AgiBot 2026 戰略揭示：人形機械人競爭正變成 AI 系統之爭

這種組合更接近一間 AI 公司的架構，而不是傳統硬件產品線：身體負責感知和執行，模型負責理解和規劃，數據及模擬系統提供訓練材料，而評測則檢查改進是否真的能轉化成有用行為。

點解學習能力比一次性的硬件領先更重要？

人形機械人要在為人類而設的環境工作，遇到的變化很難事先逐一列出。例如物件可能放錯位置、地面材質可能不同、指令可能不完整，或者動作會以原本程式未預料的方式失敗。

因此，泛化能力會成為核心產品能力。一部可以透過示範學懂新流程、適應不同工作空間，並在受到干擾後恢復工作的機械人，未必需要擁有最強的機械性能，卻可能比只能完成較窄範圍預設動作的對手更有商業價值。

關鍵優勢亦不只是數據集夠不夠大，而是數據能否與整套系統真正接合，包括機械人的感應器和身體形態、任務定義、標註方式、評測方法，以及部署後取得的回饋。AGIBOT WORLD 涵蓋真實操作、工具使用和多機械人協作，正好說明較廣泛的操作數據為何重要。

具身 AI 的「學習飛輪」

全棧策略之所以有價值，是因為每一層都可以改善其他層。整個循環大致如下：

1. 將機械人部署到真實環境。
2. 收集示範、極端情況、失敗及嘗試修正的過程。
3. 整理並標註多模態數據。
4. 訓練和評估 GO-2 等策略模型。
5. 在 Genie Sim 3.0 及世界模型環境中生成變化，並對行為進行壓力測試。
6. 將表現較好的策略放回實體機械人驗證。
7. 部署改良後的模型，再收集下一輪數據。

真實世界數據可以補足模擬未必捕捉到的情況，特別是涉及接觸、摩擦和突發失敗的操作；模擬則提供規模、可重複性，亦可以更安全地測試罕見或昂貴的場景。兩者結合，有機會縮短由模型改動到實體效果可量度的時間。

AGIBOT WORLD Challenge 將公開數據集連同推理、操作、干擾適應和遷移任務結合，令其中一部分循環更容易重現。這一點很重要，因為具身 AI 的進步不能只靠開發商自行挑選的示範片段來證明。

世界模型令訓練不再受限於實體機械人數量

收集實體數據既慢又昂貴。每增加一個新環境，都需要場地、硬件時間、人手監督和安全控制。世界模擬器則提供另一種方法：在機械人真正採取行動前，先測試可能出現的結果、改變場景設定，並研究「如果當時採取另一個動作」會發生甚麼事。

這正是 GE-2 的戰略角色。它的意義不只在於把場景視覺化，更進取的方向是建立一個會對機械人動作作出反應的互動環境。如果模擬出來的動態足夠有用，系統便可以協助生成訓練例子、評估策略，並在實際部署前找出弱點。

但要留意，模擬並不能消除 sim-to-real 問題，即由模擬環境轉到真實世界時的落差。虛擬環境中成功的策略，仍要面對現實中的摩擦、感應誤差、物件差異、延遲、安全限制和突發故障。模擬器的價值，最終取決於結果能否轉移到實體機械人，而不是虛擬世界有幾大。

製造和成本，決定學習循環能否真正擴大

轉向 AI 競爭，並不代表硬件工程變得不重要。相反，可靠硬件的戰略價值更高，因為學習系統需要一個數量足夠大、表現一致的部署基礎。

一部價格可接受、容易維修、可靠而且易於操作的機械人，可以放進更多環境。更多部署帶來更多行為數據；更好的數據可以改善模型；更好的模型又可以提高使用率，令新增部署更容易獲得合理性。假如機械人太昂貴、不可靠或難以保養，這個飛輪在軟件優勢形成規模前便會停下來。

AgiBot 將 2026 年形容為部署年，顯示公司正由孤立的展示，走向真實世界的運作規模。 商業目標不只是證明機械人可以成功完成一次任務，而是要令整套系統可以一再穩定、有效率地工作，而且在經濟上可行。

Hive 計劃帶來甚麼，仍有甚麼未清楚？

Hive Data Co-Creation Initiative 的方向同樣符合這套邏輯：透過合作夥伴和實際部署，增加環境、任務及失敗情況的多樣性，供模型持續改進。理論上，應用場景可以成為共享數據和學習網絡的一部分，而不是每個客戶安裝都各自為政。

不過，目前提供的材料不足以獨立核實這項計劃的運作規則、數據權利安排、收集規模，或對模型表現的可量度影響。因此，現階段較適合將 Hive 視為一個戰略方向，而不是已經證明的護城河。

評估人形機械人公司的新尺度

單看步行速度、負載能力、自由度或操作精度，已經不足以完整描述一間頂尖機械人公司。更值得問的問題包括：

• 系統學懂一項新任務要幾快？
• 模擬訓練的表現能否轉移到真實環境？
• 機械人能否適應不同物件、場地和指令？
• 工作過程中需要人手介入幾多次？
• 模型更新能否改善已經部署的機械人群？
• 機械人是否可靠、便宜到足以產生大量有用數據？
• 公司能否以一致的方法評估進度，而不是只展示精心挑選的示範？

AgiBot 的 2026 年戰略，清楚展示了這場更廣泛的競爭。Expedition A3 作為實體平台固然重要，但當它連接到模型、數據、模擬、評測和部署後，戰略價值才會真正放大。長遠而言，較有機會勝出的公司，不一定是一次過造出最令人驚嘆的人形機械人的公司，而是能夠不斷將真實世界經驗轉化成更安全、更有能力、成本更低的機械人行為，並在一支持續擴大的機械人隊伍中重複這個過程。