近期，马斯克再次发声批评。

起因是市场调研机构Counterpoint的一项预测：未来五年内，人形机器人对内存的需求将增长近20倍，到2030年，每台机器人需配备39GB内存。

马斯克对此回应称：“这是愚蠢的分析。”

他之所以不满，是因为认为这个数字被低估了。在他看来，机器人在物理世界中“塑造原子”时，所需的内存最终会超过地球上所有其他设备的总和。

市场也在积极投入。10月28日，人形机器人相关概念股盘中一度上涨超过5%。同日，有券商报告指出，Optimus已启动样机试产。

然而，在热闹表象下，一个核心问题浮现出来——给机器人配备如此大的内存，它们真的能“记住教训”吗？

答案是，目前绝大多数机器人从未从错误中学习。它们一生中最聪明的时刻，就是出厂的那一刻。

机器人在实验室“完成学习”，带着训练好的模型进入工厂、商店或家庭。之后日复一日，遇到陌生情况便陷入困境——大多数机器人都是“毕业即巅峰”。

正如智元在发布会上所言，2026年具身智能的挑战已不再是“能否演示”，而是“能否部署”。

10月29日，智元正式推出GO-3 Preview，旨在解决这一根本问题。

GO-3 Preview是一款在预训练、后训练和部署后阶段实现全链路规模化扩展的具身模型， 一举夺得RoboDojo、RoboTwin、RoboColiseum等机器人榜单的榜首。

预计到年底，GO-3 Preview等将全面开源。

从此，机器人不再是训练完毕才上岗，而是边工作边进步。

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，智元将“规模的力量”从训练阶段延伸至真实作业现场。

结果是：机器人开箱即可执行数百种任务，部分高难度操作达到甚至超越人类水平，并在实际工作中持续积累经验、自我进化。

2026年的具身智能：所有人都在寻找自己的“Scaling Law”

大语言模型依靠“堆数据、堆参数、堆算力”催生了ChatGPT。

面对数据枯竭的终局，大语言模型领域早已开始自救。

既然人类无法生成更多、更高质量的语料，便转向强化学习、自我博弈、测试时计算……

只要算力充足，智能似乎可以无限扩展，难以触及上限。

你看各种前沿推理模型，你看各种Agent Harness，语言模型开始自我进化，RSI已初露端倪，超级智能ASI似乎指日可待。

具身智能模型也出现了类似趋势：

预训练开始显现跨数据规模的可测量规律，并带来“一次示范即可学会”的能力；

后训练的重点从“多练”转向“练得省”；

部署后学习已能在真机上形成闭环，但仍需人工干预。

而今年具身智能领域最令人担忧的问题，正如Physical Intelligence联合创始人、UC Berkeley教授Sergey Levine所言：

“关键不是扩展，而是找对该扩展的东西。”

而GO-3 Preview选择全面覆盖，将“预训练扩展、后训练扩展、部署后扩展”这三段路径连接成一条完整路线。

尤其在RoboDojo这个机器人竞技场中，GO-3 Preview力压GPT-6 Astra等通用大模型。

预训练扩展，让机器人“见多识广”

首先，要打好基础，机器人迫切需要可迁移的通用能力。

为什么？

因为现实世界充满变数。

如果机器人只在实验室中死记硬背某几个杯子的抓取方法，一旦进入真实便利店，遇到陌生的光照、背景或新包装，便会立刻失效。只有具备跨场景、跨物体的通用能力，机器人才能真正走出实验室。

为了实现这种通用性，GO-3的预训练围绕两个维度同时放大：数据和模型。

为了支撑这条路线、打破数据枯竭的瓶颈，智元构建了从数据到智能的端到端闭环，正式推出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AGIBOT WORLD 2026。

