NE时代

◎ 1X豪赌5万台家庭机器人。

△ 撰文：董志洋

1X计划在2027年交付5万台人形机器人。

扩建工厂、增加产线，只是实现这一目标的一部分。在最新一期Podcast Rex交流中，1X创始人兼首席执行官Bernt Børnich先谈到了另一道门槛：机器人交到客户手中之后，不能因为质量问题被退回来。

“Prototypes are easy. Production is really hard.”

原型容易，量产很难。

对1X而言，5万台NEO是一项制造计划，也是一场覆盖产品可靠性、家庭安全和模型能力的规模化验证。

机器人需要稳定进入家庭和企业，在不同环境中完成任务，并将成功、失败与人工干预产生的数据带回训练系统。完成更新的模型，还要重新部署到机器人上。

1X想要批量制造的，不只是机器人的身体，还包括一套能够随着真实部署继续学习的能力。

01.

“5万台，先别退货”

1X位于美国加州海沃德的工厂面积约5.8万平方英尺，已有200多名员工，正在向每年1万台NEO的初始产能爬坡。

随着圣卡洛斯工厂启用和自动化程度提高，1X计划在2027年底前将年产能提升至10万台以上。按照Børnich在交流中的说法，大部分新增产能将在2027年后期释放。

这些数字从产能上覆盖了5万台交付目标，但Børnich更关心产量提高以后，产品能否继续保持一致。

原型阶段只生产几台设备，一些低概率故障可能不会出现。当产量从100台增加到1000台、1万台，过去偶尔发生的问题会形成统计上不可忽视的故障，产品良率也必须同步提高。

因此，1X不会一次把生产线推到满负荷。公司计划在不同产量阶段设置质量门槛，将生产和使用中发现的问题带回研发，再逐步提高交付规模。

“确保机器人不会被送回来”，比单纯完成5万台生产更接近Børnich对量产的理解。

为了减少零部件和潜在故障点，1X长期自研高扭矩电机、腱绳传动及多项关键部件。目前，公司的自研和生产范围已经覆盖电机、电池、结构件、传动系统、柔性外覆材料和传感器。

腱绳负责将电机产生的力量传递到关节，减少对复杂齿轮机构的依赖。1X还在持续减少连接器、线缆和独立零件数量，希望让一个零件承担更多功能。

Børnich在交流中举过一个例子：团队将电机的旋转部件和轴整合在一起，把原来需要两个零件完成的结构压缩成一个零件。

结构简化并不会自动解决制造问题。Børnich表示，1X用了接近十年时间建设供应链和生产体系，才获得今天的迭代速度。

目前，团队完成一次重大整机CAD修改后，大约四周就能让新版本机器人走下生产线。这个周期包含设计修改、零件制造、整机装配和下线验证。

生产线发现问题，研发团队修改设计，新版本再回到产线，1X把这段反馈周期压缩到了一个月左右。

Børnich还反思了团队规模，如果重新创办1X，他会让团队在更长时间里保持精简。在他看来，核心产品设计不会随着人数增加自动加快，团队和接口过多，产品内部的关系也会变得复杂。

对即将进入家庭的NEO来说，简单的机械结构关系到制造，也关系到维修。机器人投入使用后，早期产品还会经历现场服务和再制造，已经交付的设备也需要获得后续改进。

02.

数据价值，不在重复

Børnich已经与1X机器人共同生活约三年，最初进入他家中的是轮式机器人EVE，后来才是采用双足结构的NEO。

家庭环境没有经过机器人公司的标准化布置，房间格局、物品材质、摆放方式和使用习惯不断变化，同一个任务放在两个家庭里，机器人看到的状态可能完全不同。

这些差异正是1X想获得的数据。

Børnich在交流中说：

“You’re almost never data bound, you’re diversity bound.”

