---
title: "[红包]具身模型产业专家交流要点1102 [玫瑰]模型分三层：S0小脑管全身协调平衡；S1、S2合称大脑，S2慢（语言模型，做理解与任务规划拆分）、S1快（VL"
topic_id: 55521425818115854
created_at: 2026-11-03T09:31:44.218+0800
source: zsxq
type: topic
cssclasses: zsxq-vault
---

# [红包]具身模型产业专家交流要点1102 [玫瑰]模型分三层：S0小脑管全身协调平衡；S1、S2合称大脑，S2慢（语言模型，做理解与任务规划拆分）、S1快（VL

- 序号：284
- 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/55521425818115854)
- 附件：图片 0，音频 0，文档 0
- 音频文件：_无音频_

## 图片

_无图片_

## 正文

[红包]具身模型产业专家交流要点1102

[玫瑰]模型分三层：S0小脑管全身协调平衡；S1、S2合称大脑，S2慢（语言模型，做理解与任务规划拆分）、S1快（VLA，按指令出动作）；本体为双臂时动作还需经小脑协调。数据需求集中在S1。

[玫瑰]S2直接出动作已出现（GPT-6 Astra），但短期替代不了S1：只能做简单任务、精细操作仍靠VLA，速度慢（VLA十几二十秒它要几分钟），单次成本几十元。专家判断现阶段分层更划算。

[玫瑰]世界模型未来仍是大模型、速度难压，一种解法是用小模型蒸馏出S1功能，但"蒸馏出来的就是又一个S1模型"，绕一圈回到分层。

[玫瑰]泛化瓶颈在S1不在S2：现有泛化成功率20%-30%到70%-80%，要泛化到新场景还做到99%做不到，微调后可到99%以上，"预训练+少量微调"是必要的工程解。

[玫瑰]数据全投S1：预训练用无本体数据、头部几十万到百万小时，行业讨论未来千万到上亿小时；后训练针对具体场景只需几百到几千条。专家明确100万小时不是定数，自动驾驶近期有800-1000小时即够的说法，质量压倒数量。

[玫瑰]高质量数据四条：场景任务多样不重复、视频与动作文本对齐、视觉力觉触觉多模态干净、含失败与恢复数据（否则机器人学不会从失败里回来）。

[玫瑰]无本体数据（EGO+UMI，升级到力触觉手套）是主流，国内靠众包采集（设备寄到家、上传视频给报酬）。有效率仅30%-40%，8小时采最终2-3小时有效；平摊成本几百元/小时，售价几百至一两千元/小时。数据质量买方其实看不出来，2025年有企业花3亿元采购，买回后50%以上被清洗掉。

[太阳]近期机器人&具身观点和jy,可私信~

## 总体总结

主题正文
1. S1、S2合称大脑，S2慢（语言模型，做理解与任务规划拆分）、S1快（VLA，按指令出动作）；
2. [玫瑰]S2直接出动作已出现（GPT-6 Astra），但短期替代不了S1：只能做简单任务、精细操作仍靠VLA，速度慢（VLA十几二十秒它要几分钟），单次成本几十元。
3. [玫瑰]世界模型未来仍是大模型、速度难压，一种解法是用小模型蒸馏出S1功能，但"蒸馏出来的就是又一个S1模型"，绕一圈回到分层。
4. [玫瑰]泛化瓶颈在S1不在S2：现有泛化成功率20%-30%到70%-80%，要泛化到新场景还做到99%做不到，微调后可到99%以上，"预训练+少量微调"是必要的工程解。
5. [玫瑰]数据全投S1：预训练用无本体数据、头部几十万到百万小时，行业讨论未来千万到上亿小时；
6. 专家明确100万小时不是定数，自动驾驶近期有800-1000小时即够的说法，质量压倒数量。
7. [玫瑰]高质量数据四条：场景任务多样不重复、视频与动作文本对齐、视觉力觉触觉多模态干净、含失败与恢复数据（否则机器人学不会从失败里回来）。
8. 数据质量买方其实看不出来，2025年有企业花3亿元采购，买回后50%以上被清洗掉。