银河通用一直是领航者，更是WAM概念的定义者。

2025年，银河通用团队在计算机视觉顶会ICCV上首次提出“世界－动作模型”（World-Action Model, WAM）。

在这一范式之下，银河通用搭建了三层架构。

在“大脑”范式层面，银河通用的最新成果是AstraBrain WAM 0.5，它并不是把RGB完全清晰地想象出来，而是在一个把这些光照、与操作无关的纹理都去掉的隐变量空间里去想象未来。该大模型已经实现了跨场景、跨本体、多任务的作业能力。包括二指夹爪在商超中上下货、叠衣服、换机器人搬箱子等，真正成为具身智能的基础模型。

在“小脑”范式层面，其核心是接收人类或大脑的意图，并进行丝滑、柔顺的执行。银河通用自研了AstraBrain-WBC 0.5 模型。该模型不仅适用于训练过的动作，还能泛化到未见动作。例如可远程遥控人形机器人完成喂猫、铲猫砂等生活任务，也可进入危险、繁重场景，甚至执行高动态动作，均具备实时响应能力，这背后是银河打造的20亿帧人类动捕数据驱动的Scaling Law。

“当前，我们已经找到了大小脑的GPT范式路径，下一步是扩大数据和算力，力争达到数字世界中GPT-3.5或ChatGPT的突破性时刻。如何做到具身智能的‘ChatGPT时刻’，当人类不需要专门学习的技能上，也能零样本泛化，并达到70%—80%的成功率。”王鹤说道。

要使基础模型更强大，关键在于更高质量的数据。因此，银河通用在走向ChatGPT路上构建了“银河星数”（AstraData），这是整个具身智能数据基建，构成了“互联网数据、人类动作数据、合成仿真数据、真机遥操数据、真机回流数据”的五层金字塔，能够让机器人既学习语义感知能力，又学习人类操作物体的经验，又能得到大规模可复制、廉价仿真数据，以及真实世界的高精遥操数据和部署场景的不断回流数据，能够转起这个数据飞轮。

至此，银河通用是全球范围内极少数真正打通从“亿级数据集”到“具身大模型”再到“机器人本体”全栈自研、并完成商业化闭环的具身智能企业。

而全栈能力意味着三个方面的优势，首先是数据－模型－本体的闭环迭代，真实部署数据回流驱动模型迭代，模型迭代指导本体优化；其次是跨场景技术的复用，同一套感知、规划、控制架构，适配家庭、零售、工业、医疗等不同场景；最后是软硬件深度耦合，从伺服电机、一体化关节到灵巧手全栈自研，能根据不同场景快速调整算法与硬件参数。

这也是为什么，银河通用能在不到三年里成为中国人形机器人赛道累计融资额最高、估值最高的未上市企业。

3、结束语

在具身智能的叙事中，多数企业还在回答“能做什么”，银河通用已经在回答“应该怎么做”。

银河通用以WAM定义技术路线，以百亿级数据构建训练产线，以宁德时代、博世、百达精工等头部客户验证商业闭环，同时回答了“技术往哪走”“数据从哪来”“谁来买单”这三个具身智能最核心的问题。

但一个企业的单点突破，不等于一个行业的集体通关。

通往2028年“ChatGPT时刻”的道路上，横亘着工程的墙、标准的墙，以及技术信仰与现实落地之间的墙。这个时刻不会像一场发布会那样在某一天突然降临，它发生在“机器人在干活”从新闻变成日常、从Demo变成水电煤般基础设施的那个拐点。

那不是一个瞬间，而是一个过程。它需要的不只是技术突破，更是整个行业对“智能体该以何种方式服务人类”这一价值命题的共识与坚守。

而银河通用所做的，正是在这个共识尚未形成之前，率先给出了自己的答案。它没有将大模型窄化为算法的比拼，而是将其上升为一种关于“智能如何回归人本”的价值主张——大模型不应是高高在上的技术黑盒，而应是每个人都能用得起、用得好的能力底座；机器人不应是少数专家手中的精密仪器，而应成为千行百业触手可及的生产力工具。

这个拐点或许马上要来了，而银河通用正是引领者。