Fable 5.2与GR00T 2接连突破:机器人的“脑”和“手”还差一道缝
2026年末,具身智能的商业化似乎终于等来了它的“破局点”。 过去,这个行业一直受困于“大脑”不够聪明,无法应对复杂环境;“手”不够灵活,且学习成本高昂。 但最近,两个技术突破为它们带来了新的进展。 一方面是“大脑”的外溢。 Anthropic的通用模型Fable 5.2,原本的主业是编程与推理,现在却在双臂机器人仿真
2026年末,具身智能的商业化看上去总算等来了一个“破局点”。
此前这个行业被两件事卡住:一是“大脑”不够聪明,碰上复杂环境就犯难;二是“手”不够灵活,学起来的成本又高。
最近两项技术进展,让局面有了松动。
一头是“大脑”能力外溢。
Anthropic的通用模型Fable 5.2,本来主要做编程和推理,如今在双臂机器人仿真基准RoboDojo上,任务成功率从上一代的27.6%升到64.9%。更出人意料的是,没经过专门训练,它在演示视频里直接操控机械臂,把拧瓶盖、解魔方这类高精度动作做了出来。

另一头是“手”的门槛下移。
英伟达的机器人基础模型GR00T 2登场,走的是“世界-动作模型”路线,不靠海量数据投喂,人示范5次之后,任务平均成功率就冲到95%。
“脑”捅破了边界,“手”压低了门槛,两端的瓶颈都开始松动。不过,这些真能让机器人在现实世界里站住脚吗?
01、未被接上的“缝隙”
把这两个新变量拆开来看,情况或许没想象中那么乐观。它们各自在能力边界上一路狂奔,却压根不在同一条跑道上。
先说
Fable 5.2,它确实把“脑”的上限往上顶了一截。在仿真环境里任务成功率有64.9%,靠的是很强的“高层空间”推理能力,说白了就是懂物理常识。
比如让它拧开瓶盖,它知道先抓住、再逆时针转,力气使多大也能算准。它还能借视觉和推理形成一个逻辑判断的闭环,比起那些只会死记单一动作、换个场景就抓瞎的专用策略,这确实聪明得多。
可这份“聪明”落到真实世界,就显得有些使不上劲。
第三方真机测试里,由LLM引导机械臂下跳棋,脱落或偏移的情况出现了14次。

症结主要在执行的频率上。机器人手指要在物体滑脱的一刹那稳稳捏住,底层力控闭环通常得跑到20-100Hz的反射频率,也就是每10到50毫秒完成一次力度修正;而Fable 5.2的规划循环,大约只跑在1-2Hz。
换句话说,大模型一秒钟才更新一两次“捏住”的指令,手指却要在一秒里微调几十次,才防得住棋子滑落。棋子滑脱那一瞬,大模型反应不过来,也来不及再下一道“捏紧点”的指令,手指只能僵在那儿,棋子自然就掉了。
这就像一个将军在指挥部里每秒才更新一次战术,前线士兵却每十毫秒都在挨子弹。两边完全不在一个时间尺度上,大模型规划得再好,底下这双手也接不住。
况且64.9%这个成绩,还是在理想化的仿真环境里测出来的,那里没有光线干扰,也没有地面颠簸。到了真实世界,要面对灰尘、反光和其他意外,这个成绩能不能保住还是未知数。官方虽说做了18个真机测试任务,对应的分数却没给出来。
再说GROOT 2,它确实把“手”的门槛压低了。

(图源:NVIDIA)
5次示范就有95%的平均成功率,意味着过去要采集海量数据、花几个月才教得会的动作,现在几分钟演示就能教会。这个方向上,它确实把训练和适配的成本砍下了一大截。
不过,这95%也得放回具体的测试条件里看。
NVIDIA技术白皮书披露,参与测评的50项Dexter机器人操作任务,在构建测试集时就是从那些模型经过5次示范后至少能达到80%的任务里挑的。白皮书也讲明了,95%这个高分本身受测试集挑选方式的影响。
也就是说,95%的成功率,来自一套事先筛过的考题。
五次示范做完,50 项任务里能称得上“每一次试验都成功”的只有 37 项。剩下 13 项反复测下来,照样会翻车。
可这个衡量执行稳定性的 37/50,在铺天盖地的官方通稿里几乎找不到踪影。
也就是说,在被筛过的那些任务范围内,训练确实变得便宜了。但换到一条没见过的产线,机器人还撑不撑得住、可靠性怎么样,眼下谁也说不准。
还有一处没人填上的空当:模型层和执行层交接的位置,真实抓握需要的毫秒级反射。
英伟达显然看出了这种“接不上”的尴尬。它的处理办法是让 GROOT 2 守在执行层,变成一个模块,由上层推理模型通过 WAM API 来调用。定任务、编排技能、盯进度归上层;把意图变成具体的抓取和装配动作,归 GROOT 2。
接上上层推理模型以后,效果还行:YAM 机械臂连续装配三种玩具,成功率到了 97%。

