颤抖吧，机器人！苹果终于要来凑热闹了。
苹果最近…布了一项名为HALO的人形机器人研究。演示视频里，一台人形机器人在陌生房间里上蹿下钻，钻桌子、挪箱子样样都行；还能趁卧室门没关严，侧着身子挤进去，最后找把椅子坐下，相当行云流水。
HALO项目官网
并且，这次是全程离线，没有遥控操作，更没有云端连接，比之前那些还依赖遥控器的人形机器人，不知道高到哪里去了。
不过，仔细一看，机器人的这副身体还有点眼熟。这不就是2024年5月发布的宇树G1机器人嘛！
宇树G1机器人
更怪异的是，这台机器人背上还背着一台Mac mini M4 Pro，里面运行的大模型则来自阿里的千问。
合着苹果憋了那么多年的人形机器人，竟然是个缝合怪？
Mac Mini + Qwen，考了91分
现在的机器人什么都好，就是没数据可学。
传统大语言模型LLM的预训练，网上素材多得是，数十万亿Token都不在话下；自动驾驶靠跑在路上的各种智能车，百亿小时数据也是只多不少。
但是需要理解空间结构、物体关系和物理规律的具身智能目前公开可用于训练的操作数据，只有几十万小时量级。这个数据量想要喂饱人形机器人，只是“蚊子腿”级别。
那用于训练人形机器人的数据为什么会那么少呢？因为主流的数据采集手段，比如真机采集、动态捕捉、视频蒸馏都各有各的局限：成本高、废片率高、多样性不足。像真机遥控的市场价，就约为每小时500元至1000元。
这时，苹果的HALO选择大手一挥：不采了，直接用仿真合成造数据！
于是，苹果在1000个程序生成的虚拟家庭环境中合成了约300小时的训练数据，家庭中的客厅、办公室、卧室和家具都是随机分布的，用了250块英伟达的H100 GPU。
苹果HALO项目仿真
这些虚拟家庭也并不是简单搭几个房间、摆几件家具就完事了。场景加上了各种滤镜，模糊、噪点、不同的明暗和冷暖色调，尽可能模拟真实家庭里千奇百怪的光线和视觉干扰。
苹果HALO研究演示
解决了训练数据，还得解决机器人在真实环境里的反应速度。
既然要做到全程离线，所有计算都得在机器人背上的Mac mini里完成。如果只靠一个大模型包揽从“看懂环境”到“控制全身关节”的所有工作，本地算力根本吃不消，动作也会出现严重延迟。因此，苹果把HALO拆成了三个层级，让不同大小的模型分工配合。
最上层负责理解任务。比如用户说“去把箱子推开”，视觉语言模型就要结合摄像头画面，判断箱子在哪里、周围有什么障碍，再把任务拆解成几个具体的子步骤。这一层用的是阿里千问Qwen3.6-35B-A3B，激活参数仅有30亿。
苹果HALO项目官网
中间层负责生成动作。它需要根据眼前的环境，接住上一层拆解出的任务，调用更轻量的Qwen3.5-2B模型，把任务分解成未来5秒的身体运动指令。最底层则是运动跟踪，把上层指令转化为电信号，直接驱动关节运动。
最上层和中间层的运行，都靠机器人背上那台Mac mini M4 Pro。也就是说，机器人的脑子就装在背上的一台Mac Mini里，数据传输的时间短，机器人反应自然就快一些了。
苹果HALO项目官网
那苹果为什么偏偏选择千问大模型作为机器人的大脑？
一方面，相较于OpenAI、Anthropic这些公司，苹果AI大模型的节奏确实是掉队了。与其从头训练，不如直接拿成熟的开源模型来用。
更何况，阿里千问的大模型足够开放和多元。数据生成、模型训练、部署代码和开源权重都支持本地部署和修改。
从2B到数百B参数都有覆盖，苹果在三个层级里用了Qwen3.6-35B-A3B和Qwen3.5-2B，恰好可以根据任务和算力预算灵活搭配，64GB的Mac mini M4 Pro正好能承担这个角色。
这也就不难理解中国市场等待已久的Apple智能为什么会选择千问了，算是一脉相承。
Apple智能与千问合作
最终，HALO在6个未扫描、建图的真实环境中完成了360次测试，平均成功率达到91%。其中，钻过桌底的成功率为100%，穿过半掩的门也达到93%。
大脑借千问，算力靠Mac mini，而苹果甚至连身体都没自己造。
宇树上面结苹果
大脑是苹果买来的，没想到机器人的身体也是。
HALO的机器人本体，用的是宇树G1标准版。身高约132厘米，体重约35公斤，拥有23至43个关节。苹果没有重新设计整套机械结构，而是在它背部加装了一个3D打印的保护外壳，那台Mac Mini M4 Pro就在里面。
宇树G1详情图
问题来了，美国又不是没有人形机器人。特斯拉的Optimus、波士顿动力的Atlas，哪个不是响当当的大牌？
但不好意思，人家压根没想给你用。
