幾億美金砸出來的硅谷大模型，被一臺相機干翻了！

新智元報道

數億美金，竟輸給了一臺相機？

一邊，是硅谷明星機器人初創Physical Intelligence，用數億美金算力砸出來的明星大模型π0.5。另一邊，是一家中國公司，加一臺隨手能買到的運動相機。

7月15日，銀河通用發布WAM-TTT，全球首個面向具身智能大模型的測試時后訓練框架。

隨框架一起公布的跨環境實測里，雙方正式pk，結果令人意外——

光照一變、物體一換、背景一亂，π0.5的平均成功率直接砍半，而WAM-TTT泛化保持率為76%！

想象機器人進家的第一天：你家的馬克杯它沒見過，廚房燈也偏暖，臺面還比它訓練時高5厘米。看起來只是這一點細微的差別，但足以讓一臺千錘百煉的機器人當場卡殼。

對比更鮮明的，是成本。

π0.5落地的成本，高得不可思議：要讓機器人走進1000萬個家庭，難道得先派1000萬個工程師住進去，手把手教它認馬克杯？

顯然，這根本無法落地。

而WAM-TTT則不同，它可以隨時適應一個新場景：只要有人戴上遠動相機、或舉起手機，隨手拍一段自己干活的第一視角視頻，機器人看完，就能直接上崗！

不用遙操設備，不用動作標注，也不用停工數天重訓。

從此，具身智能從成本極高的遙操式學習，進化為通過視頻，一看就能學會。

這個顛覆性的框架，讓銀河通用讓全世界宣告：機器人大規模進入家庭與工廠的商業化臨界點，已經真正到來！

訓練時精通，部署時不通

在AI領域，Scaling Law通過海量參數與數據驅動能力躍升，已被反復驗證。但在具身智能中，這條法則到了后訓練階段，卻要直面更復雜的現實考驗。

后訓練的核心任務，是把模型在模擬試驗場里習得的技能，遷移到真實的部署環境中。然而，光照的明暗、物體的紋理與尺寸、桌面高出或低了幾厘米……

任何微小的現實差異，都可能讓性能顯著下降。原因并非技能未被掌握，而是所掌握的技能與特定場景特征過度綁定，難以適應現實場景的無窮變化。

這便是當下具身智能最核心的痛點：訓練時精通，部署時不通。

模型學好了技能，卻認不出紅色的塑料箱，適應不了偏暗的燈光，也跨不過那高出的5厘米。明明會抓，就是抓不到沒見過的箱子。

跨環境實測中，以人類視頻為上下文的基線方法，性能保留率僅剩14.7%，幾乎等于歸零；而WAM-TTT則把這一數字拉到了75.6%，壓倒性勝出。

傳統解法笨拙且昂貴：派工程師扛著VR頭顯和遙控臂，重新錄制軌跡，再花數天重訓模型。如此高成本、長周期的流程，機器人最后的泛化性卻不盡如人意，成為判機器人規模化部署的瓶頸。

7月15日發布的WAM-TTT，正是銀河星腦（AstraBrain）體系下，專門面向規模化部署推出的后訓練技術，也是團隊對世界-動作模型（WAM）的一次顛覆性創造。

它不需要復雜昂貴的數據采集，不需要動輒數十小時的遙操訓練，不需要標注數據。

三大核心突破：

改寫具身智能的部署賬本

傳統的大模型往往只強調「預訓練」有多強，卻對部署階段的災難性表現避而不談。

而WAM-TTT之所以能被稱為新范式，是因為它在測試部署階段（Test-Time），實現了三大史無前例的底層突破：

數據采集：部署只需人類數據

過去，你要讓機器人適應新環境，就必須喂給它「機器人軌跡數據」。這就要求專業操作員像控制提線木偶一樣操控機器人，記錄下每一個關節的角度、扭矩，成本極其高昂。

而有了WAM-TTT，秘密武器變成了一臺普通的運動相機。

在部署階段，客戶只需要讓人類走到新的工作臺前，隨手用相機錄制一段人類自己完成該任務的第一視角視頻即可。WAM-TTT的自監督視頻預測技術，直接從這段人類玩耍的視頻中提取特征。

100個新場景，不再需要100套昂貴的遙操設備和數周的停工采集，只需要100段幾乎免費的視頻。

另外，在控制總數據量恒定的消融實驗中，銀河通用給出了一個讓所有從業者振奮的結論——

在相同的預算下，「100條機器人軌跡 + 100條廉價的人類視頻」實現了74.1%的成功率，這與純用「200條極其昂貴的機器人軌跡數據」（73.7%）性能完全持平！

這意味著，人類視頻可以1:1等效替代昂貴的機器人遙操數據。

WAM-TTT用最干凈、最直接的像素流，實現了真正的零標注成本。

數據類型：部署零動作標注

目前市面上即便有一些利用人類視頻數據的模型，往往也需要痛苦的人工標注：標出視頻里人類手部的三維關鍵點（甚至需要生成復雜的MANO手部網格），然后再把人的動作重定向到機械臂上。這不僅費時費力，還會累計誤差。

而WAM-TTT對數據的要求低到了極致：純視頻輸入，不用任何標簽！

它將人類視頻視為「無動作」（Action-free）的數據。機器人不需要人類告訴它關節的具體坐標，它只需要通過預測視頻的下一幀（自監督視頻端到端預測），自己去「悟」出任務的動態本質。

