ARTICLE · 1360592
苹果没造机器人,它给宇树写了个“App”,考了91分
我第一眼看到那张照片,差点以为是网友拼的图。
一台宇树 G1 人形机器人,背上绑着一个 3D 打印的壳子,壳子里塞着一台 Mac mini。机器人是中国造的,脑子里跑的大模型是阿里千问的,底层控制芯片是英伟达的。全身上下,真正姓“苹果”的,好像就那台 Mac mini。
结果就是这么个混搭的东西,在陌生人家里的实测成功率,做到了 91%。
这是苹果研究团队 11 月 4 日公开的项目,名字叫 HALO,全称是 Humanoid Autonomy, Learned in Simulation, running Onboard,论文标题是《Perceptive Humanoid Motion from Simulation》。我把数据核了一遍:机器人用的是宇树 G1,背的是 Mac mini M4 Pro,64GB 统一内存,本地运行千问 Qwen3.6-35B-A3B,完全离线,不连云端,也没人拿手柄在旁边遥控。测试是在 6 个它从没见过、也没有提前扫描建图的真实住宅里做的,6 类任务——走向指定物体、找到椅子坐下、侧身穿过半开的门、蹲下钻过桌底、爬过桌底、推走箱子——每项反复测,一共 360 次,平均成功率 91%。其中钻桌底是 100%,坐椅子最低,也有 85%。
新闻本身不复杂,复杂的是它背后那股劲儿。网上有三条评论,我觉得一条比一条说得准,干脆就拿它们当这篇文章的骨架。
一、不是只有你们会模仿
第一条评论说:苹果是想告诉那些喜欢跟风还不愿意创新的公司,不是只有你们会模仿,我玩起模仿来,你们那些小伎俩都得靠边站。
这话听着像调侃,其实是双关,而且两层意思都成立。第一层是硬件上的“模仿”:苹果这次什么都没从零造。身体买现成的宇树,模型用开源的千问,仿真环境用英伟达的 Isaac Sim,实时控制用 G1 自带的 Jetson Orin NX。过去几年,多少公司做机器人也是这个路子——买本体、套模型、攒系统——区别只在于,别人攒出来的是演示视频,苹果攒出来的是 360 次实测和一篇把代码放上 GitHub 的论文。
第二层更关键:HALO 用的方法本身就叫“模仿”。它不是靠工程师一条条写死动作,而是先在虚拟世界里生成大量“像人一样动”的示范,再让机器人照着学。当模仿的对象从别家产品换成虚拟世界里的动作数据时,模仿就不再是跟风,而是一种生产方法。 很多公司模仿的是外形和概念,苹果模仿的是能力本身。这大概就是那条评论里“靠边站”的底气所在。
二、原来真可以在虚拟世界里算出来
第二条评论说:原来可以用一个虚拟世界算出来,AGI 的训练师这下也省了。
这条说中了 HALO 最反常识的地方。具身智能这几年最烧钱的环节,是采集真人数据:雇人戴着设备遥控机器人,在真实房间里一遍遍走、一遍遍坐,把动作录下来喂给模型。慢、贵,还绕不开隐私和场地。HALO 干脆一小时真人数据都不用——研究团队用程序生成了 1000 个虚拟住宅,用 250 张 H100 算了 48 小时,合成出 16 万多段、约 300 小时的动作和视觉数据,机器人在虚拟房间里练完,直接放进真实房间考试。
而考试成绩最耐人寻味的一点,不是 91% 这个数本身。
是仿真里 91%,真实世界里也是 91%,两个数字一模一样。
机器人行业有个老大难叫 sim-to-real gap,虚拟世界和真实世界之间的鸿沟:仿真里练得再好,一落地就水土不服。HALO 这次至少在“移动”这一类技能上,把这条鸿沟填得几乎看不见。如果这条路走得通,机器人的训练成本结构会被改写:以后拼的不是谁雇得起更多遥操作员、谁的数据工厂更大,而是谁的虚拟世界建得更像真实世界。训练师省没省还不好说,但训练的账本,确实要重算了。
三、说到底,苹果只是做了个机器人 App
第三条评论最短,也最狠:苹果只是做了机器人 App。
我同意,而且我觉得这不是贬低,恰恰是苹果最熟悉、也最擅长的打法。HALO 本质上是一套三层软件:最上层听懂人话、把指令拆成小任务,中间层看着画面规划下一步动作,这两层跑在 Mac mini 上;最底层每秒 50 次给关节下指令,跑在机器人自带的芯片上。换句话说,苹果没碰机械结构,它做的是让任何一个身体“变聪明”的那套系统。
这和当年 iPhone 的故事是同一个剧本。手机硬件会慢慢变成标准件,价值最后沉淀在系统和生态里。机器人很可能也要走这条路:本体越来越便宜、越来越像通用平台,谁的大脑能装进更多身体,谁就拿到了下一代入口。苹果这次顺手还证明了一件事——一台巴掌大的 Mac mini,离线就能撑起一个 35B 模型的思考和规划,Apple 芯片在端侧的这条线,它已经默默铺了很多年。身体可以买,模型可以换,但把它们整合成一个稳定系统、还能跑在自家芯片上的能力,不是谁都有的。
先别急着喊“苹果机器人要来了”
把话说全,免得又变成标题党。HALO 还是研究原型,不是产品,苹果没公布任何机器人计划。91% 是单项短任务的成绩,任务一旦串起来——比如先钻过桌子、再走向箱子、再把箱子推走——成功率就掉到 70% 左右,三步连成的长任务只剩 50%。它还不会用手:开抽屉、拧瓶盖这类需要抓握和触觉的活,一概不在这次的成绩单里;每学一个新技能,仍然需要人先把指令和动作要点写好。它解决的是“机器人怎么在陌生房间里自己走路、自己找路”,不是“机器人进家门干活”。
但方向感已经很清楚了。别人在比谁的机器人跳得高、翻得稳,苹果比的是另一件事:一套在虚拟世界里学会的本事,能不能原封不动地搬进你家客厅。91% 这个数字过几年没人会记得,记得住的是方法——先不造身体,先造大脑;先不进真实世界,先在虚拟世界里把学费交完。
最后回到那张混搭的照片。宇树的身体、阿里的模型、英伟达的仿真和芯片、苹果的电脑和系统,凑在一起居然跑出了目前少见的扎实成绩。这可能就是接下来几年科技行业最真实的画面:没有谁能独自造出未来,赢家属于最会组装未来的人。
而苹果,恰好是最会组装的那个。
13 号字小注:本文数据来自苹果机器学习研究团队 2026 年 11 月 4 日发布于 arXiv 的论文《Perceptive Humanoid Motion from Simulation》及 HALO 项目页,成功率均为苹果自测数据,尚无第三方验证;文中三条评论为网友评论,引用时有删节。















































































