390億美元Figure做不到的事，這家中國團隊做到了

編輯：定慧

【新智元導讀】機器人終于迎來自己的「iOS時刻」，全球首個具身Agentic OS來了：不是裝個更聰明的大模型，而是給機器人配上一套真正的「操作系統」。

過去幾年，機器人視頻越來越多，但細看你會發現一個問題：

它們的動作太「程序感」了。

抓一個水杯，必須放在固定位置；走一段路，路線早就畫好；面對突發狀況，要么站住不動，要么直接跌倒。

為什么不敢讓機器人「單獨行動」？

這背后的根本原因，是傳統機器人的「大腦」和「小腦」是割裂的。

感知歸感知，規劃歸規劃，執行歸執行。每個環節獨立工作，信息傳遞靠接口，響應速度靠隊列。

一旦環境稍有變化，系統就容易失靈。

所以，現在很多看起來「自然」的機器人，其實背后都有一個「遙操」工作人員。

但不可否認的是，具身智能正處于一個前所未有的爆發期。

如果說2025年是具身智能的量產元年，資本涌入，訂單簽下，還有好幾家公司沖刺IPO。

那2026年，則是人形場景落地元年。

但熱鬧背后，行業的競爭格局正在發生微妙的變化。

可以從三個維度來看：

第一，硬件正在快速同質化。

電機、關節、傳感器，國內供應鏈已經非常成熟。

幾家頭部公司用的零部件大同小異，本體的差距正在迅速縮小。

硬件本身，越來越難拉開差距。當然，本體的設計在性能和成本上依然會發揮重要作用。

第二，運控能力出現了明顯的代際差距。

并不是所有公司都能做好「小腦」。

在運動控制這個領域，少數玩家已經遙遙領先——比如逐際動力、宇樹、Boston Dynamics。

它們的機器人能跑、能跳、能在復雜地形上穩定移動，這背后是多年積累的運控技術壁壘。

逐際動力的機器人行走于崎嶇不平的建筑工地上

第三，「機器人大腦」仍在全球范圍內探索。

如何讓大模型真正落地到物理世界？如何讓認知決策轉化為穩定的物理執行？這些問題，全球都還沒有標準答案。

所以，競爭的焦點正在轉移：光有好硬件不夠，光有好運控也不夠，光有聰明的大腦更不夠——關鍵是誰能把這三者真正融合起來。

這就是為什么「大小腦一體化」成了行業的關鍵命題。

誰能先把機器人的大腦和小腦真正融合起來，誰就能在這一輪競爭中占據先機。

逐際動力的回答：COSA

在這個行業拐點上，2026年1月12日，逐際動力發布的COSA系統，就是要打破這種割裂感！

COSA，全稱Cognitive OS of Agents，具身智能體系統。

它有一個更精準的定位：具身Agentic OS。

COSA的本質是一個面向物理世界原生的具身Agentic OS。

COSA不是一個模型，而是一個為人形機器人設計的操作系統。

為什么強調「Agentic原生」？

因為未來的操作系統——無論是手機、電腦還是其他智能設備——都將升級為Agentic的形態。

而人形機器人的OS，必須從一開始就是Agentic原生的。它不能是傳統系統加上AI功能的「改裝版」，而必須從底層就具備自主感知、理解、決策、行動的能力。

簡單說，這是一套讓機器人能夠同時想、同時動、邊思考邊干活的操作系統。

聽起來很抽象？讓我舉個例子。

逐際動力的全尺寸人形機器人Oli，搭載COSA系統后，正在執行一個送水任務。

走到一半，它突然收到了新的指令。

它沒有停下來，也沒有放棄原來的任務。

它暫停了一下，把新指令納入規劃，重新調整了優先級和路線，然后繼續走，把水送到了目的地。

這一「暫停」看起來很機械，卻是機器人最不「機器」的一刻。

機器人Oli一鏡到底

為什么這個動作了不起？

讓我們拉高視角，先看看全球機器人的競爭態勢和技術路線。

被低估的中國力量

說到全球具身智能的頭部玩家，Figure AI是一個離不開的名字。

2025年，Figure AI估值飆升至390億美元，成為全球具身智能初創企業中估值最高的公司。

它的明星背書、資本能量、話題熱度，幾乎代表了美國市場對人形機器人的最高期待。

從技術維度來看，逐際動力的COSA與Figure AI正在解決同一個核心問題：

如何讓機器人的「大腦」和「小腦」真正協同工作。

但這里有一個重要的區分：

Figure AI的Helix是一個模型：端到端的VLA（視覺-語言-動作）模型，試圖用「快慢腦」系統融合感知與動作。

而逐際動力的COSA是一套Agentic OS：從架構底層出發，構建了一套面向物理世界原生的操作系統。

這是兩條不同的技術路徑：

