编辑：前沿在线 编辑部 在第140届广交会第一期，服务机器人专区入口的队伍拐了几道弯。 走到D区广交会堂二层通道，最先传过来的不是人声，是球台上一声接一声的“啪、啪”—— 动易科技和双鱼体育联手搭的一张人机乒乓台，成为了展区里实打实的人气焦点。 第140届广交会动易科技人机乒乓球对打体验区(来源:动易科技) 球台这边站着PHYBOT C系列双足人形机器人 ，对面是排队上场的全球客商。来自北美、欧洲、澳洲、东南亚等各地的境外客商举着手机拍对打画面，有人边体验、边让工作人员拿手机拍，下场后立马将体验片段发在了海外社交平台上。 乒乓外交55周年和广交会70周年两个节点叠在一起，让这张球台天然带了一层“社交货币”的底色。 但热闹只是入口。对逛展的客商来说，这是能上手体验的互动项目；对具身智能行业来说，高速对打里藏着的东西比表面热闹更值得观察： 一颗从离拍到抵达击球点不足一秒的球，机器人要在几十毫秒里接住，这件事到底检验了什么。 一颗小球，考验整套系统的协同 这颗小球值得被当成行业样本观察，不是因为机器人会挥拍，而是因为 它把机器人在高动态交互的真实场景下的工程约束，压缩到了几十毫秒里。 球从离开对方球拍到抵达击球点，不足一秒。 机器人要在几十毫秒内完成观察、判断、跨步、引拍、击球这一整套动作 ，拼的不是某一个算法多先进，而是物理智能、实时运控、本体稳定和工程闭环能不能在段时间内，迅速协同形成合力。综合来看，这是一个需要层层递进的过程。 第140届广交会动易科技人机乒乓球对打体验区(来源:动易科技) 第一层是感知预判，也就是轨迹预测环节。 不同于简单的图像识别，机器人要靠连续几帧画面实时解算球速、旋转和落点，甚至预判对手下一拍的线路，提前把身体姿态调整到位。 这是对物理世界运动规律的实时计算，差十几毫秒，球就会错过可回击窗口。 第二层是全身协同，也就是身体控制环节。 乒乓球不是机械臂伸出去击球那么简单，双足机器人要脚下调站位、腰胯转体发力、手臂控制挥拍角度，全身几十个关节在同一个时间窗口里对齐节奏。 击球动作和身体平衡互相牵制，重心偏一点，出球质量就塌下去。 第三层是毫秒级闭环，也就是系统控制环节。 感知、决策、控制、执行，打完这一拍还要根据结果，立刻做出决定、调整下一拍。整条链路必须把延迟压在几十毫秒以内跑通，任何一环卡顿，动作就变形。 三层摞在一起，指向同一个事实： 具身智能想在物理世界里持续工作，单靠某一种能力解决不了问题，毫秒级的判断与稳定的控制闭环才是决定成败的命门。 换个场景，不必样样从头再来 既然要实现人工智能在开放环境中真正地、自如地动起来这么难，那过去两年，行业把大量注意力押在“大脑”的进化上，就变得不难理解。 9月之前，从Physical Intelligence的π系列到Figure的Helix，再到Google DeepMind的Gemini Robotics，全球被寄予厚望的模型大多沿着诸如世界模型、VLA等具身大脑的研究方向走， 希望做出一个全能的大脑指挥具身智能在物理世界中执行任务。 国内创业公司也密集涌入， “大脑—小脑—本体”三层架构一度被认为是标准答案。 这条路线有它的逻辑： 认知泛化是具身智能走向规模化的前置条件，行业把资源押向大脑，是在啃那块最难啃的骨头。 但走了两年，落地时暴露的问题不是“大脑不够聪明”，而是相对这条路有些难度，还需要解决很多问题、收集很多数据才能推进。 在这过程中，业内多采用“一个场景、一个本体”的训练方案，每换一次则需要：重新采数据、重新训练、重新调参， 随之而来的是高昂的成本与超长的时间周期，这让“一机一训”的成了具身智能规模化落地的核心阻力。 这条路线并没有因此而退场。在今年的行业表态中，它石智航的AWE仍然坚持用一个统一模型完成感知、决策与动作生成；自变量机器人的WALL-A也把端到端当作长期路线，理由很直接：分层链路里一个微小错误会被级联放大，层数越多放大越快。 端到端和分层，在2026年仍然是两条并行的路线，不是谁替代谁的关系。 2026年9月3日，GPT-6 Astra发布，改变了分工的条件。