橡木果发布全球首款具身本能模型 Natus AGE-0：不靠海量数据，机器人也能凭”本能”干活

具身智能赛道的玩家们正在集体”卷数据”，一家成立不到两年的初创公司却反着来。8月10日，橡木果机器人（Acorn Robot）正式发布「Natus AGE-0 具身本能模型」，号称不依赖任何数据预训练，就能让机器人实现零样本泛化与毫秒级自适应操作。 同一天，这家公司还披露完成天使轮融资，由招商局创投、蔚来资本共同领投。一边是行业主流拼命堆数据、堆算力，一边是这家清华哈佛背景的团队喊出”回归物理交互本能”，这场”反共识”的发布会，给正热得发烫的具身智能赛道投下了一枚重磅炸弹。

一、事件概述：一场”反共识”的发布会

8月10日，具身操作公司橡木果机器人正式发布「Natus AGE-0 具身本能模型」。据凤凰网科技、新京报、北京商报等多家媒体报道，这是全球首款以触觉感知为核心、复刻人类操作机理的通用操作基座模型。

按照官方口径，这个模型有三个关键词：不依赖海量场景标注数据、不绑定特定机器人本体、不局限固定物料与工况场景。它依托触觉感知与接触力学底层原理，提炼机器人物理交互的通用底层规律，赋予机器人”与生俱来”的原生操作本能，从而实现跨本体、跨物料、跨工况的零样本泛化能力。

翻译成大白话就是：别的机器人要”喂”几十万条演示数据才能学会抓杯子，而橡木果的机器人不用训练，上手就能干，换个环境、换个物料、换个机械臂，依然能干。

同步披露的融资信息同样引人关注。据财联社、同花顺等报道，橡木果本轮天使轮融资由招商局创投、蔚来资本共同领投，水木清华校友种子基金跟投，资金将主要用于面向工业柔性生产的机器人产品研发、品牌体系构建与市场拓展。

二、核心信息拆解：Natus AGE-0 到底是个什么模型？

要理解 Natus AGE-0，得先看懂它和主流路线”分道扬镳”的地方。

当前具身智能行业的主流技术路线高度趋同：信奉”数据即一切”，通过大规模数据采集、模型参数堆叠和算力投入，训练一个通用的”大脑”。这条路线以大语言模型（LLM）和视觉-语言-动作模型（VLA）为代表，试图把感知、决策、执行全部塞进一个端到端的黑箱模型里。

橡木果的选择完全不同。据 OFweek 机器人频道报道，该公司提出”本能驱动“技术路线：任务规划与操作执行解耦，上层大模型负责任务理解与分解，输出关键帧和语义约束；操作执行层则由自研的 Natus 本能模型和 Magis 技能模型承担，在物理世界中以毫秒级精度完成操作。

更关键的是模型的名字——Natus，拉丁语中”诞生”之意，寓意”与生俱来”。创始人团队给出的解释是：预训练模型存在结构性缺陷。视觉与语言模态擅长语义理解与场景解析，但操作底层本质上是一个接触力学问题，行为逻辑与语言完全不同。 人体触觉信号传到大脑需要约 250 毫秒，来回就是半秒，但人接住一个即将滑落的杯子时，反应速度远快于这个时间——这说明人的操作中存在某种不经过”大脑深思熟虑”的本能反射机制。橡木果要复刻的，正是这种机制。

三、深度分析：为什么”不采数据”也能干活？

这是外界最大的疑问，也是橡木果最核心的卖点。

行业里有个著名的”鸡生蛋、蛋生鸡”悖论：不成熟的模型无法进入真实工况采集高质量数据，缺少真实场景数据又进一步限制模型迭代。 具身智能玩家们陷入深度数据内卷——VLA 路线高度依赖海量演示数据、参数扩张与算力堆叠，实验室里演示效果惊艳，一落地真实工业环境，就暴露出操作稳定性不足、接触力控失效、跨场景泛化能力薄弱等痛点。

橡木果发起人姜峣认为，这一困境的本质在于方向选错了。他 2017 年就提出了”本能驱动”路线，在哈佛做博士后研究期间，通过屏蔽视觉、干扰触觉来观察人的操作行为变化，发现了一个反直觉的细节：人接住滑落的杯子，靠的不是视觉判断，而是触觉驱动的本能反射。 触觉是”第一目击者”，视觉只是旁观者——主流 VLA 方案里连触觉数据都没有，只能”照猫画虎”。

在姜峣看来，操作的底层逻辑是交互行为，交互无穷无尽，跟语言不是一套逻辑。“VLA 本质是模仿，无法从底层理解操作。模型越大越脆弱，本体差异、接触特性一变就会崩。” 而橡木果的路径是自下而上：以触觉为感知底座，让机器人通过本能反射”长”出操作能力，用不变的物理交互本能，应对万变的物理场景。

这种”零数据冷启动”还有个额外优势：跳过数据采集环节，直接构筑正向飞轮。 机器人能立即进入真实场景干活，边干边沉淀，不再被”先有鸡还是先有蛋”困住。

两条路线，到底差在哪？

为了更直观地理解这次”分道扬镳”，我们把主流 VLA 路线与橡木果的本能驱动路线放在一起对比：

这张对比表背后，其实藏着两套截然不同的世界观：VLA 路线相信”数据够多，智能自来”，把智能看作统计学产物；本能驱动路线则相信”物理规律有不变的底牌”，把智能看作接触力学的涌现。孰优孰劣，最终要看谁先能在工厂里稳定干活。