智元设计了专为预训练扩展打造的具身原生架构WRAM (World Reasoning Action Model)。

其最大突破，是将“理解任务—预测未来—生成动作”这三件事完美统一在一条线上。

具体而言，WRAM的底层逻辑依靠三大核心机制支撑：

（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。

机器人不仅要“看到”物体，还要知道如何“控制”。CoAE能够提取面向控制的视觉表征，为未来预测与动作生成提供基础。

它能精准捕捉物体的位置、形态以及相互关系，从而将“看到的世界”与“机器人该如何行动”紧密联系起来。

SVP可以“单步生成完整未来”，也就是说机器人学会了“三思而后行”。

SVP会根据当前观测和任务指令，一步到位地预测出接下来会发生的变化，随后动作生成模块再去学习如何从当前状态到达那个“预测状态”。

通过这种方式，海量的人类视频为机器人提供了“物理世界如何变化”的常识经验，而机器人的实际轨迹数据，则将这些变化与具体动作紧密绑定。

真实世界中，完成一个任务往往有多种方法（比如左手抓和右手抓），这意味着同一场景存在多种合理的“未来”。

KASO的作用，就是在训练中筛选出那些与真实动作更相容的候选结果进行联合学习，让未来预测与动作生成的训练目标更好地衔接，避免机器人的动作被多种可能性“平均”成四不像。

得益于WRAM的强大底座，预训练能力的爆发直接体现在了实战表现中：

面对海量新任务，GO-3主打Zero-shot（零样本泛化），没见过的场景、物体，无需微调开箱即用；面对更精细的任务，它可以Few-shot（少样本精细操作），只需看几次就能掌握。

比如微调后的GO-3能精准完成乐高零件的抓取、对位与插入。

跨本体后，机器人同样能完成双手持物开门、跪地取物等高难度复杂动作。

后训练扩展：基于Genie Evolver的“三引擎”试错与进化

读万卷书，还得行万里路。

预训练给了机器人常识，但许多精细的物理接触技能只能靠练习。问题是：在纯物理世界中试错成本太高，而在传统普通仿真中，又学不到真实的物理接触反馈。

智元给出的答案，是其强大的后训练基础设施——Genie Evolver。

它彻底摒弃了单一环境的局限，构建了一条以**“真机、物理仿真、世界模型”**三大引擎为主线的后训练范式。

世界模型引擎负责提供“大脑里的想象力”，在云端推演出各种可能的动作分支和视觉动态，让机器人可以在脑内疯狂复盘“如果当时换个动作会怎样”。

物理仿真引擎弥补了世界模型在精密受力上的不足，提供高精度的刚体、柔体接触反馈，确保机器人的动作不仅“看起来对”，而且“力学上合理”。

真机引擎作为最终的试金石，将真实世界中采集到的最新物理数据实时反哺给另外两个引擎，确保云端的练习永远与真实物理世界对齐。

在算法底层上，智元引入了“失败引导的经验检索微调（FERT）”。

这套算法极其巧妙：当机器人在执行任务（如插线、组装）失败时，它不会去学习失败的动作，而是把失败前的情境作为“查询词”，去整个机群共享的“成功经验池”里检索出最相关的成功轨迹片段，并大幅调高这些片段的采样优先级来进行监督训练。

换句话说，成功的经验提供了“该模仿什么动作”，而失败的教训则决定了机器人当前需要“重点复习哪里”。

在插花、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在完全没有收集额外人类专家示范的情况下，将机器人的平均成功率从初始化的81.0%一举拉升到了惊人的97.3%，平均故障率相对降低了86.0%。

在这套群体经验学习（CEL）加持下，真机环境扩展扩大了群体经验，让复杂任务的可靠性暴增，比如手机包装多阶段长流程任务失败次数大幅减少了92%，叠衣服形态控制成功率从85.8%提升到了98.3%。

世界模型环境扩展则以回溯探索加速真机学习：

1.经验回溯树搜索：不浪费算力去重跑相同的开头，而是集中火力在关键分叉点探索。

2.树结构价值评估：不需要额外训练复杂的价值网络，直接对比同一个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：为了防止机器人在世界模型里“越想越离谱”，系统会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。

