1X 发布「1X 世界模型」：让人形机器人看视频学会烤面包与击掌

过去教人形机器人做家务，工程师通常得戴着动作捕捉手套或 VR 头显，一遍又一遍带它实操。现在，机器人公司开始尝试让它自己「看视频」学本领了。

人形机器人公司 1X 正式发布了基于物理的「1X 世界模型」（1X World Model）。它把互联网上的视频与文本提示输入到一个通用模型中，帮助旗下家用人形机器人 Neo 理解现实世界的基本动力学，自主掌握未曾被针对性训练过的新动作。

让机器人像人类一样刷视频开窍

1X 创始人兼首席执行官 Bernt Børnich 在声明中提到，经过多年研发，Neo 现在能够从互联网规模的视频中汲取知识，并把这些理解直接映射到物理世界中。

在他看来，这个模型让 Neo 拥有了把任意文本提示转化为实际动作的潜力，甚至不需要预先给它演示案例，这是机器人走向自主学习的起点。

除了直接指导动作，这套世界模型还能充当 Neo 的「大脑模拟器」。它让研发团队能看清机器人在面对某个特定指令时，内部是如何思考与构思动作的，进而为后续的模型训练提供关键反馈。

口号很丰满，但现实还是从小家电开始

不过，说机器人可以「把任意指令变成动作」，显然带有不小的宣传成分。TechCrunch 在报道中直接指出，你现在要是让 Neo 去开车或者侧方停车，它根本应付不来。

1X 发言人随后也澄清，所谓「把任意提示转为动作」，本质上是赋予了机器人尝试一切动作的可能性。但落实到目前真正学会的技能上，Neo 掌握的依然是几项非常简单的日常家务。

比如把面包片放进烤面包机、把空气炸锅的炸篮拉出来，或者伸手跟人击个掌。官方认为，这些零碎的基础任务虽然看起来不起眼，却是机器人日后组合并掌握复杂技能的第一步。

这次发布也正值 Neo 走向商业化的关键节点。1X 在去年 10 月开放了这款家用机器人的预订，并计划在今年内开始发货。尽管官方拒绝透露具体的交付时间表和预订订单数，但表示预订量已经超过了内部预期。

为什么重要

对普通家庭和关注机器人的人来说，1X 的这套方案让人看到了家用机器人走进现实的新路径。如果每个动作都要工程师带着机器人手把手录数据，机器人的能力扩展就会极其缓慢，普通人买回家也很难教会它做特定的家务。如果看视频真能让它自己尝试操作，家庭机器人的实用性就会翻倍。但就目前而言，从学会拉空气炸锅到真正接管家务还有极大的距离，今年就算拿到第一批 Neo，用户面对的大概率依然是一个需要容忍失误的实验品。

对整个具身智能行业而言，这代表了机器人训练范式的转变。过去业内主流依赖遥操作和仿真环境收集数据，成本高、场景窄。1X 试图把整个互联网的海量视频当成机器人的常识题库，让它先理解物体怎么运动，再自己去上手尝试。如果这条路走通，机器人大模型的研发门槛和数据采集成本会被大幅拉低，也会倒逼特斯拉等对手加速把通用世界模型塞进人形机身。

我们认为，1X 走这一步很聪明，它巧妙利用了网络上海量的现成人类生活视频，绕开了遥操作采集数据的产能瓶颈。但它的隐患同样明显：「看懂视频里的物理世界」和「用自己的电机与机械手稳定互动」是完全不同的两码事。机器人缺乏真正的物理触觉闭环时，光靠视觉猜测很容易在实际抓取中翻车。从能试着做，到稳定可靠地做，1X 还有很长的一段调试路要走。