消融實驗證明，強行加入人類手部動作的偽標簽，反而會干擾模型對底層物理規律的理解。

模型層面：預訓練參數不變，專用參數快學習

這是WAM-TTT在架構上驚艷的一筆。

面對新環境，傳統的監督型微調（SFT）或上下文學習（ICL）方法，本質上是在強行修改機器人的「大腦」參數。

這面臨著極高的「災難性遺忘」風險：為了迎合新場景的光照和桌子高度，模型往往會「洗掉」預訓練時積累的龐大通用常識，變成一個只會干特定活兒的傻瓜。

WAM-TTT創新性地引入了「大模型主干凍結 + 輕量內存模塊后訓練」 的全新范式。

在適應新場景時，WAM預訓練的龐大模型參數被凍結（絕對保全了通用的物理常識和視覺推理能力）。所有的環境適應工作，僅僅去更新一個極輕量級的快速權重 。

相較于SFT，這種解耦方式不僅完美保留了預訓練的通用泛化性，更實現了真正的零遺忘。

這為通用機器人的規模化部署奠定了最核心的技術基礎：未來，機器人每到一個新工廠，只需要加載的「快權重記憶包」，就能瞬間化身熟練工，即插即用！

5倍碾壓，

直面真實世界的殘酷

考場先擺出來：論文公布的真實世界跨域評估，9項復雜任務，擾動全是機器人上崗后真實會撞上的：光照變了，物體換了，背景亂了。

文章開頭已經講過，對比非常鮮明。

數億美金算力砸出來的π0.5，平均成功率跌到14.8%；而WAM-TTT是它的3.1倍。

9項任務8勝1負！

不過，比成功率更能說明問題的，是另一把尺子：泛化保持率。也就是技能從訓練場帶到新環境，還能剩下幾成功力。

這把尺子量出來的差距，π0.5泛化保持率不足一半，只有47%，而WAM-TTT在測試中泛化保持率為76%。

很多人幻想，給機器人看幾個示例視頻，它就能像ChatGPT寫文章一樣照貓畫虎。

測試結果卻是一記響亮的耳光：在相同的環境擾動下，使用了ICL的基線模型WAM-ICL，成功率從標準環境的48.4%直接崩塌至7.1%，泛化保持率只剩14.7%。

同樣的偏移面前，WAM-TTT的泛化保持率高達75.6%，是ICL的5倍多。

打個比方：訓練場里練出10分功力，換個環境，ICL只剩1.5分，WAM-TTT還穩穩握著7.6分。

差距從哪來？

ICL是「應試型」學習，靠上下文與訓練數據的表面相似，而現實世界，簡單的上下文關聯根本無法承載時空的物理因果，環境一變就露餡。

WAM-TTT是「理解型」學習，用快速權重吸收的是任務的本質動態結構，而不是死記硬背表面特征。

面對真實擾動，ICL一擊即潰，而WAM-TTT憑借46.2%的成績，打出了超5倍的降維打擊！

這也是全球首次在真實機器人任務中系統證明：測試時訓練在泛化性上，碾壓上下文學習。

這證明了WAM-TTT不是在死記硬背表面特征，而是真正理解了任務的動態結構。

具身智能部署時的適應方案怎么選，行業第一次有了明確的路線指引。

不到兩年的「三連跳」

開創技術路線，完成產業閉環

把時間軸拉長，我們會發現WAM-TTT的發布絕非偶然。

銀河通用在不到兩年的時間里，以驚人的速度，完成了具身智能技術與產業應用閉環的「三連跳」。

第一跳，在2025年。

銀河通用首次在頂級會議ICCV發布WAM模型，全球首次打破壁壘。

彼時，整個賽道深陷VLA與世界模型的路線之爭。

銀河通用以破局者的姿態，提出WAM（世界-動作模型），將懂物理的世界模型與懂執行的動作模型在潛空間統一。

這一跳，他們打破了技術路線的次元壁，成為了標準的定義者。

2026年的第二跳，他們發布了AstraBrain WAM進階成果，一舉打開Scaling Law。

當同行還在消化WAM概念時，銀河通用直接將理論工程化。

他們證明了WAM架構具有驚人的擴展性，實現了對互聯網視頻、人類示范、遙操數據甚至失敗數據的統一有效利用。

這一跳，他們為具身智能找到了明確的「Scaling Law」，讓大算力大數據的投入產出變得可量化。

今天的第三條，WAM-TTT補上了最后、也是最關鍵的一塊拼圖：發布后訓練范式WAM-TTT，打通規模化應用閉環。

當然，這里需要說明： WAM-TTT的強大，并不是說機器人從此以后完全不需要訓練了。

它的核心意義在于，在例如數采工廠里，機器人學會一項技能后，可以以極低的數據要求、極低的金錢和時間成本，完成對新場景的適應和部署。

它解決的，是具身大模型真正走向商業落地的最后一公里痛點，從此，徹底形成了WAM從技術研發到產業應用的完整閉環。

中國具身智能，站起來了

長期以來，在全球人形機器人和具身智能的競技場上，尤其是對標Optimus時，國內輿論場中一直彌漫著一種論調：「中國企業底盤控制做得好、電機強，但只是『本體強』，我們在最核心的AI模型泛化能力上，『大腦弱』。」

中國企業在供應鏈和制造成本上有優勢，但在最核心的大模型算法創新上，只能跟在硅谷巨頭身后亦步亦趨？

但今天，銀河通用用不到兩年的三連跳，用高達3.1倍的碾壓級數據，徹底粉碎了這一論調！

從提出WAM架構，到解鎖Scaling Law，再到用WAM-TTT開創后訓練新范式，中國企業不再是跟在硅谷巨頭身后亦步亦趨的跟隨者，而是真正在創造全新的技術范式，引領全球的技術走向。

這就是中國科技硬實力的自信。

當機器人在踏入陌生廚房的那一秒，學會通過「看」來修正自己的動作時，那個曾遙不可及的通用機器人時刻，才真正具備了大規模商業落地的可行性。

這一場屬于全人類的具身智能工業革命中，中國企業，正當其時！