当机器人可以在部署中自主积累经验，同一套能力可复制时，边际成本将持续下降，这是具身智能走向规模化的关键前提。

在这三大引擎的交替协同下，机器人的练习规模不再受限于真机的数量。

无论是需要精细受力反馈的“抽积木”，还是需要极强手感的“桌面冰壶”，机器人都能在Genie Evolver的加持下，以极低的成本练出极高的策略可靠性，甚至在桌面冰壶在线改进4小时首次超过人类平均水平，抽积木实现连续抽取5块并保持稳定。

部署后扩展，真正的“无人在环”持续自进化

如果说后训练是在上岗前的“特训”，那GO-3最与众不同的一段，就是打破“毕业即巅峰”的部署后扩展。

10月27日，智元正式发布具身Agent框架Genie Master。它解决了一个行业痛点：靠人工追在机器人后面改代码、采数据，落地只能小步慢跑；机器人必须学会在真实的业务场景中“边上岗，边解锁新技能”。

这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。

为了搭起从“发现问题”到“解决问题”的桥梁，Genie Master设计了关键接口EEP（具身执行协议）。

EEP让Agent清楚地知道机器人能做什么、做得怎么样，将上层推理大脑和底层执行小脑彻底贯通。

在这个框架下，机器人通过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，最初机器人给货架挂钩挂商品成功率很低。Agent回溯失败记录后，定位到了原因：头部相机分辨率不足，且被标签牌遮挡。Agent随即规划新策略——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”，将失败教训沉淀为了长期的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的塑料提带缠住。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，经过后处理后，直接流回底层的动作策略进行训练。

这意味着，这种纠错不再仅仅是停留在表层的提示，而是实打实地固化成了模型权重的肌肉记忆。

得益于Physical RSI的持续改进，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%大幅提升到了85.7%；同时无人在环训练更新策略下，单任务的成功率也获得了17.7%的提升。

11月2日，智元将开启一场24小时便利店直播，6台G2机器人将连续上岗接受“转正考核”，在无人在环的状态下，检验其抗压、应变和持续进化的真实水平。

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“扩展”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（从预训练到Rollback脑内复盘，再到真实场景里的Physical RSI转得多快。

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。

过去，具身智能最贵的是高质量遥操作示范。而在智元的体系里，人类视频、失败轨迹、世界模型的推演结果、甚至便利店里打翻的一个水瓶，统统都是数据。

最天然、最源源不断的数据源，正是部署后的真实作业。

对国内而言，这一点尤其关键。中国拥有全球最丰富的制造、物流、零售场景，机器人上岗越多，回流的经验就越多，模型进化就越快。谁先跑通“部署—学习—再部署”的飞轮，谁就握住了下一阶段的主动权。

机器人的“终身学习”时代

把行业内几家代表性玩家摆在一起，能读出智元这套体系深远的行业意义。

别人在某一段上做到极致，智元则通过**GO-3 Preview（预训练）、Genie Evolver（后训练）、Genie Master（部署后）**的生态协同，把三段彻底打通：

预训练建立跨场景的通用能力底座；

后训练通过“真机、物理仿真、世界模型”三个引擎的大规模试错，大幅提高策略可靠性；

部署后则通过Agent框架在无人在环的真实作业中，持续积累和复用经验。

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。过去，具身智能最贵的是高质量遥操作示范；而现在，人类视频、世界模型的推演结果、甚至便利店里打翻的一个水瓶，统统都是进化的养料。

从GO-1、GO-2，到今天的全链路规模化学习，智元提出了一个足够清晰、也足够大胆的判断——

机器人能力的提升，不该只发生在训练阶段，也应该发生在每一场真实作业里。

人类从来不是在毕业那天停止成长的。从今天起，机器人也不必了。

本文来自微信公众号“新智元”，作者：ASI启示录，36氪经授权发布。