机器人很少只是缺少数据，它们更缺少数据的多样性。

同一种抓取动作重复采集数万次，可以提高机器人在固定任务上的稳定性，却无法让它理解没有见过的工具、材质和摆放方式。

通用机器人需要面对不同房间、不同物体和大量未经预设的状态。数据的价值，取决于机器人见过多少种变化。

1X为模型准备的数据也不只来自机器人，公司公布的数据来源包括互联网图像与视频、第一视角人类视频、仿真环境、遥操作机器人数据，以及NEO自主运行产生的数据。

人类演示可以告诉模型，某个动作会带来怎样的结果，但演示者的动作未必是机器人完成任务的最佳方式。1X希望模型从人类行为中学习物理变化，再根据NEO的身体结构寻找自己的动作。

NEO投入运行后，成功和失败都能成为训练数据。

1X在2025年公开的Redwood，是一套拥有1.6亿参数的通用VLA模型，可以联合控制机器人的移动和操作。Redwood同时使用成功轨迹和失败轨迹训练：成功数据用于学习动作，失败数据则帮助模型识别动作如何偏离目标。

Redwood还会预测手部与物体在图像中的位置，借此提高模型对陌生环境的适应能力。它能够根据任务选择左手、右手或双手，并在操作时配合行走、躯干和骨盆动作。

这套方法已经体现了1X对数据的判断：机器人每次与真实世界接触，都可能提供新的训练信息，失败并非只能被丢弃。

当部署数量扩大到5万台，数据来源也会随之扩展。家庭、企业和开发者面对的任务不同，机器人遇到的物品和意外状态也不同。

Børnich不看好通过单一任务的大量重复，直接训练出通用能力。他希望机器人分布在足够多样的环境中，接触模型以前没有见过的任务。

5万台NEO的意义，取决于它们能否进入不同环境，产生足够分散的真实经验。

03.

1X仍然押注世界模型

1X并不否认专项模型当前的优势。

Børnich以叠衣服为例，如果围绕这一项任务采集大量机器人数据，再训练专用的视觉—语言—动作模型，完成衣物折叠的效果可能优于1X目前的通用世界模型。

但这种模型只会叠衣服，很难自然扩展到其他家务。每增加一种任务，团队都要重新采集数据、训练模型和调整执行流程。

叠衣服过去是机器人领域的典型难题。衣物会发生形变，同一件衣服每次展开和堆叠后的状态都不同，传统方法很难准确建模。

随着视觉模型和机器人学习技术进步，衣物操作已经成为大量企业集中展示的任务。Børnich认为，继续重复这项演示，很难说明机器人能否处理更广泛的问题。

1X接受通用模型当前在部分任务上的差距，希望用同一套模型覆盖更多物体、环境和任务。

2026年1月，1X公开了新一代世界模型1XWM。它没有直接从画面预测关节动作，而是先生成机器人完成任务后的未来视频，再由逆动力学模型将前后画面的变化转换为动作指令。

例如，用户向NEO发出一条文字指令，世界模型先根据初始画面预测物体与机器人接下来如何移动，逆动力学模型再计算实现这些变化所需的动作。

1XWM以一个140亿参数的视频生成模型为基础，使用约900小时第一视角人类视频进行中期训练，再通过约70小时NEO数据适配机器人的外形、视角和运动方式。

逆动力学模型则使用约400小时未筛选机器人数据训练，其中包括自主探索和没有明确任务目标的动作。

第一视角视频让模型观察人怎样使用工具、接触物体，NEO数据负责把这些经验接到机器人的身体上。

2026年6月，1X进一步成立World Model Lab，推进更大规模的具身世界模型预训练。训练数据将继续覆盖互联网媒体、第一视角人类视频、仿真、遥操作数据和NEO自主运行数据。

Børnich在交流中把模型能力归结为数据与评测：

“There are no secrets in AI. It’s all just data and evals.”

