苹果人形机器人HALO：背Mac mini跑千问，300小时仿真数据练出91分

机器人赛道要热闹了，苹果也来插一脚。

苹果最近公布了一项人形机器人研究，名字叫HALO。演示视频里，一台人形机器人在陌生房间里钻来钻去，钻桌底、推箱子都不在话下；趁卧室门没关严，它还侧身挤了进去，最后找了把椅子坐下，动作很顺。

HALO项目官网

整个过程都是离线完成的，没有遥控，也没连云端。跟此前那些还得靠遥控器的人形机器人相比，水平差得不是一点半点。

但仔细看，这副机身有点眼熟——不就是2024年5月发布的宇树G1机器人吗？

宇树G1机器人

更奇怪的地方在于，机器人背上还驮着一台Mac mini M4 Pro，里面跑的大模型来自阿里千问。

苹果做了这么多年的人形机器人，结果是个拼装货？

Mac Mini + Qwen，考了91分

眼下的机器人什么都能干，唯独缺数据可学。

传统大语言模型LLM做预训练，网上素材管够，数十万亿Token都不在话下；自动驾驶靠路上跑的智能车，百亿小时数据也只多不少。

可具身智能不一样，它要理解空间结构、物体关系和物理规律，目前公开可用的训练操作数据只有几十万小时量级。拿这点数据去喂人形机器人，只能算“蚊子腿”。

训练人形机器人的数据为什么这么少？主流采集手段各有短板：真机采集、动态捕捉、视频蒸馏，要么成本高，要么废片率高，要么多样性不足。真机遥控的市场价大约是每小时500元至1000元。

苹果HALO的做法很干脆：不采了，直接用仿真合成造数据。

具体来说，苹果在1000个程序生成的虚拟家庭环境里合成了约300小时训练数据，客厅、办公室、卧室和家具都是随机分布，用了250块英伟达H100 GPU。

苹果HALO项目仿真

这些虚拟家庭也不是随便搭几个房间、摆几件家具就完事。场景里加了模糊、噪点、不同明暗和冷暖色调等各种滤镜，尽量还原真实家庭里千奇百怪的光线和视觉干扰。

苹果HALO研究演示

训练数据解决了，接下来要解决机器人在真实环境里的反应速度。

全程离线的前提，是全部计算都在机器人背上的那台 Mac mini 里跑完。让一个大模型从“看懂环境”一路管到“控制全身关节”，本地算力扛不住，动作也会拖得很厉害。苹果的办法是把 HALO 拆成三层，让不同规模的模型各管一段、互相配合。

最上面一层负责理解任务。比如用户说“去把箱子推开”，视觉语言模型要结合摄像头画面，判断箱子在哪、周围有什么障碍，再把任务拆成几个具体子步骤。这一层用的是阿里千问Qwen3.6-35B-A3B，激活参数只有30亿。

苹果HALO项目官网

中间层负责生成动作。它根据眼前环境接住上一层拆解出的任务，调用更轻量的Qwen3.5-2B模型，把任务分解成未来5秒的身体运动指令。最底层是运动跟踪，把上层指令转成电信号，直接驱动关节运动。

最上层和中间层都跑在机器人背上那台Mac mini M4 Pro上。换句话说，机器人的脑子就装在背上的Mac Mini里，数据传输时间短，反应自然快一些。

苹果HALO项目官网

那么，机器人这颗“脑子”，苹果为何单挑千问大模型？

一个原因是，跟OpenAI、Anthropic比起来，苹果在AI大模型上的推进确实慢了半拍。自己从头训不如直接拿来成熟的开源模型用。

另一个原因是，阿里千问够开放、够多样。数据生成、模型训练、部署代码、开源权重，都允许本地部署和改动。

参数从2B一路铺到数百B，苹果在三个层级中选用了Qwen3.6-35B-A3B和Qwen3.5-2B，正好能按任务需求和算力预算搭配，64GB的Mac mini M4 Pro刚好扛得住这个活。

这么看，中国市场等了许久的Apple智能最终牵手千问，也就不奇怪了，思路是一条线下来的。

Apple智能与千问合作

最后，HALO在6个没有扫描、没有建图的真实环境里跑了360次测试，平均成功率91%。钻桌底这一项是100%，穿过只开一半的门也有93%。

大脑从千问来，算力靠Mac mini，身体呢，苹果压根没自己造。

宇树上面结苹果

大脑是苹果外面买的，身体居然也是。

HALO的机器人本体采用宇树G1标准版：身高约132厘米，体重约35公斤，关节数量23至43个。苹果没有重做整套机械结构，只在它背上装了个3D打印的保护外壳，Mac Mini M4 Pro就搁在里面。

