和 AI 聊了一下

大晓机器人根本不是一家在烧钱搞真机采集的公司。它想用几百块钱的穿戴设备，把整个具身智能行业最贵的那道坎给迈过去。

今年 8 月，这家成立仅一年的商汤系企业在世界机器人大会首秀，拿出的不是一台能跑会跳的人形机器人，而是一套完整的产业逻辑：用环境式数据采集替代传统真机采集，用世界模型替代 VLA，再把两件事装进即时零售、酒店服务等 B 端场景里跑通闭环。

2026 世界机器人大会大晓机器人 ACE 展区现场

这件事让行业关注的核心原因不是技术多炫，而是它把具身智能的 " 数据 - 模型 - 场景 " 飞轮，放到了一条成本与传统路线不在同一个数量级的轨道上。

数据采集，怎么把成本打掉两个数量级

具身智能行业目前最大的共识一个：缺数据。真机采集是最直接的解法，但也是最贵的。买一台机器人几十万元，雇专业操作员在搭建好的场景里反复操作，两个人配合一天，有效数据时长极短——这是当前行业主流路线的现实成本。

大晓机器人的答案是把 " 机器人 " 从采集环节拿掉。它的环境式数据采集方案让员工直接佩戴头环、手套等穿戴设备，在真实工作场景中一边干活一边采集第一人称视角的操作数据，包含手部动作、力触觉信息、环境状态等完整维度。

设备成本降到几百到几千元，人员不需要额外雇佣，一天增加一百元成本就能完成采集。董事长王晓刚给出的判断是：这种方式效率比传统真机采集 " 高百倍甚至不止 "。

这个数字目前没有第三方独立验证，但逻辑本身是自洽的。传统真机采集的瓶颈不在技术，在物理约束——机器人的部署成本、场景搭建成本、操作员成本，每一项都线性叠加。

环境式采集把这些成本几乎全部打掉，唯一需要解决的是数据质量：从 L1 阶段的单目视频到 L5 阶段的多传感器融合，信息密度天差地别。

大晓目前构建的 " 视频 - 人机交互 - 真机运行 " 三层数据金字塔，本质上是在用低成本扩大数据规模的同时，用高密度传感器提升数据质量，两条腿同时走。

世界模型替代 VLA，不是路线之争，是成本账

大晓机器人在技术路线上最鲜明的表态是：VLA 是模仿学习，世界模型才是具身智能的未来方向。

这个判断背后同样是成本逻辑。VLA 模型针对特定任务、特定本体训练，环境一变、物体一换，成功率就大幅下降，需要重新采集真机数据来适配。这意味着 VLA 路线下的规模化，数据成本会跟着场景数量线性增长。

世界模型的核心能力是 " 预测物理后果 " ——它知道采取某个动作之后，几秒钟之后会发生什么。大晓的开悟世界模型 3.1 采用理解 - 生成 - 预测一体化架构，2025 年 12 月首次提出，2026 年 3 月英伟达 Cosmos3 也采用了相同方向，说明这个架构判断得到了行业验证。

毕马威的报告将其列为全球第一梯队的代表性成果。

世界模型的好处在于，当基础模型足够强，对真机数据的依赖会大幅下降。王晓刚的原话是：" 以前教机器人完成一个特定动作，可能需要上百小时真机数据；当基础模型足够强以后，可能只需要几个小时，甚至更少的真机数据完成对齐 "。

小观众在展会现场体验大晓机器人产品

这意味着规模化的边际成本是递减的，而不是递增的。

B 端落地，先跑通 " 能回本 " 的场景

大晓机器人目前的商业化进展，用一个词概括就是：早期验证。

它推出了三套行业解决方案—— " 晓满 " 即时零售、" 晓新 " 酒店服务、" 晓途 " 开放场景，已官宣合作的 B 端客户包括烧卖购、快客达、中石油便利店，部分场景在上海徐汇区域开展试点运行。但截至 2026 年 8 月，官方未公布具体订单金额、机器人部署数量、单场景运营效率等量化数据。

大晓移动服务机器人在开放城市区域试点运行

王晓刚选择 B 端场景的标准有三条：可复制性、业务方向上限、场景智能密度。即时零售被选为 " 第一战场 " 的逻辑很清晰——多 SKU、窄巷道、全天候订单波峰，任务复杂度足够训练世界模型，商业模型清晰、付费意愿明确，运营方有望在半年到一年内收回投入。

这个回本周期目前是企业目标，不是已验证数据。

大晓的节奏是 " 先 To B、后 To C"，王晓刚明确表示机器人进入家庭需要等软硬件成熟度更高、安全性和可靠性建立起足够信心之后。这个节奏与自动驾驶从高速公路到城市道路的演进逻辑相似，是在可控场景里先完成技术成熟度验证。

商汤的赋能，是渠道而不是技术

大晓能从成立一年内就对接烧卖购、快客达、中石油便利店等客户，关键的加速器是商汤科技。商汤连续 10 年全球计算机视觉市场份额第一，积累的 B 端产业落地经验和商务渠道，让大晓跳过了初创企业从零搭建客户体系的阶段。

但商汤的赋能主要在商务和渠道层面。公开信息中，没有检索到商汤在机器人供应链、核心零部件采购、自有标注数据等方面向大晓输出的具体细节。大晓核心的开悟世界模型、环境式数据采集方案均为自主研发。

技术层面，大晓的生态合作更开放。算力侧与壁仞、沐曦等国产芯片企业做适配，本体侧与宇树、智元、银河通用等厂商合作，用世界模型适配不同硬件。这种 " 模型不绑定本体 " 的策略，与 VLA 路线 " 模型与本体强绑定 " 形成鲜明对比，也让大晓的模型有了更大的潜在适配范围。

规模化落地，还有三道硬关要过

大晓机器人的发展模式在逻辑上成立，但逻辑成立和商业成功之间，还有三道关要过。

大晓研发副总裁刘春晓自己总结过：场景泛化、持续作业、规模化。

不同的便利店布局、货品和操作要求，模型能不能快速适配；真实业务从下单到交付的全流程闭环，不是 Demo 里抓一下放一下的单点动作；从单店单台推广到多店多台，系统一致性怎么保证——这些是从技术演示走向商业闭环的真正考验。

大晓的目标是 2027 年实现相关场景的常态化运营，到 2027 年底数据总量达到千万小时量级。这个时间表不算激进，但考虑到它目前连百万级数据储备都还在推进中，留给它的时间窗口并不宽松。

大晓机器人的发展模式，本质上是在具身智能行业 " 烧钱堆真机 " 的主流叙事之外，开了一条用低成本数据撬动世界模型迭代的差异化路径。

这条路能不能走通，取决于三个变量：数据规模能不能如期达到千万小时量级，世界模型的能力跃迁能不能如期发生，B 端场景的商业闭环能不能真的跑出回本周期。

当下能下判断的只有一个：它把具身智能最贵的那道坎，用成本结构降了两个数量级——这是它成立一年就能站上行业讨论中央的核心原因。