「单机能力不应该是基础模型的终点。」
文｜王诗涵
编辑｜巴芮
当下，机器人基础模型的竞争几乎都围绕“单机智能”展开：让一台机器人独立完成更难、更长、更陌生的任务。行业基准线正不断抬高，每向前一步，所需数据、算力和工程成本随之攀升。但天花板还在那。
具身智能初创公司芝诺机器人决定把这道题横向展开，提出另一种解法：多机协作。
当单机遇到瓶颈，难以覆盖一整套工作流，多机可以成为新的选择。
以家庭场景为例，面对一系列复杂任务，两台标准化机器人可能先分头行动，各自清理猫爬架、铲猫砂；在任务需要时又会合，互相协助，比如把叠好的被褥放进压缩袋并抽空空气。
芝诺机器人将这种能力称为“协作物理智能”（Collaborative Physical Intelligence）。
他们训练了一个3B参数的基础模型Zeno-1，可以适配多机器人协作场景，每台自研的机器人Malo都会独立运行这一模型。据称，该模型具备跨场景、跨任务、跨本体的能力。
架构上，他们采用“去中心化（decentralized）”策略：机器人不依赖中央控制器统一规划动作，彼此之间没有显式信息传递，不需要访问伙伴的内部状态或动作计划，而是根据视觉画面、本体状态和交互历史作出决策。
通俗点说，它们需要自己学会“看队友眼色行事”。
「暗涌Waves」独家获悉，芝诺机器人于近期完成总额数亿元人民币的种子轮融资，投资方包括全球光学龙头舜宇光学、国产GPU龙头沐曦股份、浙大系基金网新集团、工业AI龙头赛意产业基金等产业资本与和利资本等一线投资机构。
芝诺机器人于2025年11月正式展业，总部位于杭州，在悉尼和匹兹堡设有研发中心。多名核心成员拥有卡内基梅隆大学机器人研究院（CMU RI）背景。联合创始人、首席科学家植伟铭现任悉尼大学计算机学院终身教职轨道助理教授，LOAM作者张楫担任首席机器人架构师。
今年，多机器人协作有多项研究进展。6月，植伟铭团队发布了SAI（已收录在CoRL 2026），提出面向机器人协作的顺序非对称模仿学习方法。同月，斯坦福大学Jeannette Bohg和Chelsea Finn团队发布相关论文预印本，提出基于VLA的分布式多机器人协作框架。
在“协作”这条路线上，芝诺机器人表现出很强的自信。今年5月，Figure AI曾展示两台搭载Helix 02模型的人形机器人协作整理卧室、铺床的视频。植伟铭说，从公开展示看，Zeno-1覆盖了更丰富的高难度协同操作，协作表现超过了Figure AI。
这种表达带着一家年轻公司的自信，也将它置于更严格的检验之下。
以下是「暗涌Waves」与植伟铭的对话，经编辑。
Part01
必经之路
「暗涌Waves」：为什么要做多机“协作”？这是个真需求吗？
植伟铭：人类社会本来就是一个群体协作的社会，机器人也一定是群体协作的。未来，如果要扩展系统、增加机器人，机器人理应要有协作能力，这是一条必经之路。
过去几年，单台机器人在数据学习、灵巧操作等方面已经有了一条baseline，掌握了识别环境、理解指令、抓取、移动和使用工具等能力。
但两个分别会抓、会搬、会操作的机器人放在一起，仍可能因为时序和接触不匹配而失败。单机能力不应该是基础模型的终点。
相关研究群体很早就开始研究多机器人系统。例如，Amazon已经在仓库中部署了大规模机器人车队。这些系统主要采用传统的调度与规划方法，能让大量移动平台并行完成搬运任务，这已经验证了多机器人并行作业在这类场景中的可行性。
但是，目前覆盖的任务大多集中在移动和物流环节，对于需要复杂物理接触的灵巧操作支持有限。
现在，随着单机能力提升，也到了可以为协作铺路的阶段。机器人可以通过协同，做一些高难度的灵巧操作。
「暗涌Waves」：有哪些场景是需要多机协作的？
植伟铭：真正有价值的场景通常具备多个作用点、多个工作空间或者并行操作。例如处理大面积柔性材料、大型物体搬运、共同装配和物品交接。
比如在酒店或家庭里做布草时，被单横截面积很大，单台机器人很难用两只手完成。还有挂裤子，现在大家看到的更多操作是叠裤子，但没有去挂的，这需要一台机器人固定衣架，另外一台机器人把裤子穿过去，再挂起来。
「暗涌Waves」：这些算是高价值场景吗？能让客户愿意多买一台机器人吗？
