星尘OS黑客松：17队36小时跑通16个机器人App

给机器人开发应用，门槛正在被拉低——从写代码到真机跑起来，中间可能只隔一句话。

以前做机器人程序，是少数专家的活儿。运动控制、传感器融合、各种底层驱动，样样得懂。10月25日在深圳收官的星尘OS机器人黑客松总决赛，给出了另一种可能：有想法，就能让机器人动起来。

活动由星尘智能主办，定位是全国规模最大、面向多元背景创作者的机器人App黑客松。闯入总决赛的17支队伍，用36小时走完了创意到真机验证的全流程。成绩单有点出乎意料：16个App在真实机器人上跑通，上真机率94%。

这些程序不是屏幕上的模拟动画，是能真正干活的。远程铲猫砂、浇花，自动运镜跟拍，还有机器人提起毛笔写书法。参赛者大多没有深厚的机器人底层开发经验，靠的是星尘OS（AOS）的工具包，再结合GPT-6、DeepSeek等大模型，把自然语言需求变成可执行的机器人动作。

信号很明确：“一句话生成App”在具身智能领域已经走出概念，成了正在落地的工程现实。星尘智能想借AOS，搭出机器人时代的“iOS”和“App Store”生态雏形。

把复杂留给平台，把简单留给创作者，这是AOS的核心逻辑。

星尘OS操作系统（Astribot OS，简称AOS）的设计思路，关键在封装。感知、移动、操作、交互这些复杂能力，被它打包成可调用、可组合的“Meta包”（机器人技能模块包）和Skill。

对开发者来说，这意味着不必从零写底层代码。电机怎么转、摄像头数据怎么解析，都不用操心，只要通过AOS把现成能力模块组合起来，设计业务流程，做仿真测试，最后部署到真机验证。AOS干的事，就是把底层复杂性装进平台，把简单的开发接口留给创作者。

这套理念叫“Design for AI”（DFAI，面向AI设计）。AOS不只给人用，也给AI用。星尘智能创始人兼CEO来杰在赛后采访中说：“AOS设计接口的时候，要考虑GPT能不能看懂，不能只考虑开发者能不能看懂。”

说白了，AOS从设计之初就盯住了两类使用者：人类开发者拿它快速搭应用，AI模型也能通过它直接调用机器人的各项能力。模型是大脑，决定机器人有多聪明；本体是身体，决定机器人能做什么动作；操作系统则是神经系统，把智能转化成物理世界里可执行的任务。

模型、系统与本体如何协同，要看星尘的全栈布局。

星尘智能的技术路径不是单点突破，而是围绕“AI模型—具身操作系统—绳驱本体”搭起的全栈架构。

今年，星尘先后推出自研具身基座模型Lumo-2，这是业界首个家庭隐式世界动作模型；同时发布第二代高精细操作机器人T1，起售价8.99万元，并布局了万台级产能。随着AOS向更多开发者开放，这套全栈架构的价值开始显现。

在星尘的技术体系中，三者分工明确，配合紧密：

• Lumo系列基座模型：理解任务意图，预测并生成行动策略，再通过强化学习持续进化。
• AOS操作系统：围绕AI组织任务，调用、组合机器人的各项原子能力。
• 绳驱机器人本体：在真实物理环境中执行具体动作。

这套协同机制，把AI的智能变成物理世界里可调用、可组合、可扩展的任务执行能力。实际部署和数据积累，还能让整个系统持续优化。星尘坚持一个判断：物理AI的竞争不是单点技术比拼，而是全栈系统能力的较量。

传统机器人是简单叠加AI，DFAI理念不一样，它要求从设计之初就围绕AI的理解、决策和行动能力，把模型、软件系统与机器人身体协同设计。面对复杂的非结构化环境，星尘的解决方案因此有更强的适应性和泛化能力。

黑客松现场，创新由真实需求驱动。

这次黑客松有47支队伍参与，来自北京、上海、深圳、中国香港和中国澳门等地。经过北京站、深圳站选拔，17支队伍进入总决赛。参赛者背景很杂，学生、大厂产品经理、独立开发者都有，最年轻的参赛者出生于2006年。

他们带着对生活和工作的观察，试着回答同一个问题：如果能为机器人开发一个应用，你希望它做什么？

通用大模型在理解需求、生成代码和任务规划上的进步，正在改变机器人应用的开发方式。Vibe Coding（氛围编程）让更多人从描述需求起步，由AI辅助写代码、调用能力，并在测试中持续迭代。这一变化进入Physical AI（物理人工智能）领域后，软件的输出不再局限于屏幕，而是变成现实世界中的行动。

不过，机器人应用开发仍有一道门槛。一个看似简单的任务，往往牵扯任务规划、接口适配、动作控制、异常处理与真机调试。熟悉软件开发，未必掌握机器人控制技术；专业工程团队，也难提前覆盖所有生活和生产需求。