(图源: NVIDIA)
但这只是给两边定了一套“通信协议”,桥并没有真的建起来。
放到真实工厂里,上层指令发下去、底层执行失败了怎么处理?机械臂卡在半空、延迟了又怎么办?延迟控制、失败检测这些工程化问题,Fable 5.2 那篇炫酷的论文里没写,GROOT 2 亮眼的示范数据里也没有。
这个技术缺口搁在实验室,可能只是少了一组数据;落到真实工厂,就成了机器人商业化路上的一道门槛。
02、一笔算不拢的“产线账”
门槛压到产线上,最先冒出来的其实不是技术问题——卖机器人的和买机器人的,压根不在一个频道上。
模型方的成绩单再好看,工厂老板掏钱之前先算的永远是:这几十万设备投下去,多久能回本?
摩根士丹利今年 11 月的调研给了一组很现实的数据:82% 的企业要求三年内回本,平均可接受周期是 26 个月。可对现有款式机器人表现满意的采用者只有 18%,这个数字还比上一年降了 5 个百分点。受访公司整体的部署预期,也被硬生生往后推了约一年。
企业的耐心正在耗尽。但让客户算不过这笔账的核心,并不在本机上,而在隐性成本。
中国信通院《具身智能发展报告(2026年)》显示,机器人整机价格只占全生命周期成本的 40% 至 60%。剩下的大头花在场景改造、系统集成、数据采集、模型训练、运维人员配置和故障停机损失上……

(图源:《具身智能发展报告(2026年)》)
Fable 5.2 和 GROOT 2 的突破,确实把前期的研发和训练成本压下来了。可真正吃钱的后期运行成本,两者都没碰到。
后期运行成本的一个核心诱因,正是那个“想”与“做”之间的缺口。
高通官方声明里提到,NEURA 的 4NE-1 人形机器人在今年台北国际电脑展上突然倒地,原因是一次短暂的通信故障触发了安全关机。
在展台上这还能叫“受控倒塌”;放到产线上,就是实打实的意外停机,既耽误产线,又多出一笔维修成本。

类似的还有日产在田纳西州 Smyrna 工厂部署的 OTTO 移动机器人。据 Business Insider 报道,硬件没毛病,问题出在软件接口跟日产物料流对不上,两台机器人被派到同一个位置,产线直接“交通堵塞”。
这些真实的停产账,有可能逼着客户改评判标准。
智元 Genie 业务部项目总监艾文在接受界面新闻采访时就提到,传统工厂一天允许 4% 到 5% 的故障时间,坏了重启就行;具身智能现在考核的核心指标变成了“连续可工作时长”,要求单点故障后至少撑一个月才算及格。
换句话说,客户真正在意的,是机器人自身稳不稳。说得再直白些,其实是自家产线能不能稳住。
摩根士丹利那份报告把话说得更透:前沿大模型如今已经能在零样本条件下生成机器人动作,可成本、任务成功率、延迟这三项都还有提升余地。拿不出可量化的生产力证据,企业就不会追加规模订单。客户盯的无非是价值和成本,这时候再一味卷模型分数,恐怕就跟当下的需求对不上了。
03、拼“补缝”的下半场
客户的标准一挪,厂商的竞争重心自然跟着挪。为了更贴合市场需求,各家机器人厂商也确实各有各的打法。智元拿出的解法,就直接冲着“脑”与“手”之间的时间差去。
它的异步双系统架构,把思考和执行分给两套班子。慢系统管深度规划,一秒钟只更新一到两次大方向;快系统高频运转,一秒钟要跑几十次。

(图源:智元)
快系统不光接收慢系统的意图,还会在慢系统两次发指令的空隙里,结合自身实时观测,自主做局部微调和纠错。这等于在两者之间垫了一块“缓冲垫”:慢系统负责指方向,快系统在底下拼命稳住动作。慢系统不必等快系统走完再发下一条指令,快系统也不用死等慢系统更新。两套系统频率不同,却各司其职、同步进行,以此抵消掉一部分时间差。
可真实世界里的突发状况,光靠微调未必来得及救场,这时候或许就得靠容错机制兜底。
Figure AI的做法,是把“出错”当成常态。电量低了自动换机,检测到软硬件异常,机器人自主退出工作区,由另一台直接接替继续干活。不停机、不断档,也不让单点故障拖垮整条线。靠这套机制,Figure AI在200小时连续运行中处理了近25万个包裹,让机器人真能在产线上持续干活。
让机器人“持续干活”、成为稳定的“生产力”,似乎正在成为行业趋势。商业模式上就能看出来:擎天租等玩家开始转向“机器人生产力服务”,按效果计费;工信部也在鼓励按价值付费的RaaS模式。

(图源:擎天租)
更何况,这种模式还把机器人可靠性的风险,从客户手上挪到了服务商身上。
行业趋势正在向那些能补好“接口”、能把执行做得稳的企业倾斜。留给厂商的时间窗口,正肉眼可见地收窄。
王兴兴说,具身智能的“ChatGPT时刻”最快2027年到来;千寻智能郑灵茵的判断更具体:2026到2027年,是从“讲故事”转向“交付”的分水岭。
“交付”这两个字,显然已经不是比哪家模型分数更高。商业化落地眼下最要紧的,或许就是先在真实产线上把当前的活干明白。这并非否定模型技术的价值,Fable 5.2和GROOT 2的突破仍是行业的地基,模型该迭代还得继续迭代。
只是模型发展指向一个更好的明天,客户要的却是一个能开工的今天。这无关对错,只是一场行业长短线的错位。
往远处看,长线技术攒下的溢出效应,迟早会体现在真实产线的账本上;而眼下正被加急补齐的那些工程接口,也会变成下一轮模型爆发的地基。
* 图片来源于网络,侵权请联系删除