（北京，，，2026年6月2日） 在具身智能浪潮席卷全球的今天，，，绝大大都公司选择了一条“自上而下”的路径：用大模子明确使命，，，用海量数据训练端到端战略，，，试图让机械人模拟人类事情。。。。然而，，，一家名为橡木果机械人（Acorn Robot）的公司，，，却走出了一条截然差别的蹊径——自下而上，，，从底层本能出发，，，让机械人先获取操作本能，，，继而在与物理天下的交互中自主涌现操作智能。。。。 橡木果首创人的履历横跨三大领域：本科到清华博士阶段，，，攻读机械工程专业
；；；；；；博士后于哈佛大学神经科学系，，，主攻人脑学习行为特征研究。。。。2018 年归国后，，，投身具身智能。。。。正是哈佛的履历，，，让他意识到一个被机械人领域恒久忽略的事实：操作行为与语言行为，，，在底层运行机制上保存实质差别。。。。 语言没有先天本能——小孩出生后若不接触语言，，，一辈子都学不会语言，，，且学什么语言就说什么语言。。。。但操作恰恰相反：全球所有人抓取物体的行为高度一致，，，无论年岁、文化、情形，，，但从未有人“教”过我们怎样抓工具。。。。这说明操作行为背后保存本能——出生即有、不受后天情形影响。。。。 这个发明成为了橡木果手艺蹊径的原点：与其让机械人通过模拟学习去拟合人类的操作数据，，，不如付与它类人的操作本能，，，让它自己在与情形的交互中“长”出操作能力。。。。 目今具身领域普遍接纳的手艺蹊径，，，如VLA(视觉-语言-行动)端到端架构，，，将使命妄想与操作执行耦合在“感知-行动”这一黑盒映射中，，，试图用“更大都据、更大算力”解决所有问题。。。。这种数据驱动、自上而下的手艺蹊径，，，面临着三大不可回避的现实逆境： 第一、数据规模问题：语言只有一个信息模态，，，而操作涉及语言、视觉、触觉三个模态，，，并且行动输出还与详细的硬件(电机、传动形式、手指数目等)强相关。。。。使命和硬件一旦耦合，，，泛化所需的数据量将是指数级增添，，，远超自然语言Scaling Law的领域。。。。任何一家公司都不可能收罗到足以笼罩所有硬件本体和操作场景的数据。。。。 第二、算力消耗问题：操作执行要求毫秒级的实时响应。。。。一个行动要么瞬间完成，，，要么失败。。。。这就要求模子必需在边沿端以严苛的功耗和时延限制下运行，，，无法像语言模子一样依赖云端算力举行“慢思索”。。。。 一个很现实的比照是：GPT这种纯语言模子，，，纵然依托无比重大的云端算力，，，现在依然是“一个字一个字往外蹦”。。。。操作使命涉及的模态远多于语言，，，所需的算力更是呈指数级剧增，，，然而物理天下中的操作执行，，，无法容忍像语言模子那样“一个字一个字地蹦”，，，当物体即将从指尖滑落，，，机械人岂非要期待模子逐步吐出下一个指令？？？？？？这显然是不可能的。。。。 第三、泛化迁徙问题：目今具身操作模子的泛化性和迁徙性仍处于很初级的阶段，，，距离可以跨使命、跨本体泛化迁徙的通用操作能力尚有着很大的差别，，，“换场景就失灵”就像一个魔咒，，，阻碍着具身操作模子的落地应用。。。。 为应对以上问题，，，外貌解法是构建海量、优质、多元的数据，，，并一连提升算力。。。。但更深层的焦点问题值得深思：大语言模子所依托的数据驱动、自上而下的手艺蹊径，，，是否同样适用于操作模子？？？？？？ 在具身操作中，，，使命妄想与操作执行同时保存，，，使命（如“叠衣服”）是知识层面的，，，可以自上而下学习，，，做到规则统一。。。。但硬件执行必需适配每个个体硬件的细微差别——纵然两个外观一模一样的夹爪，，，导轨松紧差别，，，训练出的模子参数就天差地别。。。。 “使命”与“硬件”在泛化逻辑上的先天区别决议了，，，它们不可在统一个黑箱模子中训练，，，而应各自自力演进，，，通过标准化接口协同事情。。。。 ? 