苹果（AAPL）研究团队在arXiv公开人形机器人（886069）自主控制系统HALO，连带把数据生成、模型训练与部署代码全数开源，测试放在宇树G1机身上完成。公开信息显示，在6个训练中未见且未经扫描的环境中，针对6类单项技能开展360次测试，平均成功率达到91%。市场迅速把这条技术信号翻译成产业链催化，物理AI概念集体走强。但一个被涨停板淹没的问题是：代码全给了，第三方团队就能顺利复现吗？
先厘清开源边界。HALO开放的是数据生成、模型训练与部署代码，覆盖仿真环境与实体机器人上的实际运行。架构上，顶层VLM部署在机背Mac mini上，默认跑Qwen3.6-35B，负责任务编排；中层用冻结参数的编码器配合DiT解码器，一次输出未来5秒的全身动作；底层动作跟踪器以50Hz把计划转成关节指令。这套分层与智元的控制系统可作对照：智元底层与电机通信每秒1000次，中间层运动规划每秒10到20次，最上层任务调度。通用大模型的速度跟不上下面两层，所以大模型适合放在最上层做调度，而不是直接下场控制关节。HALO的架构选择与此逻辑一致。
但91%有明确的测试边界：宇树G1机身、6类单项技能、360次测试、6个训练中未见且未经扫描的环境。测试核心是验证仿真里学到的能力能否迁移到陌生房间，而不是开放环境下的全任务通用能力。开源降低的是训练门槛，不是本体门槛。
第一关是本体适配与仿真环境重建。HALO测试在宇树G1上完成，更换本体需要重新适配关节指令接口和动作跟踪参数。1000个虚拟家庭场景为程序化生成，第三方重建仿真环境需要匹配场景构建与仿真保真度。这不是改几行配置就能完成的工作。仿真保真度不够，迁移到真机时成功率会打折扣；场景构建偏差大，训练出的策略在陌生房间里的泛化能力就无从谈起。
第二关是算力投入。研究团队用250张H100训练48小时完成单次训练，第三方复现需要可比算力规模。合成数据压低的是数据获取门槛，而非训练总投入。真机数据路线总成本可能与合成路线相近，差别在成本结构——真机数据贵在采集与标注，合成数据贵在场景构建、仿真保真度与算力。把HALO读成“训练从此免费”是误读。
第三关最容易被低估：触觉缺失与复合任务成功率。单项技能成功率91%，叠加成包含俯身避障、行进和推箱子的长流程时，平均成功率回落至70%，个别复杂场景低至50%。公开披露将根源指向过度依赖视觉、缺乏触觉：物体被遮挡或离开视野，涉及接触的动作就容易失败。研究团队已把高精度触觉感知与视觉融合列为下一阶段核心攻关方向。王兴兴在进博会分论坛上的判断可作参照：让机器人抓个大件，成功率接近100%；换成拿取精密机械零部件，成功率就往下掉，最后几毫米是对齐误差。这不是某一家系统的独有问题，而是视觉路线在接触类任务上的共性短板。
三关叠加，复现结果分化几乎是必然的。分化本身不是坏事，它恰好是检验“训练需求先于本体放量”逻辑的关键信号。
第一个信号：HALO能否在更多本体上复现。开源后的第三方验证会给出比单篇论文更强的证据。若多个团队在不同机身上报告接近的成功率，训练侧需求的可见度提升；若复现普遍卡在本体适配或仿真重建环节，说明这套范式的可迁移性被高估。
第二个信号：复合任务成功率能否从70%向上走，触觉感知是否被纳入下一版系统。触觉传感器（885946）在人形机器人（886069）成本结构中占比不高，却是灵巧手实现精细操作的关键环节。公开研报信息显示，福莱新材（605488）截至8月31日累计交付触觉传感器（885946）超过3万套，灵心巧手签约采购10万套、中科硅纪将采购20套——3万套是已发生交付，10万套和20万套是已签约采购，两者不能混为一谈，收入确认仍取决于执行进度。复现进展与传感器（885946）交付节奏是两条线，不能直接换算成产业链收入。
第三个信号：仿真与数据采集环节是否出现可验证的订单。索辰科技（688507）、凡拓数创（301313）、华如科技（301302）被市场按技术逻辑对应到物理AI训练环节，但这属于市场自行映射，公开信息尚不足以确认它们与苹果（AAPL）存在直接订单关系。奥比中光（688322）与大晓机器人签有万台战略采购协议，协议性质是战略合作，执行进度仍待后续披露验证。
风险边界同样清楚。91%不能外推为开放环境下全任务通用能力；复现顺利与否，目前没有第三方数据可供判断；触觉传感器（885946）不是唯一瓶颈，算力、仿真保真度、本体适配都可能成为卡点；复现进展与产业链收入之间隔着送样、定点、量产、交付多个阶段。市场交易的是预期，预期兑现需要工程验证一步步填实。
