💯【ZYDX】苹果 HALO：91% 成功率含金量几何

1️⃣ 11 . 4 日苹果发布人形机器人控制系统 HALO

核心变化是数据：从数采变合成。搭 1000 个程序化家庭，合成 16.3 万条、296 小时语料，250 张 H100 跑 48 小时。

2️⃣ 核心成绩

💯单项 91%：6 个未扫描的真实家庭、360 次测试、六类技能平均 91%。仿真 91%、真实也是 91%，一个点没掉——视觉层面的仿真落差基本抹平。
💯组合 70%。三个链路平均 70%，最长的「俯身→走→推箱」十次成五次。
💯失败原因最关键：五次里三次是蹲完抬头箱子不在视野，不是手不稳，是看不见。
💯 一句话：视觉对齐了，触觉还没碰。

3️⃣ 核心结论
💯设计比数据重要。不用实时分块，成功率84% 掉到 24%；用回归代替流匹配，成功率84% 掉到 19%。架构选错，数据再多也白搭。
💯多样性比数量重要。训练场景 1000 砍到 10 个，84% 掉到 64%。
💯仿真解决量不解决准。组合任务掉到 70%，新增任务仍需人工写提示词和关键姿态。
💯数据被本体绑死。苹果逐台实测 G1 电机差异、动作延时、相机内参，换台机器人要重标定。

💯 💯一句话：91% 是设计出来的，且只限这台机器，G1是全球最大的开源整机平台。

4️⃣ 三层架构路线收敛
💯S2 思考层：Qwen3.6-35B，2 秒一次，拆子任务、判成败。王兴兴说规划问题已解决。
💯S1 规划层，冻结 Qwen3.5-2B 加 DiT，3Hz 滚出未来 5 秒全身动作。
💯S0 运控层，RL 50Hz，每 20 毫秒修一次，输出 29 个关节。纯工程活。

三层速度差 100 倍，慢的思考管不了快的身子。
💯💯💯当前卡点： S1，论文明确#没触觉，物体离开视野就没信号。

5️⃣ 和 GPT-6 的关系
💯不是竞争，是上下游。
💯GPT-6 强在听懂话、拆任务、泛化，弱在手。只输出末端位姿坐标，优必选实测：Astra 直接抓魔方、叠碗全失败，接专用模型后全成功。
💯HALO 不碰大脑这层。它做数据，喂给 49.3M 小模型学全身运动，连抓东西基本没做。
💯结论：GPT-6 当 S2 规划，合成数据训出的策略当 S1 执行。

6️⃣利好
💯触觉：唯一真空。 苹果、Qwen、宇树三家指向同一缺口。福莱新材、汉威科技，日盈电子，安培龙。

💯整机：苹果的合成数据全局基于宇树G1，换一台机器数据失效。合成数据须与本机标定对齐，有量才有数据。利好龙头，宇树、上纬、优必选。

风险提示！公开信息整理仅供参考不构成投资建议