智元GO-3 Preview发布：三大机器人榜单登顶，年底全面开源
2026年的具身智能：所有人都在找自己的「Scaling Law」
马斯克这两天又开怼了。
事情的由头来自市场研究机构 Counterpoint 的一份预测：往后五年，人形机器人对内存的需求会猛增约 20 倍，到 2030 年单台机器人就得装 39GB 内存。
马斯克看完只回了一句：「愚蠢的分析。」他觉得这个数字太小了。按他的说法，机器人要在物理世界里「塑造原子」，将来它们消耗的内存会超过地球上其余所有东西加起来的总和。
资本市场同样在拿真金白银下注。10 月 28 日，人形机器人概念股盘中一度涨超 5%；同一天有券商报告提到，Optimus 已经启动样机试产。
热闹归热闹，一个尖锐的问题也冒了出来——给机器人配上这么大的Memory，它们真就能「长记性」吗？
答案恐怕是否定的。眼下市面上多数机器人从来不会吃一堑长一智，它们一生中最聪明的一天就是出厂那天：在实验室里「读完书」，带着一份训练好的模型走进工厂、商店和家庭，之后日复一日，碰上没见过的状况就卡住。说白了，大多数机器人都是「毕业即巅峰」。
智元在发布会上也把话挑明了：2026年具身智能的考题，已经不在于「会不会演示」，而在于「能不能部署」。
10月29日，智元正式端出 GO-3 Preview，瞄准的正是这个老毛病。
GO-3 Preview 是一款在预训练、后训练、部署后阶段实现全链路Scaling的具身模型，RoboDojo、RoboTwin、RoboColiseum等机器人榜单的 Top 1 都被它收进囊中。
按计划，到年底，GO-3 Preview等将全面开源。
这样一来，机器人不必等训练结束才去上班，而是边干活边变强。
从 
GO-1 首创 ViLLA 架构，到 GO-2 首创「动作思维链」，再到如今的 GO-3，智元一步步把「规模的力量」从训练阶段带到了真实作业现场。落到结果上：机器人开箱即可上手数百种任务，部分高难度操作达到甚至超过人类水平，还能在真实工作中不断积累经验、自我进化。
2026年的具身智能：人人都在找属于自己的「Scaling Law」
大语言模型靠「堆数据、堆参数、堆算力」跑出了 ChatGPT。可面对数据终将枯竭的结局，这个圈子早就开始自救。
人类写不出更多、更高质量的语料，那就转向强化学习、自我博弈和测试时计算……只要算力跟得上，智能似乎就能无限 Scaling，上限难以触及。
看看各类前沿推理模型，看看各种Agent Harness，语言模型已经开始自我进化，RSI初露头角，超级智能ASI似乎指日可待。
具身智能模型也冒出了对应的苗头：预训练阶段出现了跨数据量级的可测规律，并开始带来「一次示范就能学会」的能力；后训练的重心则从「多练」转向「练得省」。
落地之后，学习确实能在真机上跑通，但人还是得盯着。今年做具身智能的人最头疼的事，Physical Intelligence 联合创始人、UC Berkeley 教授 Sergey Levine 说得很直接：
「关键不是Scaling，而是找对该Scaling的东西。」
GO-3 Preview 走的是全都要的路子，把预训练、后训练、部署后这三段 Scaling 串成了一条线。在 RoboDojo 这个机器人竞技场里，它压过了 GPT-6 Astra 等通用大模型。
预训练Scaling，让机器人「见多识广」
第一步是把地基打牢。机器人太需要那种能迁移的通用本事了，现实世界变数太多。要是机器人只在实验室里背下了抓某几个杯子的动作，换到真实便利店，碰上没见过光照、背景或者新包装，立马就卡住。只有跨场景、跨物体的能力到位了，机器人才算真能走出实验室。
为什么？
通用性怎么来？GO-3 的预训练在两个方向上同时放大：数据和模型。
数据这边，智元搭了一条从数据到智能的端到端闭环，还推出了 AGIBOT WORLD 2026——按他们的说法，这是行业首个系统性覆盖具身智能全域研究的百万量级真机数据集，用意就是打破数据枯竭的瓶颈，撑住这条路线。
模型这边，智元专门为预训练Scaling设计了具身原生架构 WRAM (World Reasoning Action Model)。它最大的不同，是把「理解任务—预测未来—生成动作」三件事拧到了一条线上。