使命妄想层：认真知识推理、使命剖析和全局妄想。。。？？？？？？赏ü陨隙碌闹堆埃，，其输出并非详细的电机电流指令或枢纽角度，，，而是要害图像帧和语义约束。。。。例如，，，关于“把这杯水端到桌上，，，不要洒”的使命，，，妄想层输出的是一系列“物体最先在哪”、“物体最终应该落在哪”的目的画面以及“不要洒”的约束，，，而非最后执行器的详细行动路径。。。。 ? 操作执行层：认真将使命妄想指令在真实物理天下中精准、鲁棒地执行。。。。这是橡木果重点聚焦和突破的层面，，，由具身本能出发，，，接纳了自下而上、自主涌现操作智能的手艺蹊径。。。。 在操作执行层面，，，橡木果的最终目的是构建通用操作手艺模子，，，实现“一上来就熟练”。。。。但手艺无法凭空掌握。。。。因此，，，在通向具身智能之前，，，橡木果先付与机械人具身本能：通过构建端侧自主决议模子 Natus，，，让机械人获得类人的操作本能，，，催生行为涌现，，，包管“一上来就会做”
；；；；；；再依托真实物理天下中的探索与交互，，，一直熟练，，，最终构建第二个焦点模子——通用操作手艺模子 Magis，，，实现“一上来就熟练”。。。。 从被付与规则到掌握纪律，，，橡木果以为，，，操作能力的泉源，，，不应是数据拟合，，，而是物理天下中的具身交互。。。
；；；；；；谡庖慌卸希，，橡木果摒弃了“输入-输出”的黑盒蹊径，，，转向由触觉感知驱动的本能驱动——这即是端侧自主决议模子 Natus 的底层逻辑。。。。 ?探索本能：用于构建约束关系。。。。这是最重大、也最体现“智能涌现”的本能。。。。当最后接触物体后，，，该本能自动激活，，，它不预设任何行动，，，而是通过感知滑移、接触面积、漫衍力、形变等触觉信息，，，自主地沿着物体外貌探索，，，寻找稳固的接触构型——不是通过预想程序，，，也不是通过模拟学习，，，而是由“建设稳固接触”这一本能催生出的自主行为（新战略）。。。。这种探索行为极为自然，，，犹如婴儿探索一个新玩具，，，充满了“智能涌现”的色彩。。。。 ?交互本能 (如抓握/装配)：用于推进执行行动。。。。当探索本能构建出稳固约束关系后，，，该本能自动激活，，，以“滑移最小化”或“阻抗匹配”为期望，，，自主地实时调理肌肉张力。。。。如抓豆腐时增益调低（松），，，抓锤子时增益调高（紧）——所有调控均来自于触觉信息的实时反。。。。，，无需任何训练数据。。。。 Natus付与机械人的焦点能力是“零数据冷启动”、“硬件自顺应”和“毫秒级响应”。。。。它不需要任何训练数据，，，不需要任何微调，，，依赖本能反射构建触觉感知与肌肉行动之间的映射关系，，，出厂即具备操作的本能，，，能够顺应差别物体和工况的特点，，，实现“一上来就会做”。。。。进一步，，，可以在一直的探索历程中强化肌肉行动，，，形成肌肉影象，，，实现“越做越熟练”。。。。 在橡木果的测试中，，，团队发明，，，机械人面临从未见过的州不规则形态的物体，，，会沿其外貌自主探索，，，实时调解抓取战略，，，直到建设稳固的接触构型后乐成抓起。。。。 在交互本能的测试中，，，机械人未经由任何数据预训练，，，在抓取易碎的豆腐、水量一直转变的塑料杯、受外界动态扰动的极薄铁皮卷，，，抓取力都能够实时调解，，，确保抓取稳固且可靠。。。。 这些行为不是编程预设，，，也不是数据喂养得来，，，而是本能催生出的行为涌现。。。。这种自下而上的行为涌现不直接划定行动，，，而是划定“纪律”，，，让行动自主爆发。。。。 这种纪律可以类比万有引力定律——万有引力定律自己不形貌任何详细的运动轨迹，，，却支配了从天体运行到苹果落地的无限行为。。。。本能同样云云：它不划定详细行动，，，却支配了操作行为背后的底层逻辑。。。。它让机械人在真实物理交互中拥有自主“长”出操作能力的可能性，，，而非被禁锢在一组预设的行动指令之中。。。。 