植伟铭：我们的核心目标不是要卖多台机器人。客户可以先购买一个机器人完成部分工作，如果完成不了一整套工作流，可以根据实际使用情况，增加机器人数量。
多机协同是一个选择，在以前，大家没有这个选择。
至于要不要增加，最后测算的是ROI，本质是客户的选择问题。
「暗涌Waves」：增加一台机器人的效率增量，能覆盖成本吗？
植伟铭：这是一个边际收益问题。
单台机器人接近能力上限后，如果继续挤压它的最后一点性能，投入的成本可能会越来越高。用多台标准化机器人协作，可以把它想象成一个能够选择增加或减少机器人的系统，会提升这套系统的整体能力。这种系统扩展会更经济。
本质上，大家关心的是能不能把增加机器人变成一种低成本、可渐进扩展的能力扩容方式。
「暗涌Waves」：怎么说服场景方换掉已有的成熟产品，用你们的机器人？
植伟铭：不一定是换掉，可以是一种补充。以公寓场景为例，过去的配送机器人能做的事情比较有限，高灵巧性的协作操作可以进入新的工作环节。
「暗涌Waves」：既然你们的模型能跨本体，为什么还要自研机器人，而不是采购现成的？
植伟铭：早期当然可以使用现成的机器人平台来加速训练和验证。但如果希望长期把模型能力推向真实世界，必须掌握硬件迭代的主动权。
过去的具身行业，更多是“硬件定义模型”，下一代具身应该是“模型定义硬件”。当模型具备更强的灵巧操作、移动操作、多机协作能力之后，它对本体的自由度、负载、工作空间、传感配置和末端执行器都会提出新的要求。硬件成为模型能力的一部分。
长期来看，我们希望成为一家以模型能力为核心的全栈Physical AI公司。
Part02
没有总指挥的机器团队
「暗涌Waves」：两台机器人共同完成一件事，技术难点主要在哪？
植伟铭：机器人之间的耦合会突然增强，主要有四个核心难点——
一是部分可观测性。每台机器人只能从自己的视角观察环境，并据此判断伙伴正在做什么。
二是接触动力学。机器人可能通过同一个刚性物体、柔性物体或工具连接起来，其中一台机器人的动作会立即改变其他机器人的物理状态。
三是伙伴行为的不确定性。机器人伙伴可能慢半秒，也可能抓取失败或临时调整位置，预先规划好的协同轨迹很容易随之失效。
四是误差随时间累积。几十秒的任务可能依靠严格同步完成；当任务持续几分钟，时序偏差、抓取变化和物体状态变化都会不断叠加。
训练Zeno-1时，我们把这些问题视为协作操作的核心挑战，实际上也是把多机器人系统、机器人学习、灵巧操作和长时序决策等过去相对独立的研究方向结合到一起。
「暗涌Waves」：假设在真实场景中，你们的机器人遇到了别的机器人，面对同一个任务，怎么判断谁去做？
植伟铭：这其实是一个调度问题，也是一个人为构造的特殊情形。我们的基础模型会从已采集的数据中学习这些规律。
在去中心化策略下，我们的每个机器人都具备自己的推理能力，计算不集中在一个服务器上。每个机器人会通过自己的视觉画面、本体状态和交互历史作出决策。
所以，它会观察和预测另一台机器人是否行动，再决定自己要不要执行任务。
「暗涌Waves」：“去中心化”的体现是什么？
植伟铭：中心化系统最大的优势是信息完整。
中央控制器理论上可以看到整个团队，更容易做全局任务分配和联合优化。但每一次增加机器人，通常要重新训练，不断扩大一个中央联合策略的输入和输出空间。其中一台机器人出现异常，其他几台可能会随之崩溃。
事实上，很多真实世界系统很难完全中心化。自动驾驶如果能完全中心化，也就做成了。
采用去中心化架构，更容易扩展机器人团队的规模。理论上，我们可以不断添加或减少机器人，架构仍然会保持稳定。
「暗涌Waves」：“去中心化”就没有缺点吗？
植伟铭：代价是部分可观测性（partial observability）。机器人只能根据自己看到的信息判断伙伴意图，随着团队扩张，遮挡、局部冲突和信息缺失等情况会更加严重。
「暗涌Waves」：Zeno-1据称能连续运行超过10分钟、完成8个子任务。这是在什么条件下测的？
植伟铭：测试是在我们自己的真实机器人平台和室内场景中完成，主要验证单策略的持续执行能力。全程使用同一个Zeno-1策略，不同子任务之间没有切换模型，也没有重置环境。
「暗涌Waves」：你们如何训练协作能力？
植伟铭：模型训练分为4个阶段。使用第一视角和第三视角视频数据进行预训练，让模型获得物理行为先验。使用约40小时的独立真机数据进行一轮训练，提升单机操作能力。
