昔时在市场里见过的咖啡机器东说念主，杯子偏了两厘米，它就精确地抓向空气——不是手不稳开云体育，是脑子没装‘变量’。它靠要领员一转行写死的坐标辞世，宇宙一动，它就卡壳。而当然意识刚发布的Natura-1，连电脑皆没‘学过’，却能我方掀开札记本、定位键盘、伸出食指按空格键。这不是调参调出来的，是它从100万小时东说念主类第一视角视频里‘看’会的：怎样托住一张软面皮，怎样用拇指和食指捻转毛线，怎样在包馄饨时左手承托、右手收口。这些看成没被标注，没被编程，仅仅真的发生过，被模子肃静记取了。

  500亿参数，20目田度明慧手，100毫秒反应——听起来像参数堆砌？但要津不在数字本人，而在它敢接‘没练过的题’。考验数据里有拿苹果，没教擦苹果；有单手抓取，没练双手同步抬升；有开抽屉，没练开札记本。可当东说念主随口说‘把这台电脑绽开，按空格’，它真就作念了。这不是复刻，是重组：把‘掀盖子’的告诫 + ‘找按键’的视觉意会 + ‘伸食指’的看成模块，现场拼出一条新旅途。王兴兴等业内东说念旁边这叫‘具身GPT期间’——模子运行像东说念主通常，靠知识和告诫举一反三。

  更委果的是，它一经运行‘长记性’了。作念长经过任务时，会记取哪扇门已绽开、哪个盒子已挪走；出错后能微调执姿、换角度再试。自测中抽象得手率59.1%，远超改用夹爪测试的GPT-6 Astra（16.7%）和π0.5（13.5%）。固然，这组数据是自家真机跑出来的，不是第三方擂台赛，但它的价值不在排行，而在标的：不靠给每个新场景重写代码，而是让机器东说念主真的‘走进生涯’——那处莫得圭臬工位，只消歪掉的杯子、一会儿多出来的键盘、和经久不按套路出牌的东说念主。

  有东说念主问，这玩意儿真能进家门吗？别急着下论断。当然意识团队公开的测试视频里，Natura-1在庸碌公寓厨房里完成了“煮水—放茶叶—倒滚水—端杯到桌”的全经过。过程中水壶把手被抹布半遮住，它停顿了1.2秒，归来看了眼傍边晾着的同款抹布，再伸手把布掀开——不是靠图像识别匹配“壶把手模板”，而是凭据“布常盖东西”“掀开后常浮现可抓部位”这类生涯知识估量出来的。这种判断，连不少刚学作念饭的年青东说念主还得练两星期。

  它没上过东说念主类小学，但偷偷补了“生涯实施课”。考验用的100万小时视频，来倨傲众37个国度的真的家庭场景：印度姆妈单手托陶罐搅酸奶、日本老东说念主用筷子夹起滑熘的纳豆、巴西孩子踮脚够雪柜顶层的果汁盒……这些看成没打标签，但模子从光影变化、肢体受力印迹、物体形变反馈中，反推出了“重物要托底”“滑的东西要裹住”“高处需借力”这些底层逻辑。就像小孩看大东说念主包饺子，巧合懂面筋卵白遇水重组，但记取了“左手托、右手收、指尖压”的节律感。

  固然，它如故会翻车。有次想帮东说念主拿桌角的充电线，服从带倒了半杯水。但它没呆住——先用明慧手侧边快速刮走水流，再捏起湿线头甩了两下，临了把线绕回插头旁。扫数过程没调用预设故障预案，纯靠视觉反馈+看成库即时组合。现场工程师笑说：“它不像机器东说念主，像刚搬来合租、正发奋弘扬的大学生。”

  这不是要取代谁，而是让“自动化”从活水线退到生涯流里。工场里的机械臂干得再好，也只认固定工位；而Natura-1的敌手，是家里经久歪着的椅子、一会儿卡住的抽屉、还有你妈那句“顺遂把阳台穿戴收进来”。它的参数会迭代，但中枢念念路很朴素：不教它“该怎样作念”，而是让它“看见东说念主怎样作念”，再试着活成阿谁神色。毕竟开云体育，生涯从不发圭臬谜底卷——它只发一地鸡毛，和一杯等你去热的凉茶。