第二届世界人形机器人运动会（8 月 22 日，北京）开幕夜，加速进化 Booster T2 用 80 台无遥控机器人自主拼出了「BEIJING」四个字，随后 14 台 T2 上演了人类历史上首场 7v7 全自主人形机器人足球表演赛，还在点球大战里赢了人类门将。而三天前（8 月 19 日），它的端到端研究刚登上 Science Robotics 首页。具身智能的下一关，已经不是「单台更灵巧」，而是多台独立决策体在物理世界里达成「集体秩序」——并且把 sim2real（仿真到真机）压到了 3 天。

一、80 台机器人，没有指挥

开幕夜最震撼的环节，是 80 台 Booster T2 的自主方阵变阵。8×10 的方阵立在冰面上，没有后台发令系统，没有中央指挥统一调度。每一台都靠英伟达 Thor 芯片提供的 2070 TFLOPS 端侧算力，独立观察环境、判断自身位置、调整步伐节奏。

80 台同时运转，构成约 17 万 TFLOPS 的「行走超算中心」；视觉感知、长程规划、实时动作执行在端侧深度融合。它们从分散状态自主聚拢、组成会徽、切换赛项图标，最终精确抵达各自坐标拼出「BEIJING」，再整齐退场。

现场技术负责人的一句话点破了本质：**「这不是编排出来的整齐划一，而是 80 个独立决策体在各自决策后达成的集体秩序。」**这是人类历史上首次有近八十台全自主人形机器人在物理世界完成群体协同。

图 1 · 没有中央指挥，80 个独立决策体靠局部感知与协同收敛出集体秩序。

这比单机炫技难一个量级。单台机器人打网球，难在「做得对」；一群机器人无指挥协同，难在「一起做对」——而且物理世界不能 reset、没有导演、真实碰撞与延迟并存。从「单体智能的孤岛」迈向「群体智能的大陆」，这条线的含金量，远高于又一项运动指标刷新。

二、3 天，从顶刊到冰丝带

更值得记下的，是时间。8 月 19 日，加速进化的端到端研究成果刚登上机器人顶刊 Science Robotics 首页；8 月 22 日，同一套能力就在冰丝带场馆里完成真实世界的多机协同实证。从理论验证到现场落地，只隔了 3 天。

这背后是一条正在收紧的闭环：仿真环境里训练策略 → 真机部署验证 → 再把真机数据回灌仿真。当这条闭环被压到「天」级，意味着研发迭代速度不再受限于「等一次真机调试排期」，而是可以靠仿真高频试错、真机低频确认。

图 2 · 论文（8/19）→ 真机实证（8/22），sim2real 周期被压到 3 天。

**对具身企业来说，sim2real 周期就是护城河本身。**谁能把「论文 → 真机」从月级压到天级，谁就能以别人的数倍速度迭代。这也是为什么 WRC 2026 上大家不再比「能走能跳」，而比「能干活、能交付、能成交」——闭环速度，才是规模化的真实门槛。

三、单兵技能 vs 蜂群协作：两条战线

把近期具身智能的进展摊开，其实是两条并行推进的战线：

战线	代表	解决的核心问题
单兵技能	Galbot ET1 打网球（大脑/小脑分离 + sim2real）	「做得对」：感知、决策、执行的单点突破
蜂群协作	Booster T2 群体方阵 + 7v7 自主足球	「一起做」：无指挥的多体协同与收敛

Galbot ET1 把「大脑分析局势、小脑协调全身」拆开训练，在网球这种高速变化的场景里验证了单兵的实时响应；Booster T2 则把问题推到下一层：当多台独立个体同场竞技、没有剧本，协同从何而来。前者是「个体智能」的天花板，后者是「集体智能」的地基。

图 3 · 单兵解决「做得对」，蜂群解决「一起做」——具身智能的两条战线。

四、蜂群，是物理世界”交付问题”的下一关

回到我们这几周反复聊的那条主线：AI 的价值不在峰值，而在「完成率」与「交付」。

数字世界里，规模化的认知靠 agent 蜂群（多 agent 编排）；物理世界里，规模化的劳动力，靠的是机器人蜂群。两者是同一类问题的两个切面：交付 = 单兵能力 × 协调协议 × sim2real 速度。个体再强，协调协议拉胯、闭环速度慢，就交付不出规模；反过来，蜂群一旦跑通，单位劳动力的边际成本会断崖式下降。

这也解释了为什么资本在加速下注——a16z 刚募完 11 亿美元「机器时代基金」，押的就是这条「从单兵到蜂群」的链路。下一阶段具身智能的标尺，不会是「某台机器人多灵活」，而是「一群机器人能在真实场景里，不靠人盯、不靠遥控，稳定地把一件事干完」。

**一句话收束：**具身智能的 frontier 正在从「单台更聪明」转向「一群更会协作」。无指挥的 80 台、3 天的 sim2real、7v7 的自主对抗，这三件事合起来说明：集体智能 + 快速闭环，才是物理世界规模交付的真正钥匙。谁能先把蜂群跑稳，谁就拿到下一阶段具身智能的船票。

微信公众号

欢迎关注「字与码」

如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。

X

X / Twitter

关注 @ax2_zicode

更即时的技术观察、新文章提醒和一些短想法会发在 X 上。