在此基础上，我们进行闭环伙伴交互（Closed-loop Partner Interaction）训练：先部署其中一台机器人，让它执行已经学到的策略，同时采集另一台机器人与它实际协作的数据。这一轮数据的信息密度很高，约4小时。
在真实交互过程中，机器人会自然遇到伙伴延迟、动作不一致和需要临时调整等情况。我们将这些交互数据用于下一轮微调，让模型学习如何根据伙伴的实际表现调整动作，提高协作的鲁棒性。
「暗涌Waves」：单机智能和多机协作，哪个更难？
植伟铭：取决于具体任务。如果这个场景是用大量标准化单元并行来扩大系统能力，想要提高效率，一定是多个机器人会更有效，且更容易实现。
Part03
卷入浪潮
「暗涌Waves」：你们首轮融资就都是产业资本，这并不常见。是主动选择吗？
植伟铭：是。我们没有把融资理解为单纯的资金问题。机器人最终要进入真实场景，除了模型能力，还要供应链、算力、机器人硬件和客户资源等等。这些在早期就应该布局完。
舜宇、沐曦这样的产业龙头，本身就位于机器人产业链的关键环节，又了解真实生产环境中的能力边界。他们更清楚什么任务具有付费价值，哪些指标能够进入部署，哪些效果还停留在Demo。
对于一家年轻的具身智能公司，这些判断和资源很重要。
「暗涌Waves」：你们是2025年11月才创业，那时候国内外的具身企业都已经非常多了，你看到的机会是什么？
植伟铭：早期在NVIDIA西雅图机器人实验室、CMU RI，在美国的经历让我看到了很强的机器人研究生态。但是，用基础模型去研究机器人的很多核心问题，已经很难依靠小规模实验室推进。它需要大量的机器人，大量的真实数据，非常快速的硬件—模型迭代，以及模型长期部署后形成的数据闭环。
在职业生涯里，我一步步地感受到这个需求。
去年10月底，我和几位核心创始成员在杭州举行的机器人领域顶会IROS上聊了很久，大家都觉得具身智能还是有很多空间。
我们想做“大脑”。当时市场上专门做预训练的团队并不多，我们判断，基础模型层的生态位有机会“卡位”。
我们一致认为，“协同”这件事会在具身智能的终局存在，那时候北美几家巨头还没正式切入这一方向，因此我们决定快速布局。
「暗涌Waves」：多机协作要从Demo到规模化部署，这条路还有多远？
植伟铭：在特定场景进行多机协作，我认为未来一到两年就有机会看到实质性部署。因为任务边界明确，而且协作产生的经济价值容易衡量。
但如果要实现任意几台通用机器人进入陌生环境后自然组成团队，是一个更长期的问题。
「暗涌Waves」：目前的商业化进展如何？
植伟铭：过去一段时间，我们在澳新及其他海外地区开展了一些PoC测试，预计在2027年上半年正式启动规模化进程，目前关注在服务业。
我们优先选择那些在过去已经被验证过的，机器人能规模化应用、场景方具备好的付费意愿与付费能力、技术边界明确的半结构化场景。一方面是酒店、洗衣、养老和其他服务业，另一方面是精密加工及产业场景。
「暗涌Waves」：为什么敢Day1就做全球化？
植伟铭：我们是CMU RI背景唯一在中国创业的一支师生团队，核心团队大多有海外科研和产业经历，本身就是全球化的。并且在悉尼和匹兹堡设有研发中心，会连接当地的头部场景方、渠道商和人才。通过中国丰富的真实应用场景，低成本、快速地做PoC和迭代。
这样形成一个很清晰的分工：中国负责高效率地把产品做出来，海外帮助我们接触全球最好的场景、人才和市场。
「暗涌Waves」：你认为具身智能行业目前高估了什么，又低估了什么？
植伟铭：行业高估了现有单机智能接近通用智能的程度。很多机器人展示了漂亮的Demo，但进入真实世界长期稳定运行，还要解决环境变化、失败恢复、人机协作和硬件可靠性。
行业也容易高估扩大模型参数量对物理智能的解释力。机器人面对的是连续变化、充满物理约束的世界，模型必须和真实数据、感知、控制及执行形成闭环。
协作和执行层的复杂度仍然被低估。“把桌子收拾干净”看起来只是一句话，实际执行中包含先拿什么、从哪里走、怎样避开人、怎样抓取、物品掉落以后如何恢复等连续决策。
从两台机器人、有限任务开始，逐步增加任务宽度、运行时长、机器人数量和环境复杂度，这是芝诺机器人接下来的路径。
排版｜郭栩君
图片来源｜Unsplash
