人均“第一”的具身智能：技术还没统一，第一先开启了批发模式

TL;DR：

具身智能圈最近流行“人均第一”，但千寻智能的“世界第一”刚到手就被扒皮，72%评分来自两个账号。刷榜、话术包装、买卖榜单，这届“第一”水分有多大？想不被忽悠，得学会看透榜单的“门道”。

当你在新闻里看到某具身智能公司宣布“世界第一”时，先别急着激动——因为很可能第二天，这个“第一”就被另一家公司取代了。而且，这两个“第一”可能出自同一个榜单，只是不同赛道。

这就是当前具身智能榜单的魔幻现实：技术路线还没统一，各路玩家却已经人手一个“第一”，仿佛“第一”成了公司标配。但仔细一看，这些“第一”的含金量，可能比早高峰的地铁还挤。

01. 当“第一”成为标配，谁在裸泳？

先回顾一个经典案例：今年6月，千寻智能的具身基座模型Spirit v1.6在RoboArena榜单上以1918分的成绩击败了英伟达的Cosmos3，宣称“世界第一”。¹ 紧接着，千寻宣布完成近50亿元融资，风光无限。²

然而，业内质疑声很快袭来。有人发现，在310次评测记录中，高达72%的分数来自同一个实验室的两个账号。RoboArena官方随后展开调查并移除了存疑数据，Spirit v1.6从此跌出榜单。³

其实，千寻智能的Spirit v1.5早前曾在RoboChallenge评测中登顶，综合得分超过Pi0.5，引起行业关注。⁴ 但这次风波并未浇灭其他公司“造第一”的热情。翻翻近半年的新闻，星动纪元、原力灵机、极佳视界、智元、跨维、鹿明……几乎每一家都曾宣称自己“登顶”某个榜单。²

为什么这么卷？因为具身智能这个赛道目前没有统一的技术标准，真机成功率普遍只有五六成，外界很难直接判断技术实力，只能依赖榜单。² 据不完全统计，目前活跃的具身智能榜单超过20个，分为VLA操作综合榜、世界模型榜和专项基准榜。各有侧重，互不替代。²

问题就出在这里：三大类，20多个榜单，每个榜单还有不同子榜，于是“第一”的帽子可以随意裁剪。比如World Arena榜单，智元在Track1排名第一，跨维在Track2排名第一，两家都对外宣称“登顶World Arena”，但外人根本不知道这是两个不同的赛道。² 更让人迷惑的是，RoboChallenge Table30的榜首在半年内换了四次。²

这种“第一通胀”让榜单的参考价值大打折扣。一位投资人坦言，真正在意“第一”头衔的往往不是财务投资机构，而是地方引导基金——一个“第一”写进报告里，比较好交代。²

02. 造一个“世界第一”，有哪些“潜规则”？

如果以为这些“第一”都是真枪实弹跑出来的，那就太天真了。业内人士总结了三种常见的“造第一”手法。

第一招：话术包装，省掉关键词。

明明拿的是“双臂协同VLA类Clean档第一”，对外直接简化为“登顶XX榜”；将“专项场景第一”扩大为“综合第一”。数据没造假，但范围被放大了一圈。这种手法成本最低，也最普遍。²

第二招：刷题钻漏洞。

由于许多榜单公开了测试任务，厂商可以针对任务专门采集数据、微调模型，相当于“照着答案练习”。这在圈内被视为正常迭代，但效果相当于“开卷考试得高分”。²

更恶劣的是钻评测机制漏洞。以RoboArena为例，它采用开放注册、分布式评测，本意是民主化，但留下了三个空子：任何人可注册当裁判；匹配不强制全覆盖，可选择性避开强敌；可用多账号集中评测自家模型，推高Elo分数。³ 千寻事件就是典型：两个账号用224场评测刷出97%胜率，把分数推高。²

第三招：资源置换，直接买榜。

一些媒体榜的评选标准不透明，甚至存在与被评对象的商务合作。双方联合发布“权威报告”，把媒体榜和学术benchmark并列包装。从业者表示，刷榜、买榜并不少见。²

三种手法层层叠加：先刷分，再偷换概念，最后买榜背书。一个光鲜的“世界第一”就这样出炉了。

03. 去掉滤镜，哪些榜单还能“打”？

那么，在“第一”满天飞的现状下，我们还有可信的参照物吗？

从业者给出的判断标准有三点：

第一，分项透明。 好的榜单会告诉你每个细项的得分，而不是只甩一个总分。比如RoboChallenge Table30，该榜单由Dexmal、Hugging Face等机构联合发起，主要评估真实机器人在复杂指令理解等方面的稳定性⁵，它不仅给出综合成功率64.33%，还列出30项任务各自的成功率，哪项强哪项弱一目了然。²

第二，第三方掌控，有反刷题设计。 比如MolmoSpaces不允许微调，模型只能“裸考”；LIBERO-Plus加入光照、视角等极端扰动，防止死记硬背。² 它们的共同点是让刷题变难，逼出真正的泛化能力。

第三，看机制而不是更新频率。 更新慢的榜不一定好，更新快的榜也不一定可刷。有些榜更新慢是因为真机评测成本高，比如RoboChallenge一次完整评测要数周；有些榜更新快是因为Elo机制的动态排名，但这本身不是问题，问题在于机制是否严密、漏洞是否补上。²

但说到底，榜单只是阶段性的产物。当前行业的本质是资本焦虑：出货量、营收、客户都不稳定，只能拿榜单讲故事。² 据相关统计，中国具身智能公司已超过200家⁶，当“第一”的数量比认真做机器人的公司还多时，这种泡沫必然难以持续。等到行业成熟，评判标准自然会切换到交付量、客户数和盈利水平。到那时，“第一”的泡沫会自然消散。或许，那些不忙着刷榜、只顾着把机器人送进产线的公司，才是行业真正的答案。²

所以，下次再看到“世界第一”的新闻，不妨多问一句：“哪个榜单？哪个赛道？谁评的？”

也许你会发现，真正的第一，从来不忙着刷榜。

引用

• 具身智能
• 榜单乱象
• 刷榜
• 千寻智能
• 第一通胀