往下拆，WRAM 靠三大核心机制撑着：
（1）面向控制的视觉编码器CoAE；
（2）单步视觉规划器SVP；
（3）知识对齐的选择性优化KASO。
机器人光「看到」物体不够，还得知道怎么「控制」。CoAE 负责提取面向控制的视觉表征，给未来预测和动作生成打底。物体的位置、形态、彼此的关联，它都能抓准，等于把「看到的世界」和「机器人该怎么动」接上了。
SVP 的本事是「单步生成完整未来」，说白了，机器人学会了「三思而后行」。看着当前观测和任务指令，它一步就预测出接下来会怎么变，然后动作生成模块再去学怎么从当前状态走到那个「预测状态」。
这么一来，海量人类视频给机器人补上了「物理世界如何变化」的常识，机器人自己的实际轨迹数据，又把这些变化和具体动作紧紧绑在一起。
真实世界里，干成一件事往往不止一种做法，比如左手抓和右手抓，同一个场景就有好几种合理的「未来」。KASO 干的活，就是在训练中挑出跟真实动作更合得来的候选结果一起学，让未来预测和动作生成的目标接得更顺，免得机器人的动作被多种可能「平均」成四不像。
有WRAM这套底座撑着，预训练攒下的本事直接反映到了实际任务里。
GO-3在新任务上走的是Zero-shot（零样本泛化）路线：没见过的场景和物体，不用微调，开箱就能上手；碰到更细的活儿，它还能Few-shot（少样本精细操作），看几次就学会。
经过微调的GO-3，抓取、对位、插入乐高零件都能做准。
换到别的本体上，双手持物开门、跪地取物这类高难度复杂动作它照样完成。
后训练Scaling：Genie Evolver的「三引擎」试错与进化
书读得再多，路也得亲自走。
预训练教会了机器人常识，可精细的物理接触本领，只能靠练。难点在于：纯物理世界试错代价太高，普通仿真里又拿不到真实的物理接触反馈。
智元给出的答案是后训练基础设施Genie Evolver。
它不走单一环境那条老路，而是搭起一条以「真机、物理仿真、世界模型」三大引擎为主线的后训练范式。
世界模型引擎管的是「大脑里的想象力」：在云端推演各种动作分支和视觉动态，让机器人能在脑内反复复盘「当时换个动作会怎样」。
世界模型在精密受力上不够，物理仿真引擎来补：它给出高精度的刚体、柔体接触反馈，让动作不光「看起来对」，「力学上」也站得住。
真机引擎是最后的试金石。真实世界采集到的最新物理数据会实时反哺另外两个引擎，云端的练习因此始终与真实物理世界对齐。
算法底层，智元用上了「失败引导的经验检索微调（FERT）」。
这套算法的巧处在于：机器人执行插线、组装等任务失败时，它不学失败动作，而是拿失败前的情境当「查询词」，去整个机群共享的「成功经验池」里检索最相关的成功轨迹片段，再把这些片段的采样优先级大幅调高，用来做监督训练。
说白了，成功经验告诉它「该模仿什么动作」，失败教训则决定它当下「重点复习哪里」。
插花、叠衣服、手机充电、凳子组装和手机包装五项真实任务测试中，FERT没有收集任何额外的人类专家示范，就把机器人平均成功率从初始化的81.0%拉到97.3%，平均故障率相对降低86.0%。
群体经验学习（CEL）加持下，真机环境Scaling把群体经验扩了容，复杂任务的可靠性大涨：手机包装这类多阶段长流程任务失败次数减少92%，叠衣服形态控制成功率从85.8%升到98.3%。
世界模型环境Scaling则靠回溯探索给真机学习提速：
1.经验回溯树搜索：算力不花在重跑相同开头上，集中火力探关键分叉点。
2.树结构价值评估：不用额外训练复杂的价值网络，直接对比同一起点下不同分支的结局，就能给动作打分。
3.测试时物理对齐：怕机器人在世界模型里「越想越离谱」，系统用机器人实操的最新真实数据，通过LoRA + DMD实时修正世界模型的物理动态。
机器人能在部署中自己攒经验，同一套能力又能复制，边际成本就会一路往下走——这是具身智能走向规模化的关键前提。
三大引擎交替协同，机器人的练习规模也就不再被真机数量卡住。
需要精细受力反馈的「抽积木」也好，极考手感的「桌面冰壶」也好，在Genie Evolver加持下都能以极低成本练出很高的策略可靠性：桌面冰壶在线改进4小时，首次超过人类平均水平；抽积木连续抽取5块并保持稳定。
部署后Scaling：真正的「无人在环」持续自进化
后训练好比上岗前的「特训」，而GO-3最特别的一环，是打破了「毕业即巅峰」，把Scaling延伸到了部署之后。
