但这不是短时间能解决的。当聚光灯从发布会舞台转向工厂产线，比拼的将不再是融资额或发布会声量，而是产线上每一个节拍的稳定性、每一次交付的可靠性，以及在数据与智能的深水区，能否真正实现“越用越强”的飞轮效应。而为了缓解“数据饥渴”，智元一方面斥资购买外部数据，公开报道显示，2026年初，智元与湖北人形机器人创新中心签署协议，以每小时数百元的价格购买了数千小时的训练数据，涉及拿杯子、抓盘子、叠衣服等多个

这里的原因在于，VLA本质上是基于海量数据统计的概率拟合模型，通过死记硬背建立视觉画面与动作之间的映射关系，其实并不懂行为背后的物理规律，这就给传统VLA模型带来了很多痛点，比如场景泛化能力很差，工作环境的灯光变暗了、背景换了颜色，或者水杯换了个形状，但凡是它没见过的画面，VLA就会陷入懵圈和宕机。先简单看一下昆仑行两位创始人的履历。总结下来，在围绕具身智能“大脑”的研究上，昆仑行的KWM模型考虑