并且，，，由本能催生的行为，，，与数据喂养的路径截然差别——它不会附带任何多余的小行动，，，而是始终锚定于自身的本能期望，，，一连地向目的状态收敛。。。。 Magis的使命，，，是让机械人实现“一上来就熟练”。。。。着实现路径倾覆了行业范式：不是用海量视频去“教”机械人，，，而是使用Natus在真实物理天下中自主探索爆发的、带有富厚精准触觉语义的数据，，，对视觉数据举行语义增强，，，然后训练手艺模子。。。。 详细来说：当Natus驱念头械人在真实天下中完成一次乐成操作时，，，它纪录的不但是“乐成了”这一效果，，，更是一整套富厚的物理信息——物体的重量、质心的位置、外貌的软硬与粗糙度、抓取时的力漫衍与滑移趋势等。。。。这些由触觉直接感知并自动“打标”的力学语义，，，会被叠加对齐到视觉数据上，，，进一步被用于训练构建手艺模子。。。。 以抓香蕉为例：Natus 通过多次自主探索，，，最终完成香蕉的乐成抓取。。。。在此历程中，，，它不但纪录视觉图像，，，更通过触觉感知并自动完针言义打标——香蕉重120g，，，质心偏左，，，表皮粗糙，，，硬度中等。。。。这些力学语义被实时叠加到视频帧上，，，使得用于训练的 Magis 手艺模子能够真正“明确”物理天下的力学属性，，，而不但仅是外观。。。
；；；；；；诖耍，，机械人后续可直接选取最合适的抓取位置并施加适当的抓取力，，，高效地完成目的使命，，，且具备跨物体的泛化能力。。。。 1. 界面信息（直接接触感知）：手指与物体接触界面上的信息，，，包括漫衍力、变形、滑移等。。。。其中滑移是最要害、也最难丈量的信息。。。。没有滑移感知，，，机械人抓取差别物体（轻重、软硬、平滑粗糙）需要海量数据训练
；；；；；；有了滑移感知，，，零数据冷启动即可自顺应调理抓力。。。。 3. 情形信息（通过工具或物体间接感知）：包括接触位置、刚度、阻抗、扰动等。。。。使用工具举行的装配、打磨、抛光等非直接操作使命，，，高度依赖情形信息。。。。例如为什么装配比抓取难？？？？？？这是由于装配需要感知“孔”对“轴”的阻抗。。。。 该传感器接纳弹性体（硅胶）加微型相机的计划，，，不依赖任何敏感质料，，，通过图像表征与重构算法将弹性体的变形反演为所需的多模态触觉信息。。。。 ? 多模态表征手艺：橡木果拥有静态（光度立体）、动态（特征追踪）、融合态三类表征手艺，，，其中，，，动态表征手艺由公司于2020年首次提出，，，可用于捕获滑移这一动态历程，，，而行业直至2025年底才最先跟进。。。。 ? 工艺与工程化标定：攻克了从图像到物理量的非线性、黏弹性逆问题求解与精准标定，，，以及万万次按压、切向、旋转循环测试下的耐久性包管等。。。。 ? 算力集成与优化：将图像预处置惩罚算法压缩到指尖内的芯片，，，优化信息重构算法，，，可实时输出多模态、标准化的触觉信息，，，而非原始图像——阻止了硬件差别性导致模子失效。。。。 橡木果开创的【本能驱动】这一具身操作手艺蹊径，，，让机械人的“生长”路径，，，从“数据填鸭”转向“体感习得”，，，并明确物理天下操作中的“正义”。。。。使操作手艺从“简单场景的影象”走向“底层纪律的迁徙”。。。。这种从“影象”到“明确”再到“创立”的跃迁，，，正是迈向通用智能的必经关卡。。。。 这也标记着行业叙事的一次蜕变：从迷信“多模态输入”的表层热闹，，，回归到对“操作事实需要明确什么”这一本诘责题的追问。。。。橡木果相信，，，当机械人在物理天下中真正拥有了自己的“本能直觉”和“肌肉影象”，，，它所展现出的操作智能，，，将远超简朴地复刻人类行动所抵达的上限。。。。 橡木果的手艺蹊径并非蜃楼海市，，，而是已经由了商业化验证。。。。