10月27日，智元正式发布具身Agent框架Genie Master。行业里一直有个痛点：人工追在机器人后面改代码、采数据，落地只能小步慢跑。Genie Master要解决的，就是让机器人在真实业务场景中「边上岗，边解锁新技能」。
这也是行业首次跳出仿真环境和实验室，在真实业务场景中跑通闭环，验证了Physical RSI。
从「发现问题」到「解决问题」，中间需要一座桥。Genie Master为此设计了关键接口EEP（具身执行协议）。
有了EEP，Agent能清楚知道机器人能做什么、做得怎么样，上层推理大脑和底层执行小脑由此彻底贯通。
在这个框架下，机器人沿着两条互补的路线学会「吃一堑，长一智」。
1.Harness RSI（让经验可复用）
在真实便利店上岗时，机器人给货架挂钩挂商品，最初成功率很低。Agent回溯失败记录后找到了原因：头部相机分辨率不足，还被标签牌遮挡。它随即规划出新策略——左手先靠近，用腕部相机补充近距离视角，确认位置后再由右手挂货。
这种无需人工干预的「随做随记」，把失败教训沉淀成了长期的Prompt和记忆规则。
2.Policy RSI（让能力学进参数）
打包外卖时，机器人的夹爪容易被白色塑料提带缠住。Agent会引导夹爪先收回、再重新尝试。这些真实的异常接管和恢复数据经过后处理，直接流回底层的动作策略参与训练。
也就是说，纠错不再只停留在表层的提示，而是实打实固化成了模型权重的肌肉记忆。
靠Physical RSI持续改进，部署后的真实作业经验得以复用。在完整任务流程中，得益于记忆指导编排，成功率从初期的28.6%大幅提升到85.7%；在无人在环训练更新策略下，单任务成功率也提升了17.7%。
一场24小时不间断的便利店直播定在11月2日开场，智元安排6台G2机器人接力值守，全程没有人工介入，用「转正考核」的方式看它们扛不扛得住压力、能不能随机应变、持续进化到什么程度。
GO-3 Preview对行业意味着什么？
把行业内几家代表性玩家摆在一起，差异一目了然：
从这张表里，能读出GO-3的三层行业意义。
第一，它把「Scaling」从一个点拉成了一条线。
别人在某一段上做到极致，GO-3把三段打通。能力不再只取决于出厂前喂了多少数据，而是取决于整条链路转得多快——从预训练到Rollback脑内复盘，再到真实场景里的Physical RSI。
第二，它给世界模型找到了更轻、更能落地的实战形态。
结合Rollback的回溯机制，世界模型不再只是单纯的「播放器」，而是真正参与策略迭代的「模拟推演引擎」。
第三，它把「数据」的定义改写了。
高质量遥操作示范曾是具身智能里最烧钱的一环。智元的做法不同：人类视频、失败轨迹、世界模型推演出来的结果，连便利店里被打翻的一个水瓶，都能当数据用。
说到底，最自然、也最取之不竭的数据来源，就是机器人上岗之后的真实作业。
放到国内看，这层意义更重。制造、物流、零售这些场景，中国是全球最齐全的；机器上岗的数量越多，回传的经验就越多，模型迭代也就越快。谁先把「部署—学习—再部署」这个循环跑顺，下一阶段的主动就握在谁手里。
机器人进入「终身学习」阶段
把业内几家有代表性的公司摆到一处对照，智元这套体系对行业的分量就看得出来了。
其他玩家往往把某一段做到极致，智元走的是另一条路：GO-3 Preview 管预训练、Genie Evolver 管后训练、Genie Master 管部署后，三者协同，把这三段接成了一条通路。
预训练这一段，搭起的是跨场景可复用的通用能力底座。
后训练这一段，靠「真机、物理仿真、世界模型」三台引擎反复大规模试错，把策略的可靠性往上提了一大截。
到了部署后，Agent 框架接管，在没有人在环的真实作业里不断攒经验、反复用。
能力高低，不再只看出厂前喂进去多少数据，而看整条链路转得有多快。过去具身智能里最烧钱的是高质量遥操作示范；如今人类视频、世界模型的推演结果，甚至便利店里被打翻的一个水瓶，都能拿来喂模型。
从 GO-1、GO-2 一路走到今天全链路的规模化学习，智元给出的判断清晰，也够大胆——
机器人能力的成长，不该只发生在训练环节，也该发生在每一次真实作业当中。
人从来不会在毕业那天就停止成长。从今天起，机器人也不必了。