在他的判断中，未来可能只有少数通用模型占据主要位置。它们依靠更丰富的数据和评测体系扩大能力，再针对少数高难度任务进行专门适配。

从通用模型中提取能力，可以形成面向具体任务的轻量模型；一个只见过单项任务数据的模型，却很难反向获得对整个物理世界的理解。

Børnich预计，2026年专项模型在不少任务上仍会表现得更好，2027年可能出现向通用能力转移的趋势。

这是1X选择承担的时间成本。

专项模型可以更快做成一个任务，世界模型则要学习物体如何变化、动作会产生什么结果，以及机器人怎样与人共同存在于一个空间。

1X还计划开放NEO平台，让开发者围绕机器人探索新的任务。不同团队带来的应用和环境差异，也会扩大模型可以使用的数据范围。

04.

NEO进家庭，安全先过关

Børnich与机器人共同生活的经历，也改变了1X对本体的选择。

轮式EVE进入家中后，团队发现，腿部的价值并不局限于行走。机器人捡起地面物品、打开柜门或者搬运较重的对象时，需要蹲下、转身和调整重心，腿部也参与操作。

这推动1X加快开发双足NEO。

Redwood同样没有把移动和操作拆成两套互不相关的系统。机器人靠近目标时，身体所处的位置会影响抓取；拿起物体后，接下来的行走路线又会影响握持方式。

在家庭里，走到物体面前和把物体拿起来，本来就是同一个连续任务。

比任务能力更早接受检验的是安全。

家庭空间不会按照机器人的运动范围重新布置，人和物品也不会始终停留在预定位置。Børnich把安全视为建立用户信任的主要门槛，并表示1X希望在2026年以更正式的方式完成相关验证，在年底前公布更多信息。

NEO采用柔顺结构和腱绳驱动，身体外部覆盖可变形材料，较少的刚性外露结构，可以降低机器人与人或家具发生接触时的冲击。

机器人遇到暂时无法自主完成的任务时，用户还可以预约Expert Mode，由1X人员远程指导NEO完成操作。机器人一边完成任务，一边获得新的示范数据。

1X也刻意回避具有攻击感的机械外形，柔软外覆材料、针织服装和更接近日常家居产品的设计，都是为了让NEO长期留在人的生活空间里。

Børnich希望模型继续学习交接物品、身体语言和社交距离，不再为每一种互动分别编写规则。

例如，人伸手接过物品时，机器人需要理解动作意图，并根据对方的位置和姿态调整速度。对方突然改变方向，机器人也要重新判断下一步动作。

家庭机器人面对的物理世界里，还有人。模型需要理解人的动作会怎样改变任务。

长期来看，Børnich希望NEO根据不同家庭形成个性化的互动方式，甚至成为具有陪伴属性的家庭成员。这是1X对未来产品形态的设想，目前的NEO仍将从基础自主能力和人工远程指导开始。

05.

5万台之后，模型开始接受规模检验

1X在海沃德和圣卡洛斯扩大产能时，World Model Lab也在启动更大规模的训练。

两项工作最终会在NEO身上相遇。

工厂要让机器人以稳定质量走下生产线，模型要让同一套硬件进入不同环境工作。NEO在家庭和企业中遇到的新状态，再进入下一轮模型训练。

Børnich没有准备等通用模型完全成熟后再交付机器人。

NEO会先通过已有模型和人工远程指导完成任务，后续能力再通过软件与模型更新进入已经部署的设备。

1X希望交付的是一批能够继续获得新能力的机器人，而不是5万台能力固定的机器。

这条路线也给5万台目标增加了另一层难度。产量增长必须与质量、安全和模型能力保持相近的节奏。机器人数量增加得太快，维修和人工干预会扩大；部署范围过窄，训练系统又只能获得大量相似数据。

到2027年，专项模型在单项任务上的优势，以及世界模型面向不同任务的扩展能力，将在更多真实环境中形成直接对照。

1X要验证的，是5万台人形机器人能否稳定进入现实世界，并把分散的运行经验继续转化为模型能力。

原型容易，量产很难。对1X来说，产线制造机器人的身体，真实部署则负责塑造它接下来能够学会什么。