公司聚焦于工业柔性生产场景（如消耗电子、日化、新能源汽车、生物医药），，，针对性解决产线“换产频仍、物料繁杂、参数调试耗时”的行业痛点。。。。 依附Natus的“零数据冷启动”特征，，，橡木果的解决计划可以做到冷启动、快速闭环。。。。项目落地效率突出，，，仅用两个月时间，，，即在全球某头部化妆品ODM厂商的产线上完成了POC验证，，，并实现商业营收。。。。在POC中，，，机械人被要求抓取、旋拧和安排形状、巨细、材质各异的化妆品（软管、瓶状、盒状等），，，其零数据、快速适配的能力赢得了客户的高度认可。。。。 团队体现：“工业场景对使命妄想的要求相对牢靠，，，每个工位的使命已被既定。。。。这恰恰是888集团手艺优势施展到极致的地方。。。。我们不需要期待上层大模子成熟，，，就能用底层的操作能力爆发商业价值。。。。” 随着模子的一直迭代与产品大规模出货，，，橡木果正试图为具身智能工业打造真正的“操作基座”。。。。 2026 年 3 月，，，橡木果机械人完成近亿元种子轮融资，，，领投方包括钱唐质料实验室、普华资源等着名投资机构。。。。该笔融资不但是市场对“本能驱动”这一非共识手艺蹊径投下的一张信任票，，，更标记着一个要害节点的到来：具身智能的投资叙事，，，正在逐渐回归敌手艺本源、底层逻辑与客观纪律的尊重与审阅。。。。 “若是有人问我们：‘你们的壁垒是什么？？？？？？’ 我的回覆很简朴——888集团认知领先了行业至少一个代际，，，而888集团工程细节领先了行业至少5年。。。。 ”橡木果首创人体现，，，“这两者叠加在一起，，，组成了一条结实的护城河。。。。” 普华资源体现，，，“橡木果所做的事，，，早已逾越‘做一款更好的机械人’的领域，，，而是在为整个具身智能行业构建一块最基础、最稀缺、最难被绕过的基础设施——让所有机械人都能快速上手、稳固下手的‘底层基座’。。。。” 钱唐质料实验室体现，，，“我们相信，，，真正能穿越周期的，，，不是风口上的叙事，，，而是那些让机械人能在物理天下中稳固完成每一次抓取、每一次装配，，，从而真正创立价值的底层能力。。。。” 橡木果的手艺蹊径向行业转达了一个清晰的信号：在大模子、大数据、大算力的热潮中，，，回归物理天下的第一性原理或许才是通往通用操作智能的更短路途。。。。 “橡木果的恒久目的，，，是成为全球具身智能领域不可或缺的底层基座。。。。” 橡木果首创人体现，，，“公司不追求成为什么都做的万能选手，，，而是专注于构建最底层、最要害的操作基石。。。。公司坚信，，，未来的手艺名堂将是融合共生的：上层由大模子认真使命妄想，，，解决‘做什么’
；；；；；；下层则由橡木果的本能驱动系统认真操作执行，，，解决‘怎么做’。。。。二者通过标准化接口深度协作，，，配合组成真正通用、可靠的具身智能系统。。。。” 一枚橡果，，，既是收获的果实，，，更是孕育无限可能的种子，，，橡木果的品牌内核与其 “本能驱动、自下而上” 的通用具身操作蹊径一脉相承。。。。 从零到一，，，从非共识理念到改变行业的手艺范式，，，橡木果机械人以其“自下而上”的奇异视角和“回归本源”的坚定刻意，，，正在为具身智能的未来铺就一条全新的、更坚实的蹊径。。。。这正是“种子”的实力：看似微。。。。，，却能撼动全局。。。。 橡木果机械人（Acorn Robot）建设于2024年底，，，焦点团队融合清华大学机械工程与哈佛大学神经科学前沿交织配景。。。。公司致力于为通用具身操作构建全新的手艺基座，，，让机械人真正拥有与生俱来的类人本能与操作智慧。。。。 团队自2011年起深耕机械人操作领域，，，2017年率先提出“本能驱动具身操作”这一非共识手艺蹊径，，，并于2018年搭建实验室团队。。。。2025年正式启动商业化，，，在短短一年内完成从手艺积累到落地的闭环，，，以鲜明的底层手艺逻辑，，，引领新一代具身智能生长范式。。。。