HALO开源的价值不在于给出一个“训练免费”的答案，而在于把训练范式的可复现性摆上了台面。接下来几个月，第三方复现报告的质量，比涨停板的数量更能说明问题。
先厘清开源边界。HALO开放的是数据生成、模型训练与部署代码，覆盖仿真环境与实体机器人上的实际运行。架构上，顶层VLM部署在机背Mac mini上，默认跑Qwen3.6-35B，负责任务编排；中层用冻结参数的编码器配合DiT解码器，一次输出未来5秒的全身动作；底层动作跟踪器以50Hz把计划转成关节指令。这套分层与智元的控制系统可作对照：智元底层与电机通信每秒1000次，中间层运动规划每秒10到20次，最上层任务调度。通用大模型的速度跟不上下面两层，所以大模型适合放在最上层做调度，而不是直接下场控制关节。HALO的架构选择与此逻辑一致。
但91%有明确的测试边界：宇树G1机身、6类单项技能、360次测试、6个训练中未见且未经扫描的环境。测试核心是验证仿真里学到的能力能否迁移到陌生房间，而不是开放环境下的全任务通用能力。开源降低的是训练门槛，不是本体门槛。
第一关是本体适配与仿真环境重建。HALO测试在宇树G1上完成，更换本体需要重新适配关节指令接口和动作跟踪参数。1000个虚拟家庭场景为程序化生成，第三方重建仿真环境需要匹配场景构建与仿真保真度。这不是改几行配置就能完成的工作。仿真保真度不够，迁移到真机时成功率会打折扣；场景构建偏差大，训练出的策略在陌生房间里的泛化能力就无从谈起。
第二关是算力投入。研究团队用250张H100训练48小时完成单次训练，第三方复现需要可比算力规模。合成数据压低的是数据获取门槛，而非训练总投入。真机数据路线总成本可能与合成路线相近，差别在成本结构——真机数据贵在采集与标注，合成数据贵在场景构建、仿真保真度与算力。把HALO读成“训练从此免费”是误读。
第三关最容易被低估：触觉缺失与复合任务成功率。单项技能成功率91%，叠加成包含俯身避障、行进和推箱子的长流程时，平均成功率回落至70%，个别复杂场景低至50%。公开披露将根源指向过度依赖视觉、缺乏触觉：物体被遮挡或离开视野，涉及接触的动作就容易失败。研究团队已把高精度触觉感知与视觉融合列为下一阶段核心攻关方向。王兴兴在进博会分论坛上的判断可作参照：让机器人抓个大件，成功率接近100%；换成拿取精密机械零部件，成功率就往下掉，最后几毫米是对齐误差。这不是某一家系统的独有问题，而是视觉路线在接触类任务上的共性短板。
三关叠加，复现结果分化几乎是必然的。分化本身不是坏事，它恰好是检验“训练需求先于本体放量”逻辑的关键信号。
第一个信号：HALO能否在更多本体上复现。开源后的第三方验证会给出比单篇论文更强的证据。若多个团队在不同机身上报告接近的成功率，训练侧需求的可见度提升；若复现普遍卡在本体适配或仿真重建环节，说明这套范式的可迁移性被高估。
第二个信号：复合任务成功率能否从70%向上走，触觉感知是否被纳入下一版系统。触觉传感器（885946）在人形机器人（886069）成本结构中占比不高，却是灵巧手实现精细操作的关键环节。公开研报信息显示，福莱新材（605488）截至8月31日累计交付触觉传感器（885946）超过3万套，灵心巧手签约采购10万套、中科硅纪将采购20套——3万套是已发生交付，10万套和20万套是已签约采购，两者不能混为一谈，收入确认仍取决于执行进度。复现进展与传感器（885946）交付节奏是两条线，不能直接换算成产业链收入。
第三个信号：仿真与数据采集环节是否出现可验证的订单。索辰科技（688507）、凡拓数创（301313）、华如科技（301302）被市场按技术逻辑对应到物理AI训练环节，但这属于市场自行映射，公开信息尚不足以确认它们与苹果（AAPL）存在直接订单关系。奥比中光（688322）与大晓机器人签有万台战略采购协议，协议性质是战略合作，执行进度仍待后续披露验证。
风险边界同样清楚。91%不能外推为开放环境下全任务通用能力；复现顺利与否，目前没有第三方数据可供判断；触觉传感器（885946）不是唯一瓶颈，算力、仿真保真度、本体适配都可能成为卡点；复现进展与产业链收入之间隔着送样、定点、量产、交付多个阶段。市场交易的是预期，预期兑现需要工程验证一步步填实。
HALO开源的价值不在于给出一个“训练免费”的答案，而在于把训练范式的可复现性摆上了台面。接下来几个月，第三方复现报告的质量，比涨停板的数量更能说明问题。