• Helix更像是給機器人裝了一顆「超級大腦」；
• COSA更像是給機器人建了一套完整的「神經系統」。

技術路徑有差異，但目標高度一致——讓機器人不再是「背課文」，而是「邊想邊動」。

但是兩者之間有著本質的差異，有三個值得關注的地方。

第一，移動操作存在差距。

如果你仔細看Figure AI目前公開的Demo，會發現一個細節：

移動歸移動，操作歸操作——兩件事是分開演示的。

在演示中，Figure的整個操作過程中沒有移動。

而搭載COSA的Oli，做到了「移動-操作-移動」的一鏡到底。

它在移動的過程中完成抓取，邊走邊調整，沒有明顯的停頓切換。

這不是剪輯技巧，而是運控能力的真實差距。逐際動力在運動控制領域的積累，讓它能夠實現更流暢、更自然的動作融合，更符合場景落地的真實需求。

第二，技術路線的本質不同。

Helix是一個大模型——端到端的VLA模型，本質上是一個App。

COSA是一個具身Agentic OS——從底層架構設計的操作系統。

App和操作系統，是完全不同的物種。

第三，估值的巨大落差。

Figure AI的390億美元估值，遠超逐際動力。

但從技術能力的呈現來看，逐際動力的COSA與Oli的表現，已經站在了世界第一梯隊。

這或許說明一件事：中國具身智能企業，正在被嚴重低估。

不是技術不夠好，而是市場定價還沒跟上。

至少從COSA的愿景來看，逐際動力已經用產品證明了一件事——

中國團隊，已經證明了自己，完全有能力站在具身智能的世界前沿。

COSA做了什么？技術深度解析

那么，COSA是如何解決機器人「大小腦」融合問題的？

我們需要先看看傳統機器人的「神經系統」是怎么工作的。

你可以把機器人的智能分成兩部分：

一個是「大腦」，負責理解指令、規劃任務、做出決策；

一個是「小腦」，負責控制身體、執行動作、保持平衡。

聽起來分工明確，對吧？問題就出在這里。

傳統的做法，是讓大腦和小腦各干各的。

大腦想好了，輸出一條指令；小腦接到指令，執行動作。

這種架構有一個致命缺陷：中間斷層了。

不是說大腦和小腦配合得慢，而是它們之間缺少一個關鍵的「中間層」：能夠把認知決策真正轉化為復雜物理行為的高階技能層。

什么意思？

大腦說「去那邊拿杯子」，這是一個高層意圖。小腦能做的是控制關節、保持平衡，這是底層動作。

但從「去拿杯子」到「怎么繞過障礙物、怎么邊走邊調整姿態、怎么在移動中完成抓取」——這一整套復雜行為的調度和融合，傳統架構里沒有人管。

大腦的想法，「一下子」夠不著物理世界。

所以我們看到的很多機器人演示，其實都是在精心控制的環境里完成的。杯子放在固定位置，路線提前規劃好，沒有意外，沒有干擾。

一旦放到真實場景，問題就暴露了：不是某個模塊不行，而是模塊之間沒有真正打通。

這同樣也是目前一些看起來夸張的視頻的機器人，其實背后大概率是依賴于遙操作。

COSA的三層架構

COSA的發布，是逐際動力給出的答案——一個讓大腦和小腦真正融合的系統。

讓我們深入技術層面——看看COSA究竟是如何成為那個「補上拼圖」的答案。

COSA的核心突破，可以用一句話概括：把大腦和小腦融合成一個系統。

這不是簡單的「接口對接」，而是從架構底層重新設計。

在COSA的體系里，運動能力不再是認知的「輸出」，而是認知的「基礎」。

機器人的決策也不再是一次性的規劃，而是與環境持續交互的反饋和響應的過程。

打個比方：

傳統的方式像是「先想后做」——我想好了所有步驟，然后一步步執行。

COSA的方式像是「邊想邊做」——我一邊執行，一邊根據反饋調整計劃。

這就是所謂的大小腦一體化。

具體來說，COSA有三層架構：

第一層，是一個叫「小腦基礎模型」的東西。

它不是提前訓練好的一套固定動作，而是一個能實時生成任意全身動作的基礎模型。

這意味著機器人可以隨時調整姿態，而不是從動作庫里調一個預設的走路、抬手和轉身。

第二層，是大小腦融合的高階技能層。

打通導航、避障、移動操作、上下樓梯等復雜行為和全身運控基礎模型間的對齊。

真正讓大腦能力觸達物理世界，這是運動智能與認知智能之間的橋梁。

第三層，是認知與決策。

理解自然語言、拆解任務、動態規劃、調整優先級——這些「大腦」的工作，都在這一層完成。

但關鍵不在于這三層本身，而在于它們是如何連接的。COSA讓這三層實時耦合。

上層的決策可以直接影響底層的動作，底層的感知可以即時反饋給上層。