马斯克的Optimus虽然已经量产，但早期产品基本都留在自家工厂干活，对外交付还要等到2027年底前后。再加上老马经常跳票，Optimus估计不太可靠。
Tesla Optimus
波士顿动力的新一代电动Atlas也没有公开零售，且主要和现代汽车等合作。而Figure AI则是和自研的Helix模型深度整合，应该也轮不到苹果。
而且即便能买得到，苹果也未必能用。
论文里说，HALO需要反复调整机器人的关节力度、执行器响应和指令延迟，还要加装Mac Mini和摄像头、修改底层控制程序。而这些都需要开放硬件参数和底层控制权限。
可特斯拉和波士顿动力的机器人，从硬件设计、关节控制到核心算法都掌握在自己手里，并没有开放给外部随意调用、修改。
况且，处于追赶、研究阶段的苹果需要的是一副能拆、能改、能折腾的机器人身体。宇树G1，就恰好符合这个要求。
宇树G1标准版的售价为9.9万起，远低于波士顿动力Atlas动辄数百万美元的成本，显然更划算。
当然，苹果也不是缺钱的公司。
重要的是，宇树机器人足够开放，是开源生态最成熟、量产最顺的人形机器人之一。它支持开发者接入自己的算法、调整底层控制参数，甚至进行二次开发。宇树还陆续开源了机器人开发框架和通用操作大模型UnifoLM-VLA-0，软硬件生态都留出了折腾的空间。
宇树G1机器人
像R1系列双臂人形机器人就支持全栈开放的二次开发，具备成熟的机器人开发框架。
这也是为什么宇树人形机器人有超过七成的收入来自“科研教育”。能买得到、能改得动、还能稳定供货，或许才是苹果选中它的真正原因。
但问题是，外界等了苹果机器人快十年，期待的应该是一台真正由苹果从头造出来的人形机器人，而不是一台装着千问、背着Mac mini的宇树G1。
苹果自己拿出的，更多是一套把现成硬件、大模型和自研算法拼在一起的解决方案。
说好听点，这是供应链整合；说难听点，可能就是“贴牌机”。
苹果或许还要再大胆些
事实上，苹果做机器人并非临时起意，只是胆子比较小。
早在2014年，苹果就启动过“泰坦”造车计划，目标是L5级全自动驾驶汽车。磨磨蹭蹭近十年，投入超100亿美元，啥也没造出来就终止了。
网上传闻的Apple Car
好在，虽然没能交付出一辆车，但苹果留下了计算机视觉、自主导航、运动控制和传感器融合等技术积累，一部分工程师也随之转向机器人项目。
苹果真正把目光转向机器人，大约是在2020年前后。当时还曾试图收购波士顿动力，只是最终被韩国现代汽车集团截胡了。
2022年，库克推动启动了代号为J595的桌面机器人项目。按照设想，它会在iPad上加装一条机械臂，能够转动屏幕、跟随用户视线，还能调用Siri和苹果智能，充当视频会议助手和智能家居控制中心，预计最早于2026年或2027年推出。
结合近期发布的Homeview全家桶、今年力推的Apple Intelligence还有HALO那台不到150cm的宇树G1，苹果的人形机器人的最终目标，大概率还是智慧家庭生态的延伸。
Siri负责动嘴，Homeview负责调度，机器人负责跑腿干活，苹果生态里终于要多一个能动起来的家伙。再结合前段时间刚发布的Homeview和苹果今年力推的Apple Intelligence，围绕 AI 构筑起来的全新的苹果智能生态，有可能会成为苹果入局人形机器人的最大优势。
但实话说，现在的苹果想要实现这样的宏大目标还有很远的路要走。
HALO距离真正能干活，也还有一段距离。
作为一项论文研究，它目前更像是一个雏形：机器人学习新技能，仍然离不开人工编写提示词、设计动作关键帧；测试也没有涉及用手抓取或操作物体，而这恰恰是具身智能进入物理世界最难啃的骨头之一；即便单项任务成功率达到91%，一旦变成连续多步的组合任务，成功率还会进一步下降。
苹果HALO项目演示
而且不仅硬件跟不上节奏，据报道，近期库克还曾在内部会议上敲打软件团队，直言苹果在AI上已经明显落后，不能再只给Siri打打补丁了。
这几十年，苹果最擅长的是把别人做过的东西重新定义一遍。当年iPhone如此，Apple Watch、Vision Pro如此，如今机器人也应该一样。
但这样的路线真的能造出如苹果期待的机器人吗？可能连苹果自己，心里都有一个大大的问号。
参考资料：
[1]APPSO：苹果罕见公布人形机器人进展，宇树G1背着一台跑千问的Mac mini
[2]基地边缘BaseEdge：苹果一番调教后，宇树机器人终于开智了
[3]星河频率：全球市值最高的公司，盯上人形机器人；苹果HALO带火仿真训练后，物理AI需要怎样的数据底座？
[4]人形大讲堂：熬了十年，苹果还是不肯放过机器人
[5]伯虎财经：苹果不想一直“躺赢”
[6]具身元：苹果把大脑装进了宇树的背篓里