苹果的机器人梦：先教会宇树G1“钻桌子”，再卖你一台1000美元的机器人

行家说机器人

苹果在机器人这件事上，过去几年的姿态一直很矛盾：公开场合几乎不提，私下却从未停止过投入。

最近，苹果的研究系统HALO，在一台宇树G1人形机器人上完成了零样本的真实验证：训练全程没有用过真实房间，也没有遥操作数据，只靠合成环境里生成的视觉—语言—动作数据，就让G1在六个从未建图的真实房间中完成了360次单任务试验，成功率达到91%。任务包括走到指定物体旁、坐到椅子上、从桌子底下爬过去、推箱子。更关键的是，所有模型都跑在机器人本体上，没有依赖云端推理。

另一边，苹果正在推进一款代号J595的家用机器人，计划售价约1000美元，最早2027年推出，但因软件进度延后，不排除推到2028年。

它的形态，是一块约9英寸的屏幕装在可旋转的机械臂上，能跟随说话人转动，支持FaceTime通话，并在有人进入房间时自动开灯。

这两件事放在一起，更能说明苹果在机器人赛道上的真实位置和真实意图。

HALO的意义

HALO最值得注意的地方，是它绕开了人形机器人训练中最昂贵的一环：真实数据采集。论文开篇就点明了问题——遥操作或穿戴式动捕，“至少需要一小时的人类时间才能产出一小时的数据”。HALO的做法是用Kimodo运动扩散模型生成全身动作，放进1000个程序化生成的房间中，在NVIDIA Isaac Sim里用与机器人鱼眼相机匹配的视角渲染，再叠加随机模糊、噪声和曝光变化来缩小仿真到现实的差距。最终产出了约296小时的合成数据，覆盖六类技能。

这套三层架构——语言模型做任务分解、运动生成器出全身轨迹、底层跟踪器以50Hz修正姿态——全部在端侧运行，本质上是在验证一件事：具身智能的数据瓶颈，可以用算力而不是人力来突破。91%的单任务成功率不是终点，但它是一个可复用的方法论信号。

HALO选择宇树G1作为载体，同样耐人寻味。苹果用了一台市面上可买到的人形平台，既降低了硬件变量对研究结论的干扰，也暗示苹果当前在机器人领域的优先级：先把“大脑”和“小脑”的问题解掉，身体形态可以后面再定。

苹果的十年机器人梦

苹果在机器人上的投入并不比今天赛道上的任何一家公司短，只是路径反复收缩过。

2014年启动的“泰坦计划”（Project Titan）最初的目标是L5级全自动驾驶汽车，持续近十年后于2024年终止。造车没有产出产品，但计算机视觉、自主导航、运动控制和传感器融合的技术积累被保留了下来，部分工程师和这些能力一起转入了机器人项目。

J595的源头可以追溯到2019年，原型机在2018年就已经完成，时任CEO库克在2019年看过演示后批准继续推进。早期形态比现在更大，一些工程师私下把它比作“一根棍子上插着一台iPad”，核心功能就是让屏幕跟着人转，解决视频通话时人必须坐在设备正前方的问题。2022年项目正式获批，2024年造车终止后，机器人团队从AI部门转入硬件工程高级副总裁约翰·特努斯麾下，战略层级才真正抬升。

与此同时，苹果在另一条线上也做过铺垫。2025年初公开的ELEGNT框架，展示了一台类似皮克斯跳跳灯的机械臂原型，研究的是“非拟人化机器人如何通过动作表达意图”。这条研究线与J595的桌面机械臂在问题意识上是相通的：机器人的第一价值未必是“像人”，而是用物理运动完成屏幕做不到的交互。

1000美元的账，算的不是硬件

J595的硬件方案两年前就基本定型了，卡住它的是软件。苹果内部对“初代产品到底该做什么”长期没有达成一致：硬件团队想尽快上市，软件团队则不断收窄范围，最终退回到FaceTime和基础家居控制。Siri与机器人系统的深度整合也遇到阻力，AI能力短板在这个项目上暴露得相当直接。

但苹果依然选择推进，原因不在1000美元这个价位能卖出多少台。桌面机械臂绕开了家庭环境中的自主导航难题，却创造了一类传统智能屏无法产生的数据：屏幕朝向与用户位置的对应、语音指令与物理动作的对应、环境变化与主动行为的对应。这些数据是训练下一代家庭AI交互的原材料。换句话说，J595首先是一台数据采集终端和交互实验平台，其次才是一台消费电子产品。

桌面机器人不是终局，但它是一个可以量产、可以进入家庭、可以持续产生真实交互数据的起点。

行家说机器人点评

第一，苹果在机器人上的策略是“研究先行、产品收敛”，而非“产品先行、研究补课”。HALO证明它在具身智能的底层方法上并不落后，J595则说明它选择了一个刻意有限的商业切口。先用合成数据把泛化能力的问题在实验室里解掉，再用一个低风险形态把产品送进真实家庭，两条线并行，而不是等一条成熟了再做另一条。

第二，苹果对“人形”的态度是工具性的，不是意识形态的。HALO跑在宇树G1上，J595不是人形，ELEGNT研究的是非拟人化运动表达。苹果没有把“人形”当作目标，而是把它当作研究载体；也没有把“桌面机械臂”当作终点，而是把它当作数据入口。形态服务于问题，而不是反过来。

第三，真正的瓶颈已经不在硬件。J595硬件定型两年、软件迟迟无法交付，HALO的成功也主要来自数据管线和训练方法而非机械结构，这两件事指向同一个结论：机器人竞争的重心正在从“能不能造出来”转向“能不能让它在不确定环境里做出有用的判断”。苹果在这道题上有积累，但也远没有到交卷的时候。

本文基于公开网络信息整理，仅供参考，不构成投资建议。