启元机器人量产5000台，押注物理AI个人化

启元机器人已下线5000台。其具身研究中心承接底层算法研发，目标明确：做出第一个卖给个人的物理AI机器人。团队判断Physical AI是大语言模型走向真实物理世界的关键中间环节，2027年或迎关键突破窗口。

已量产的Q1、T1是第一代C端硬件产品，但并非家务作业机器人的终局。Q1为小尺寸全身力控人形机器人，T1主打轮足-四足可变形形态，主要解决硬件稳定性、安全入户、陪伴交互问题；真正面向家务作业的轮式H系列仍在迭代，配套的“启元大脑”才是核心。

技术框架采用快慢脑分层。GPT-6 Astra等大语言模型作为S2慢脑，承担高层任务理解、逻辑推理、长任务规划与记忆调度；但通用大模型不善于直接接管底层动作执行，完全依靠其做精细操作单次抓取耗时可达半小时，Token成本极高。真实世界动作生成交给自研S1快脑——视觉-语言-动作模型VLA，负责叠衣服、整理桌面、柔性物体操作，接收慢脑指令快速输出高频连续动作。团队提醒，短期难有通吃全部硬件的VLA模型，模型、数据、硬件必须绑定迭代。当前对GPT仅做API调用，长期若通用大模型能读懂视频流、空间关系与动作序列，可充当强化学习Reward模块。

数据采集方面，启元推出Hil-UMI范式，增加薄弱环节识别机制，人类数采员采集过程中模型分析需加强的动作并指挥补录。整理桌面对照实验中，Hil-UMI采集效率达传统真机HG-DAgger的5.63倍，任务完成度更高。该机制形成“识别短板-定向采集-模型更新-再识别短板”闭环，UMI夹爪更换法兰盘即可适配不同机械臂，为众包采集埋下伏笔。团队强调数据质量优先于数量。

启元希望2027年数据规模冲击百万小时级别，但距真正通用具身智能仍有距离，接近GPT-6/7级别物理世界泛化需千万甚至上亿小时量级。算力层面处于数千卡集群规模，具身智能训练以高冗余视频流为主，有效信息密度低，5000卡规模、40% MFU利用率下跑完一个Epoch需3-6个月，催生对视频训练基础设施的迫切需求。

C端商业化方面，启元给出硬性判断：面向普通家庭的功能任务完成度需达95%以上才具备商业化条件。策略是集中资源先打穿一个家庭Killer Application，如衣物处理完整闭环。未来承担家务作业的是新一代轮式H系列。公司也在寻找酒店、样板间等“家庭同构环境”作为商业化验证场，并探索Robot-Ready Home路径，2026上半年与尚品宅配成立合资子公司，计划2026年底发布大脑端初步成果。C端本体本身是Physical AI时代的基础设施，终端规模达万台、十万台级别时，合规授权下回流的视频、图像数据规模将远超外包采集或B端项目。

竞争方面，启元判断GPT类大模型属行业公共资源，真正拉开差距的是配套本体、高质量操作数据集与完整训练闭环。算力不是当下最主要瓶颈，行业真正稀缺的是高质量具身数据、更高效的数据采集与后训练范式。