RoboArena登頂夢碎！具身智能的榜單狂歡，原來只是一個數據騙局

文 | 智能相對論

作者 | 陳泊丞

兩周前，千尋智能無疑是整個具身智能賽道當之無愧的明星企業。

一是千尋智能自研的具身基座模型Spirit v1.6，在RoboArena榜單上綜合得分全球第一，力壓英偉達Cosmos3和Physical Intelligence的Pi0.5，“打破硅谷霸榜魔咒”。

二是千尋智能再獲15億元A+輪融資，三個月內累計融資近50億元，刷新了具身智能賽道的紀錄。

這兩件事，信息量很大，都來自千尋智能公眾號于6月3日發了一篇推文：《雙線告捷！千尋智能Spirit v1.6橫掃北美「具身奧林匹克」奪冠，再獲15億元A+輪融資》。技術登頂，資本加碼，兩條主線在同一個時間節點交匯，一切都顯得順理成章。

在推文里，RoboArena甚至被賦予了極高的包裝——“北美具身智能奧林匹克”“世界級權威主榜單”“機器人領域的Chatbot Arena”。這些名頭堆在一起，給外界的感覺很顯著——這不是一次普通的上榜，這是一場國際賽場的登頂。

資本追逐榜單，榜單加持融資，邏輯環環相扣。

但僅僅幾天之后，事情開始不對勁了。

有人注意到RoboArena上Spirit 1.6的評測數據很異常。310次評測記錄中，72%的分數來自兩個賬號——ECUST Robot Lab（179次，勝率97%）和Robotics Lab（45次，勝率86.7%）。而NVIDIA用同樣模型測了21次，勝率0%。

更戲劇性的是，RoboArena官方很快發布了公告。回溯調查之后，他們移除了一批可疑評測數據，更新了榜單排名。Spirit 1.6的名字，從榜單上消失了。

從刷上榜、到發文宣發、到拉來融資、再到被踢出榜單，前后間隔短短數日。一切都發生得太快——但客觀而言，這已經不是一次普通的排名波動了，這是一個行業的信任被放在火上烤。

一場蓄謀已久的刷分，RoboArena是怎么被玩壞的？

先說清楚RoboArena的玩法是什么。

客觀而言，RoboArena在設計上并不是一場可以隨便操弄的游戲。它的核心邏輯借鑒了大模型領域的Chatbot Arena：評測者不知道自己測的是哪個模型（雙盲），對手通過ELO算法隨機匹配，評測數據來自全球不同機構的真實環境。

理論上，你想給自己刷分，門檻很高。你控制不了對手是誰，控制不了評測環境，也控制不了評測者的判斷。這套機制擺在那里，看起來確實不好作弊。

但“理論上”這三個字，往往是所有漏洞的起點。

首先，RoboArena是一個開放注冊的分布式評測框架。在這里，任何機構都可以注冊成為評測者（Evaluator），在自己部署的機器人硬件上執行評測任務。

當然，這個設計的初衷是讓評測去中心化、去單一化，但這同時也意味著一個很簡單的操作：如果你想刷分，先給自己注冊一個評測者賬號就行了。

ECUST Robot Lab、Robotics Lab，這兩個賬號在5月26日注冊進入系統。從這一天起，Spirit 1.6的評測記錄開始爆發式增長。

值得玩味的是，另一家具身公司X Square Robot（自變量）注冊評測賬號時，直接用了公司全名。這個操作有點意思，幾乎把行業的遮羞布都扯了下來——評測者不是“第三方獨立機構”，而是“自己人”。

其次，正常來說，一個評測者應該對榜單上的多個模型做相對均勻的評測。這是分布式框架的基本邏輯，數據分散在不同評測者手里，匯總之后才有統計意義。

但ECUST Robot Lab和Robotics Lab進來之后，幾乎只做一件事，那就是反復評測Spirit 1.6。ECUST Robot Lab累計評測276次，其中179次對象是Spirit 1.6，占比64.5%。Robotics Lab累計評測142次，45次是Spirit 1.6，占比31.7%。兩個賬號加在一起，貢獻了Spirit 1.6全部評測數據的72%。

72%的數據，來自兩個自己人。剩下的28%，來自其他真正獨立的評測者，而這些獨立評測者測出來的成績，和前面兩個賬號測出來的完全不同。

到這里，事情已經夠明顯了。

但還不止。

ELO天梯機制本來的作用，在于你只能跟排名相近的對手打，對手越強，贏了加分越多，輸了扣分也越狠。這個機制的初衷是防止有人刷低分對手來沖排名——你打弱隊效率太低，想上去必須干掉一個強者。

但Spirit 1.6的評測記錄表明，它找到了另一個取巧的辦法：不是挑弱的打，而是避開強的打，很“聰明”地避開了真正的強敵。

前期，Spirit 1.6和當時榜單第一的DreamZero交手了23次。成績是17負、4平、2勝——基本打不過。此后，Spirit 1.6不再跟DreamZero對戰。雙方最后一次PK記錄，停在了5月31日。