COSA讓他們三者運行如一體。

大模型落地到物理世界，最大的挑戰不是算力，而是「脫節」。

再聰明的大腦，如果不懂得調度身體的各種能力，不理解來自身體和物理世界的反饋，就只會臆想出理想的方案——卻在執行的那一刻失敗。

COSA解決的就是這個問題。

它讓大腦真正「感知」到身體在做什么、環境發生了什么變化；也讓身體知道大腦想要什么，并且能夠靈活調整去實現它。

上層的決策可以影響底層的動作，底層的感知可以反饋給上層，中間的技能層負責把兩邊對齊。

三層能力各自提升，會帶動COSA整體水平提高；而COSA作為樞紐，把不同的技術和能力整合在一個系統里管理，保證這套系統能適應物理世界的真實環境。

這是一個還沒有人做過的事情。

實現「知行合一」，即理解任務、感知環境、調整決策、組合技能、物理執行的完整閉環。

三個能力，讓機器人真正「知行合一」

基于COSA的三層架構，COSA能夠賦予機器人三大核心能力：

第一，理解「模糊指令」

「幫我拿兩瓶水到前臺給客人?！?/p>

這句話對人來說很簡單。但對機器人來說，里面全是未知數：

水在哪？前臺在哪？客人是誰、坐在哪？怎么走過去？

傳統機器人需要你一步步告訴它：先找到水、拿起水、轉向、去到前臺、找到客人、走到沙發旁邊、遞水……

COSA讓機器人能自己「填空」。

它會理解你的意圖，拆解成子任務，規劃執行路徑，并且在過程中根據環境變化動態調整。

這不是簡單的語音識別，而是真正的意圖理解和自主規劃。

第二，擁有「記憶」

更厲害的是，Oli記得東西。

它會記住「剛才那個人是誰」、「那個柜子里有什么」、「上次走這條路遇到了什么障礙」。

這種跨時間的語義記憶，讓機器人從「響應式」變成了「認知式」。

它不只是看到什么就反應什么，而是能基于過去的經驗做出判斷。

機器人開始真正「認識」這個世界了。

第三，想到就能做到

最后一點，也是最關鍵的：COSA讓機器人的「想法」能變成「動作」。

這聽起來理所當然，但其實是具身智能最大的瓶頸。

很多機器人大腦很聰明，規劃得頭頭是道，但執行的時候一塌糊涂。要么動作不穩，要么反應太慢，要么遇到干擾就歇菜。

COSA的大小腦一體化，解決的就是這個問題。

逐際動力用了一個很準確的說法：「想得到，更做得到。」

具身智能的中國答案

從逐際動力COSA這一具身Agentic OS，與Figure AI的大模型對比中，我們可以清晰地看到：

中國具身智能，正在從「跟跑者」變成「定義者」。

放眼全球，具身智能的競爭正在加速收斂為「系統能力」的競爭。

美國有Figure AI、Physical Intelligence這樣的頭部玩家，依托資本和技術優勢快速迭代。

中國企業的機會在哪？

逐際動力給出的答案是：具身智能的全棧能力。

包括：本體硬件、小腦運控智能、大小腦融合的系統——三層能力，全部自研。

中國工廠能造出全球性價比的關節、最穩定的電機，而COSA的發布證明，中國團隊也能做出世界級的具身Agentic OS。

「想得到，做得好」——這不只是COSA的技術口號，也是逐際動力對「中國方案」的一次作答。

逐際動力的愿景很明確：服務于人，而非服務于工序。

機器人的價值，最終要體現在它能為人做什么。

從「機械表演」到「智能覺醒」

回到之前Oli停了一下的那個畫面：等待接收新的任務，然后把水送到了目的地。

這個動作不復雜，但它背后代表的能力鏈條是：實時感知、記憶調取、意圖理解、任務規劃、動態調整、穩定執行。

過去，這是六個獨立的模塊。

現在，這是一次連貫的「思考-行動」。

這或許就是COSA最想說明的一件事：

機器人，終于不只是在執行指令了，它開始有了一點自己的「想法」。

而這一刻，正是具身智能從Demo到產品的真正分水嶺。

回顧計算機的歷史，每一次「操作系統」的誕生，都意味著一個新時代的開啟。

Windows讓個人電腦走進千家萬戶，Android和iOS讓智能手機成為人手一臺的生活必需品。

操作系統的意義，從來不只是技術本身——它定義了一個生態的玩法，決定了未來幾十年的產業格局。

今天，人形機器人正站在同樣的十字路口。

硬件漸漸成熟，算法快速迭代，但行業仍然缺少一個真正意義上的「操作系統」：

一個能讓機器人像智能手機一樣，在各種場景中穩定運行、靈活應變的底層基座。

COSA的發布，或許正是補上這塊拼圖的開始。

具身Agentic OS的時代，來了。