四、团队与融资：清华哈佛背景，资本为何买单？

神经科学背书：为什么”本能”不是玄学？

“本能驱动”听起来有点像玄学，但橡木果给出的依据来自神经科学实验。据公开报道，姜峣在哈佛期间的研究发现：人的触觉信号传导到大脑约需 250 毫秒，一个来回就是半秒，但人接住即将滑落的杯子时，反应速度远快于半秒。 这说明人体存在不依赖”大脑深思熟虑”的快速通道——脊髓层面的反射回路，在意识参与之前就已经完成了操作。婴儿出生就有抓握反射，人摔倒时手会下意识撑地，这些都是”操作本能”的证据。

橡木果要做的，就是把这种”脊髓级”的快速反应机制工程化：用触觉传感器实时感知接触状态，用接触力学模型在毫秒级完成力控调整，让”反射”先于”思考”发生。 这也是为什么他们把触觉而非视觉当作第一感知模态——视觉告诉机器人”东西在哪”，触觉才告诉它”东西到底握稳没有”。

从传感器到模型：一条完整的硬件-算法链路

值得注意的是，橡木果并不是从零起步的”PPT 公司”。早在今年 6 月，它就发布过核心产品 Tac3D 多模态触觉传感器，具备仿生设计与超高分辨率：集成超百万像素原始触觉数据与多达 400 个有效感知触点，可实时重构接触物体的几何形态、测量法线方向，并推演物体空间 6D 位姿。 触觉传感器是”本能”的皮肤，Natus 模型是”本能”的神经回路，Magis 技能模型是”本能”的动作库——三者组合，才构成了完整的”本能驱动”体系。先有硬件积累，再发模型，这家公司给外界的观感是：”反共识”不是拍脑袋，而是有底牌的技术判断。

敢于挑战行业共识，背后更是一支”硬核”团队。

据新京报、36氪等报道，橡木果机器人成立于2024年底，是全球首家以”本能驱动”作为核心技术范式的通用具身智能公司。核心团队源自清华大学与哈佛大学，横跨机械工程、神经科学、人工智能交叉学科，深耕机器人操作领域近15年。

发起人姜峣的履历颇具代表性：1989年出生，2011年进入清华大学攻读机械工程博士，研究方向就是机器人操作；博士毕业后赴哈佛大学工程与应用科学学院（SEAS）做博士后，从力学跨进认知神经科学。用他自己的话说：”这波具身智能创业者里，应该没人做操作的时间比我长。”

资本对这条非共识路线的态度也值得玩味。据公开报道，早在今年6月，橡木果就完成了近亿元种子轮融资，由普华资本、钱唐材料实验室等联合领投，当时主打的产品是 Tac3D 多模态触觉传感器——集成超百万像素原始触觉数据与400个有效感知触点，可实时重构接触物体的几何形态、测量法线方向并推演物体空间6D位姿。8月的天使轮又拉来招商局创投和蔚来资本两大产业资本，一个代表国资产业力量，一个背靠新能源车企，都在为具身智能”押注身体”。

五、行业视角：具身智能正热，但”共识”开始松动

橡木果发布模型的节点，恰逢具身智能赛道烈火烹油。

就在同一天前后，多家媒体报道：人形机器人赛道单日融资超5亿元；字节跳动在机器人赛道实行”投资+自研”双轨并行，领投自变量机器人10亿元A++轮融资，累计投资超11笔；诺因智能完成5亿元天使++轮融资，经纬创投领投。资本正在疯狂给AI的”身体”定价。

但热闹背后，行业对技术路线的反思也在加深。VLA 路线的数据瓶颈、泛化难题，已经让越来越多从业者开始寻找新解法。橡木果的”本能驱动”不是唯一的新方向——世界模型、强化学习、触觉大模型等路线都在并行探索，但它是目前将”反数据”口号喊得最响、且拿到顶级资本背书的一家。

产业资本的逻辑其实很务实：具身智能最终要落地到工业制造、物流仓储、家庭服务等真实场景，谁能解决”数据困境”，谁就掌握了下一阶段的话语权。 招商局创投看中的是工业柔性生产场景，蔚来资本看中的是制造与供应链协同，都是冲着”能干活”去的，而不是冲着炫酷的 demo 去的。

六、未来展望：本能驱动能否改写具身智能的剧本？

当然，质疑声同样存在。零预训练、零样本泛化的表述足够震撼，但公开信息中尚未披露 Natus AGE-0 的详细技术架构与第三方评测数据，”全球首款”的称号也还有待行业验证。从实验室演示到规模化工业落地，从单一模型到完整产品生态，橡木果还有很长的路要走。

但无论最终成败，这条路线都提出了一个值得整个行业思考的问题：当所有人都在堆数据的时候，是不是应该停下来问问——机器人的”智能”，到底应该长成什么样？

橡木果给出的答案是：像人一样，凭本能干活。这个答案是否成立，未来一两年内的工业场景落地数据会给出回应。我们也将持续关注。

互动话题：你觉得”本能驱动”能取代”数据驱动”成为具身智能的主流路线吗？欢迎在评论区聊聊你的看法。