包括后來登頂的那個模型，Cosmos3-Nano-Policy，5月30日才加入測試。Spirit 1.6跟它，竟然連一次對戰記錄都沒有。

一個在榜單上沖到頂的模型，卻從來沒有跟真正的前兩名正經打過。這不是技術層面做不到公平對戰，而是評測策略層面選擇性地避開了所有可能輸的對手。

到這里，一場刷分操作的全貌已經清晰了：先注冊兩個自己人賬號進評測系統，用這兩個賬號給自己集中刷高分數據（占總量72%），同時以“隨機匹配”為名，繞開所有真正有威脅的對手。

技術上ELO機制還在運轉，實際上天梯排名的意義已經被架空了。

榜單狂歡背后，具身智能行業正在經歷什么？

當然，這件事最讓人不舒服的，不是刷分了，而是刷分和融資之間的時間線。

6月3日，千尋智能發布推文宣布Spirit 1.6登頂RoboArena。同一天，宣布完成15億元A+輪融資。三個月，累計近50億元。

在具身智能這個賽道里，技術路徑還沒收斂，商業化驗證還在早期，外部統一的評價體系少得可憐。RoboArena在這樣的環境里被迅速推到了前臺，成了最直觀、最容易被資本聽懂的那套“技術證據”。

要知道，榜單排名天然適合寫進投資人的盡調材料里。它不是學術論文，它是一串可以直接放進融資PPT里的數字和名次。因此，當排名本身可以直接影響估值和融資節奏的時候，刷榜的動力就不再是學術上的面子問題，而是真金白銀在驅動。

但是，RoboArena本身離“權威”還遠著。

根據公開資料，RoboArena目前仍是一個學術原型：首個版本在7所學術機構部署，針對7個通用策略完成約600次真機對比，評測硬件綁定在DROID平臺（Franka Panda機械臂）上，尚未擴展至其他機器人本體。論文作者也在文中指出，未來需要持續驗證其排名結果與真實世界表現的相關性。

也就是說，這個被描述為“世界級權威主榜單”的評測框架，在學術圈尚且屬于“有潛力的研究方向”，離行業公認標準還有距離。

但在千尋智能的語境里，這些限定條件全部消失了。RoboArena變成了一個已經封神的“奧林匹克”。很顯然，一個還在驗證中的學術原型被包裝成權威認證，融資故事才講得通。

時至今日，當刷分被揭穿之后，代價卻不只是千尋智能一家的事。

具身智能是中國AI里目前最熱的賽道，也是國際關注度最高的賽道之一。這次事件的信息已經傳到了海外。當中國具身智能企業的名字和“刷榜”兩個字被放在一起討論的時候，受到牽連的很有可能是整個行業的國際可信度。

更麻煩的是，它還會反向傷害真正在做事的公司。當一家公司靠刷榜拿到近50億融資之后，那些沒有這么做、老老實實在實驗室里磨技術的團隊，反而會被反復質疑、拷問：“你的排名是真的嗎？你怎么證明？”

劣幣驅逐良幣，就從這里悄然開始、蔓延開來。

如果有人覺得“反正榜單都會被刷，那投入技術有什么用”——這才是這件事最糟糕的后果。

當然，在這場風波里，也有值得說一說的一面。

在Spirit 1.6刷分的那段時間里，WALL-OSS也在全力沖擊榜單。它沒有找到“定向只測自己”的方法，只能在合規框架里正常打榜，最終被兩個刷分賬號擠出了競爭序列。作為一家真正遵守規則、按實力去打的團隊，卻被這個扭曲的評測生態攔在了門外，實屬唏噓。

此外，Cosmos3-Nano-Policy的登頂，是另一個硬核實力的證明。這次官方更新榜單之后，它還在榜上——可見，一個靠合法合規評測打上來的模型，是經得起回溯調查的。

誠然，榜單本身不是假的。有人刷，不代表這個評價體系應該被廢棄。但前提是，規則必須能攔住想鉆空子的人。

結語

根據最新消息，RoboArena已經出手了。回溯調查、排除了有利益關聯的評測數據、重置了評測者準入規則。這是對的，也是必要的。

但這場風波，不應該只以“榜單更新”為終點。

千尋智能的事件之所以值得被認真對待，不是因為它有多罕見，而是因為它可能不是孤例。當一個行業的評價標準本身還不夠成熟，而評價結果又可以直接撬動數十億級別的融資時，鉆空子的動力是系統性的，不是某一個人、某一個公司的問題。

靠一份榜單講故事融資的窗口，到今天還沒關上。但通過這件事，至少有了一個可以放在臺面上的共識：你拿給你的投資人看的那個“第一”，得是真的。

榜單可以更新，但信任重建，要難得多。

從今天開始，具身智能行業要走的路還很長。

*本文圖片均來源于網絡