把「协作」当作基础模型的主线，而不是附属功能
当下具身智能基础模型的竞争，绝大多数围绕单机智能展开：让一台机器人完成更长、更难、更陌生的任务。每往前推一步，需要的数据、算力与工程成本都跟着上涨，而天花板始终存在——一台机器人再强，也覆盖不了一整条工作流。
芝诺机器人选择把这道题横向摊开。公司成立于 2025 年，总部位于杭州，在悉尼与匹兹堡设有研发中心，核心团队多名成员有卡内基梅隆大学机器人研究院背景，联合创始人兼首席科学家植伟铭现任悉尼大学计算机学院终身教职轨道助理教授，首席机器人架构师张楫是 LOAM 算法的作者。公司把这套方向称为「协作物理智能」。
融资侧的消息是，芝诺完成总额数亿元人民币的种子轮融资，投资方包括全球光学厂商舜宇光学、国产 GPU 厂商沐曦股份、浙大系基金网新集团、工业 AI 厂商赛意产业基金等产业资本，以及和利资本等机构。资金主要用于具身智能基础模型研发、训练与部署基础设施建设，以及全球化布局。据披露，公司已在澳新及其他海外地区开展概念验证测试，预计 2027 年上半年启动规模化进程，聚焦酒店、洗衣、养老等服务业与精密加工产业场景。
去中心化：不交换计划，只观察行为
本次同步发布的 Zeno-1 是一个 3B 参数的基础模型。它的架构选择值得单独说明：去中心化。
具体而言，同一套模型独立运行在每台机器人上，没有中央控制器做统一规划，机器人之间也不做显式信息传递——不读取同伴的内部状态，也不共享各自的行动计划。每台机器人依据自己的视觉输入、本体状态与交互历史，实时做出决定。用芝诺方面的说法，它们要学会「看队友眼色行事」。
这个取舍有明确的工程动机。集中式调度需要稳定的通信、统一的世界模型与一致的时间基准，一旦某台机器人掉线或感知出现偏差，整套计划都要重算；去中心化方案把鲁棒性下放到个体，代价是协作行为更难被事先编排，只能靠训练让每台机器人学会在什么时机该等、什么时机该让。
官方披露的实现效果是：同一策略可连续运行超过 10 分钟，包含多个子任务，无需任务重置或策略切换；经真机验证可完成 8 个子任务。官方描述的场景是，面对一系列复杂任务，两台机器人先分头行动、各自清理猫爬架与铲猫砂，在任务需要时再会合，互相协助把被褥放进压缩袋并抽真空。
需要标注口径：上述数字与场景均来自公司披露，目前没有第三方复现或公开评测佐证，任务清单、成功率与失败模式也未公开。
CPI：把等待与让步训练成策略
让多台机器人学会协作，难点不在动作本身，而在时序。谁先动、谁让路、什么时候必须等对方完成，这类交互没有固定脚本，却直接决定任务能否跑完。
芝诺给出的机制叫闭环伙伴交互训练（Closed-loop Partner Interaction，CPI）。按官方描述，它让机器人在训练中通过伙伴的实时反馈学会等待、让步与调整节奏。这个概念与学界近期的进展方向一致：今年 6 月，植伟铭团队发布了 SAI 方法（已被 CoRL 2026 收录），提出面向机器人协作的顺序非对称模仿学习；同月，斯坦福大学 Jeannette Bohg 与 Chelsea Finn 团队也发布预印本，提出基于 VLA 的分布式多机器人协作框架。可以看出，多机协作正在从单点研究走向方法体系。
不过 CPI 的训练数据规模、收敛表现、以及在多少台机器人同时在场时仍能稳定，官方均未披露。多机协作的难度随参与方数量上升得很快，两台可行与五台可行之间往往隔着一次工程范式变化。
TriPilot-FF：真机数据的采集通路
模型之外，芝诺同批公布了面向全身协调控制的遥操作与反馈系统 TriPilot-FF。它采用三通道分离控制：双臂主从映射负责精细操作，脚踏控制底盘移动，力反馈传递操作可行性。
把「底盘移动」与「双臂操作」拆到不同通道，实际上是在解决遥操作里一个长期存在的冲突——操作者既要控制身体的移动，又要保持双臂的精细姿态，用同一套输入设备同时兼顾两者会互相干扰。三通道分离把认知负担分散到手脚两处，力反馈则补上触觉判断。
这套系统的战略意义可能比它看上去更大。具身智能的真正瓶颈之一是高质量真机数据的规模化获取，而遥操作是目前最可靠的采集方式。把采集通路做顺，等于给基础模型铺了一条数据供给线。
竞争格局与需要追问的部分
具身智能赛道正进入规模化量产与标准体系建设并行的阶段。据公开信息，智元机器人 2026 年 6 月底累计下线量达到 15000 台，宇树科技 2025 年人形机器人出货量超过 5500 台，优必选 2025 年全尺寸人形机器人销量 1079 台。政策侧，工业和信息化部人形机器人与具身智能标准化技术委员会发布了《人形机器人与具身智能标准体系（2026 版）》，涵盖基础共性、类脑与智算、肢体与部组件、整机与系统、应用、安全伦理六个部分。市场侧，TrendForce 集邦咨询预估 2026 年中国人形机器人市场规模将达 150 亿元。
把这些放在一起看，芝诺的差异化不在本体，而在「协作」这一层能力是否真能成为新范式。要判断这一点，至少有几个问题需要回答：多机协作相对单机在总成本上是否更优（两台机器人的造价与调度成本能否低于一台更强的机器人）；去中心化架构在多少台机器人的规模下开始失效；跨本体适配的实际范围有多大；以及服务业场景的付费意愿是否足以支撑 2027 年的规模化计划。官方目前未披露披露更多细节，后续将持续跟进迭代动态。
结语
单机能力把机器人推进了工厂与仓库，但只要任务链条一长，一台机器人就会撞到物理边界。芝诺押注的是另一条路：不去造一台更强的机器人，而是让多台普通机器人学会配合。这条路的技术风险集中在去中心化协作能否随规模扩展，商业风险则集中在服务业场景是否真的愿意为「两台顶一个班组」付钱。无论结果如何，把协作作为基础模型主线，至少给具身智能提供了一个不同于「继续堆单机」的选项。