宇树G1详情图

说到这儿就有疑问了：美国人形机器人又不是没有。特斯拉Optimus、波士顿动力Atlas，名气都不小吧？

可人家根本没打算卖给你用。

马斯克的Optimus虽说已经量产，早期那批基本都待在自家工厂里干活，对外交付得等到2027年底前后。何况老马跳票是常事，Optimus恐怕靠不住。

Tesla Optimus

波士顿动力新一代电动Atlas同样没有公开零售，合作对象主要是现代汽车这些企业。Figure AI则把自家Helix模型和机器人捆得很深，估计也轮不到苹果。

退一步说，就算买得到，苹果也未必用得起来。

论文里提到，HALO要反复调关节力度、执行器响应和指令延迟，还得加装Mac Mini与摄像头、改动底层控制程序。这些事的前提，是硬件参数和底层控制权限都得开放。

但特斯拉和波士顿动力的机器人，硬件设计、关节控制、核心算法全攥在自己手上，不会开放给外部随便调用和修改。

再说，苹果眼下处在追赶和研究的阶段，需要的是一副能拆、能改、经得起折腾的机器人身体。宇树G1正好对得上。

宇树G1标准版9.9万起售，比起波士顿动力Atlas动辄数百万美元的成本低得多，明显更划算。

当然，苹果并不缺钱。

更关键的一点在于，宇树的机器人足够开放，在开源生态里属于最成熟的那批，量产节奏也最顺。开发者可以接入自己的算法，调底层控制参数，做二次开发也没问题。宇树还接连开源了机器人开发框架和通用操作大模型UnifoLM-VLA-0，软硬件两头都留着折腾的余地。

宇树G1机器人。拿R1系列双臂人形机器人来说，全栈开放的二次开发是支持的，开发框架也已经成熟。

宇树人形机器人有超过七成的收入来自“科研教育”，原因也在这里。买得到、改得动、供货还稳，这大概才是苹果挑中它的真实理由。

可问题在于，外界等苹果机器人等了快十年，想看到的应该是一台苹果从头做到尾的人形机器人，而不是一台装着千问、背着Mac mini的宇树G1。苹果自己拿出来的东西，更像是一套把现成硬件、大模型和自研算法凑到一起的方案。

往好里说，这叫供应链整合；往难听里说，可能就是“贴牌机”。

苹果或许还要再大胆些

其实苹果做机器人不是临时起意，只是胆子一直不大。

2014年，苹果就启动过“泰坦”造车计划，瞄准的是L5级全自动驾驶汽车。磨磨蹭蹭将近十年，投入超过100亿美元，最后什么也没造出来就终止了。网上传闻的Apple Car

不过车没交付出来，苹果倒是攒下了计算机视觉、自主导航、运动控制、传感器融合这些技术，一部分工程师也跟着转到了机器人项目上。

苹果把目光真正转向机器人，大约是在2020年前后。那阵子它还动过收购波士顿动力的念头，结果被韩国现代汽车集团抢先一步。

2022年，库克推动启动了代号J595的桌面机器人项目。按当时的设想，是在iPad上加一条机械臂，能转屏幕、能跟着用户视线走，还能调用Siri和苹果智能，当视频会议助手和智能家居控制中心用，预计最早2026年或2027年推出。

再看近期发布的Homeview全家桶、今年力推的Apple Intelligence，还有HALO那台不到150cm的宇树G1，苹果人形机器人的最终目标，大概率还是往智慧家庭生态上延伸。

Siri负责动嘴，Homeview负责调度，机器人负责跑腿干活——苹果生态里终于要多一个能动起来的角色。再结合前段时间刚发布的Homeview和今年力推的Apple Intelligence，围绕AI搭起来的这套新苹果智能生态，有可能成为苹果做人形机器人的最大优势。

但实话说，苹果想走到这个宏大目标，路还长得很。

HALO离真正能干活，也还有一段距离。

作为一项论文研究，它现在更像雏形：机器人学新技能，还是得靠人工写提示词、设计动作关键帧；测试也没碰用手抓取或操作物体，而这恰恰是具身智能进入物理世界最难啃的骨头之一；就算单项任务成功率达到91%，一旦变成连续多步的组合任务，成功率还会往下掉。苹果HALO项目演示

硬件跟不上节奏之外，据报道，库克近期还在内部会议上敲打了软件团队，直言苹果在AI上已经明显落后，不能再只给Siri打补丁了。

这几十年，苹果最拿手的就是把别人做过的东西重新定义一遍。当年的iPhone是这样，Apple Watch、Vision Pro也是这样，如今机器人按理也该一样。

可这条路真能造出苹果期待的那种机器人吗？恐怕连苹果自己，心里都挂着一个大大的问号。

参考资料：

[1]APPSO：苹果罕见公布人形机器人进展，宇树G1背着一台跑千问的Mac mini

经过苹果的一番调教，宇树这台机器人总算显出点“开窍”的样子。全球市值最高的公司盯上了人形机器人这条赛道，而苹果HALO把仿真训练带火之后，物理AI到底需要什么样的数据底座，也成了绕不开的问题。

十年过去，苹果对机器人这件事依然没打算放手。另一边，伯虎财经的判断是：苹果不想一直“躺赢”。

具身元的说法更直接——苹果把大脑装进了宇树的背篓里。