超維動力是什麼？中國具身智能全棧路線對標 Figure

8 月 26 日，超維動力在世界機器人大會 (WRC) 展台一次擺出完整全棧具身智能系統：全尺寸人形機器人 KAI Bot、靈巧手 KAI Hand、數採頭環 KAI Halo、世界模型 KAI World Model，以及訓練基礎設施 KAI Embodied AI Infra。這家成立約一年的中國新創，把自研本體加世界模型加資料採集基礎設施的完整鏈路同時擺上桌，明確對標 Figure 那套本體加 Helix 模型加 BMW 工廠數據回流的閉環。Figure 是目前全球估值最高的具身智能公司之一，超維動力的對標選擇本身就說明了野心。

KAI Bot 身高 173 cm、體重 70 kg、全身 117 個自由度，近 80% 體表覆蓋觸覺皮膚，集成約 18,000 個觸覺觸點，理論感知閾值 0.1 N。手部的 KAI Hand 單獨販售，37 個自由度（20 主動、1 被動、16 柔順），指尖力超過 30 N，連續抓握 10 分鐘後整手最高溫度不超過人體體溫。KAI World Model 同時探索 JEPA 式路線、3D 方法與影片生成三條路線，統稱 4D 世界建模，現場以 SMASH 乒乓球系統呈現：機器人需即時預測飛球落點並調整揮拍動作，不靠預設腳本。超維動力聯合創始人、香港大學計算與數據科學學院教授羅平解釋整套架構：語言模型的使用者是普通人，具身模型的使用者是機器人，後者輸出的是機器人下一秒的動作，一次錯誤可能是抓取失敗、碰撞或失去平衡，這決定了具身模型不能只靠網路資料訓練。

超維動力以高擬人本體與 4D 世界模型切入具身智能，試圖透過打通「資料、模型、本體」閉環，在工業與真實場景中對標國際頭部企業的數據回流模式。

羅平把 KAI World Model 比作即時生成的虛擬實境世界：人在環境中操作物體，模型根據第一視角畫面生成後續狀態，資料再回流訓練系統，形成「資料到模型到本體再回訓練」的迭代鏈路。這個方向與 Figure 讓機器人進 BMW 工廠累積真實任務資料再回訓 Helix 的邏輯一致，切入點不同：超維動力優先靠高擬人本體降低示範資料的複用門檻。按羅平的說法，高自由度與高擬人度的真正目的不是外觀更像人，而是讓機器人更直接套用第一人稱示範資料；人類社會的桌椅、工具與空間本來就按人的身體設計，機器人結構越接近人體，動作重定向時需要妥協的層數推測也越少。目前看來，具身智能競爭的關鍵不在單次展演的流暢度，而在「資料到模型到本體」這條閉環能否在真實場景中穩定咬合。多項技術參數為廠商自述口徑，量子位報導以公關資訊與現場觀察為主，落地穩定性待驗證。