一万元的具身实验，先别急着喊白菜价

我注意到一个有意思的细节，蓝虫具身这次发 Mantis Standard“小白”，宣传点把底盘、手臂、腰部、头部做成标准快装模块，大模型和具身智能大脑放在后面。0.98 万元起，22 个全身自由度，单臂负载 7kg，臂展 663mm，整机高 1.4 米，续航 3 小时，遥操延迟低于 10ms。它更像一台给实验室用的模块化人形机器人，少一些展厅明星感。

很多人看人形机器人，习惯先看它能不能走路、能不能握手、能不能表演。我反而更关心它能不能被反复拆开、换上、跑同一条任务。因为具身智能现在更缺稳定、同构、可复现的数据。

Open X-Embodiment 这类工作已经说明，跨本体数据有机会提升模型泛化，但前提还是动作空间、观测格式和故障边界能被统一处理。这也是我看这次发布的核心判断。

单臂 7kg 的负载，说明它不适合搬重货。它更像能做拿杯子、抓盒子、开关柜门这类轻操作。臂展 663mm 配合腰部 550mm 升降，覆盖范围应该适合桌面和半高货架。底盘 3 自由度全向移动，前进速度 3m/s，这个速度适合室内实验。它降低的是采集失败率，少一些表演感。

遥操延迟低于 10ms，这个参数很扎眼。若只是控制器到执行器这一段低延迟，当然有用；如果端到端从人的操作到机器人动作都能压到十毫秒级，那采集模仿学习数据会舒服很多。我这边更想知道真实网络、视觉、控制栈叠加后延迟会不会膨胀。延迟一高，人会把操作做保守，数据质量也会变保守，模型动作容易显得犹豫。

我最近用 Claude Fable 5 和 GPT-5.6 写过一些机器人控制代码。模型生成规划层很快，PID、轨迹插值、简单抓取序列都能出来。但一旦接上电机时序、力控边界、急停逻辑，马上要回到工程细节。大模型不能当万能胶水。它能把任务目标写清楚，但身体能不能稳定做到仍要工程实现。这也是为什么我看重快装模块。本体越标准化，模型越容易关注任务分布，团队也不用每天修机械结构。

我这一周在 Hacker News 上看了不少讨论，大家对人形机器人的热情很高，但对交付、售后、SDK、安全边界更谨慎。我这边也试了一点 MCP 接控制接口，感觉接口标准化比模型选择更重要。模型可以换，数据格式不能天天变。底盘、手臂、头部如果能像外设一样热插拔，开发团队才愿意长期投入。否则每次换模块，都要重写驱动、校准、安全策略，研究经费都耗在集成上。

过去很多科研人形机器人贵，电机成本之外，集成成本更高。一个项目做完，本体还没量产，文档先过时。学生团队换一届，代码和机械结构都断代。模块化如果真能做到开箱即用，0.98 万元起这个价格会改变采购方式：人形机器人可以从少数实验室的大型仪器变成可消耗的实验设备。设备一旦可消耗，试错频率就上来了。

当然，问题也没那么乐观。低价格意味着成本压力会传到电池、减速器、编码器、安全冗余和售后。1.4 米的人形机器人有实际风险，3m/s 的速度、7kg 单臂负载，一旦控制失误，责任边界很难说。模块化也可能带来新的故障点，快装接口松动、线束磨损、校准漂移，都会把实验室任务变成维修任务。

我更在意的是，这种机器人能不能持续产生数据。它卖的是能持续产出轨迹、视频、力觉和失败样本的标准平台。若它支持遥操、自动采集、回放、标注导出，甚至能接不同模型做策略评估，那它对物理 AI 研究的帮助会比单纯发布一款人形大很多。

机器人本体变成可替换的实验耗材后，具身智能的瓶颈会从能不能做出来转向能不能稳定采到数据。接下来一年，低价模块化人形机器人会先在高校实验室、开发者团队和具身数据采集场景里铺开，工厂落地要慢一些。竞争重点会落在同构数据产出率、遥操一致性和安全边界。