2026 年 9 月 18 日，具身智能赛道迎来一次罕见的同日「撞车」： 宇树 发布通用人形机器人基础模型 UnifoLM-WLA-1.0， Figure 发布 Helix 2.5。两家公司都在讲同一个关键词——不是手臂，而是全身。
宇树 的模型把「World-Language-Action」塞进一个 6B 参数模型：任务清单拉到 64 项，其中 54 项是桌面双臂操作，10 项是全身操作；同时支持二指夹爪与多种五指灵巧手。模型权重与部分数据已经开放。
同一天， Figure 放出 Helix 2.5 的结果：用人类行为数据集 Index 对基础模型做预训练，然后让机器人进入旧金山湾区 30 户从未见过的家庭，零样本执行整理客厅、折叠毛巾、铺床等任务。成功率从 8% 跳到 56%，只用了前代一半的任务专用数据。
两个消息合起来，指向一个判断：具身大脑的下一道槛，不是「能不能看懂指令」，而是「能不能调动全身完成指令」。
这就是 WBI（Whole-Body Intelligence，全身智能）。如果说 VLA 解决的是「看到什么、怎么动手指」，那 WBI 要解决的是「手指动的时候，腿和躯干怎么配合、重心怎么稳、下一步落脚点在哪里」。
过去一年里，行业演示大多还是上半身固定，或者移动底盘顶个机械臂。它们能分拣、叠毛巾、抓杯子，但本体一旦开始移动，动作就变成两段式：先走过去，再抬手干活。那不是全身智能，只是移动操作。
WBI 的核心差异，是把感知、双臂、双腿、躯干统一放进同一个模型里实时协调。机器人一边判断该抓什么，一边调整躯干和脚步，而不是让下半身只做「把人送到位置」的工具。
从控制论到智能，这条路也有一个名字的变化。以前是 WBC（Whole-Body Control，全身控制），工程师写动力学方程，用控制器保证不倒；现在讲的是 WBI（Whole-Body Intelligence），让模型自己学会身体协调。
智源 正在研发的悟界·RoboBrain Orca、 北京人形 推出的 Pelican-Unify，都在把「理解—推演—执行」压缩进同一套表征。换句话说，身体正在成为可被模型推理和重规划的连续体。
为什么这件事在 2026 年 9 月突然爆发？因为三件事同时过了门槛：端侧模型已经能塞进 6B 参数；真机遥操作数据加上人类日常行为视频，开始能支撑预训练；人形本体的关节、灵巧手和算力平台，也终于能跑全身动作。
宇树 的打法是典型的垂直一体化：本体会跑自己的基础模型，再用开放权重、开放数据把开发者拉进自己的接口生态。它既是硬件厂，也在抢「具身基础模型」的定义权。
Figure 的打法更偏数据飞轮：与其在仓库里反复遥操作，不如用互联网上大量人类行为视频做预训练。Index 数据集验证了一个假设——机器人不需要见过每一个家庭，也能从「看人怎么做」里学到常识。
但人类视频到机器人动作之间有一道鸿沟：人类有骨骼、肌肉和触感的闭环，机器人只有电机和传感器。把视频里的动作「翻译」成机器人的电机指令，需要世界模型或逆动力学做中间层。这也是为什么世界动作模型 WAM 越来越热。
银河通用 在 ICCV 上最早提出世界动作模型路线，并将其作为「银河星脑」大模型基座； 傅利叶 在 WAIC 发布的通用具身智能体平台，也把大语言模型、三维空间语义记忆和导航—控制链路打通。大家都在补同一课。
智元 连发 AGILE 2.0 感控一体模型和 GE-Act 2.0 原生世界—动作模型； 优必选 的 Thinker-WM 和 Thinker 系列强调小参数、高性能、全开源； 松延动力 推 Scalabot 子品牌和 HERON 世界模型； 乐聚 开源 KUAVO-VLA 聚焦 100 项工业任务。本体厂商正在集体「补脑」。
这轮融资潮也从侧面验证热度。9 月 19 日《证券日报》报道，资本正加速涌向具身智能「感知层」， 帕西尼 完成 B++ 轮融资、累计超 40 亿元，触觉传感器企业枢途科技完成近亿元 Pre-A。感知是 WBI 的输入，钱跟得很紧。
不过 WBI 真正难的地方不是感知，而是动力学耦合。机器人边走边伸手时，手臂运动会改变质心，落脚位置又影响上身稳定；模型必须在动作发生前做「脑内模拟」，否则一步错、全身摔。
数据层面，真机遥操作数据贵、收集慢；人类视频便宜但域迁移难。Index 的结果让行业看到，视频预训练能显著放大零样本泛化，但如何把人类动作的可迁移部分与机器人的物理约束对齐，仍是开放问题。
安全层面，全身人形一旦失衡，后果比固定机械臂严重得多。Agility 的 Digit 5 开始强调 cage-free 人机协作；国内厂商也在做跌倒检测、安全控制器与恢复策略。标准和认证会是一道硬门槛。
商业落地上，工厂物流、产线巡检是更现实的突破口：场景可控、任务可量化、ROI 好算。家庭场景想象空间大，但「30 户湾区房屋」和「千家万户」之间，还隔着成本、可靠性和监管三座山。
对从业者来说，一个明确信号是：做整机不能只堆电机扭矩和关节数量。当大脑的全身协调能力成为新标尺，只会做本体的公司会被迫向上补脑，只会做模型的公司则必须向下证明真机能跑。
WBI 还在早期。今天的 64 项任务和 30 户陌生家庭，是里程碑，但不是终点。接下来要看两件事：一是 WBI 能不能从一家本体解耦出来，真正「一脑多形」；二是人类视频预训练的 Scaling Law 能延续多远。
可以确定的是，具身大脑的竞争已经从「会动手」升级到「手脚并用」。 宇树 和 Figure 的 09·18 双发，把新标尺钉在了桌面上：一个看能覆盖多少全身任务，一个看能不能零样本进陌生环境。
本文基于公开报道整理。