AOS把机器人能力模块（Meta能力包）和开发工具打包给参赛者，底层控制、通信、硬件驱动这些活不用从头再写一遍。选手省下的时间，可以花在需求理解和应用体验上。

冠军应用：远程分身

冠军团队“远程分身”小组把AOS的Meta包用得很深，36小时内打通手机端与机器人的双向实时控制链路。图传、抓取、语音、移动底盘和操作能力被整合到一起，T1机器人稳稳跑通了铲猫砂、浇花、倒水、取快递、聊天这些刚需任务。

更关键的是，他们搭出一套通用架构，T1随时能变身家庭保安或差旅管家。这种灵活性让商业想象力大了不少。团队成员赛后说，AOS给了一套易用的开发者工具链，查资料、开发、调试、部署都有对应接口可用，开发难度降了很多。

亚军应用：摄影与书法

两支亚军团队走的是更有文化属性和创意性的路子。

GowithFlow团队做了“拍照大师”，面向景区游客和短视频创作者，探索人物锁定、自动构图和移动跟拍，想让机器人当专业摄影助手。

笔走龙蛇队带来书法应用“问墨”。团队里的双胞胎兄弟从小看爷爷写春联、到镇上售卖，这回他们把这段生活记忆带进比赛，让机器人拿起毛笔，按指定内容书写。这既考验机器人的精细操作能力，也是在探索传统文化与现代科技怎么结合。

季军与人气奖：解决生活小麻烦

季军团队的应用同样来自真实痛点。

“未定义”团队盯上3D打印后的收料工作，尝试让机器人取下成品、放回打印板并开启下一轮打印，把自动化流程接续下去，用户不用半夜起床收模型。

“过河小兵”团队把棋类对弈搬到机器人上，探索与用户面对面下棋的互动体验。

Symbios团队开发了“光绘涂鸦”，用户与机器人一起构思图案，再由机器人挥动荧光棒绘制，联动相机拍摄，把人物与光影留在同一张纪念照里。

拿到最佳人气奖的是“CatDance·小猫跳舞”团队。这个点子的起因挺生活化：一次出门旅行，家里的电动猫砂盆突然坏了，只好找朋友上门帮忙收拾。三个人都来自互联网大厂，此前没做过机器人开发，他们就从这件麻烦事入手，做出“旅行管家”方案，应用围绕铲猫砂这类离家期间的照看任务展开。

生态展望：机器人时代的App Store能否成立？

苹果的成功说明，优秀硬件只是基础，靠操作系统和开发工具让第三方持续造应用，才是拓展设备用途、构建生态壁垒的关键。

星尘智能想探索类似的路径，但机器人面临的挑战比智能手机复杂得多。应用不只要在数字世界里跑，还必须在物理世界里完成任务。生态能不能形成，取决于模型能力、本体执行、软件接口、应用供给和开发者回报能否一起往前走。

对开发者，AOS想降低从需求到机器人应用的开发门槛；对用户，应用意味着有机会按需获得更多服务，而不必理解背后的模型与控制算法。

总决赛评委、北京大学科学智能学院院长助理、助理教授周大权点名谈到了毛笔书写和3D打印自动收料两个项目。他的看法是，把通用大模型和封装好的原子技能库搭配起来、交给Agent去组织调用，是机器人应用开发上一条值得试试的新路子。开发者可以借助已有能力完成新任务，再把自己做的应用分享给别的用户。前提是底层技能得扛得住不同场景，泛化能力要够。

还有一点，一句话生成App把真机测试看得很重。真实环境里的物体、空间和安全约束都绕不开，复杂应用得经过工程适配，也要在真机上验证。AOS想压低的是开发门槛，必要的工程流程并不打算跳过。

来杰说：“我想要扩大价值，首先得扩大受众和用户。”星尘想把应用这块蛋糕做大，吸引更多软件开发者、产品经理和行业从业者带着需求进来。星尘以前已经解决的问题，开发者不必再重复做一遍，可以把更多精力放到自己的应用和用户体验上。

从Lumo-2到T1，再到AOS，星尘正在尝试连接AI的智能、机器人的身体与应用创造工具。智能手机让人们拥有了可以不断扩展用途的个人计算设备，星尘想探索的，是让更多人也能为个人机器人创造新的用途。

不过，操作系统出来了，应用生态也不会自己长起来。产品还得持续迭代，能力接口要保持稳定，真机运行成果和真实用户需求也要越积越多，这条路线能不能走通，要靠这些去验证。往后比拼的可能不只是硬件参数或者单项任务能力，更在于谁家的开发工具更好用、可复用的机器人能力更多、应用选择更丰富。