不要赌某个模型能通吃一切。
昨天刚完成2亿美元Pre-IPO轮融资，逐际动力没有急着讲资本故事，而是立马甩出一段全尺寸人形机器人Oli全自主做家务的视频：
画面里， Oli连续不间断地干完一屋子家务 ：
将衣架高处的衣服提起并放置在手臂上、将手上的多件衣物精准扔进脏衣篓里、将随意乱放的玩偶归纳整理、搬箱摞箱、深弯腰拾取地面杂物。
整条视频3分钟，全程一镜到底，无后台人工远程介入，也无分段剪辑。
这也让Oli成为 中国首个全自主完成长程移动操作家庭任务的全尺寸人形机器人。
它通过视觉和环境感知，全程站立、时不时蹲下、弯腰，在家庭非结构化场景下完成不同任务。
这是全尺寸人形机器人长程移动操作能力的一次重大突破，也是全球屈指可数的完整实录。
而在背后支撑Oli行动的，是 逐际动力 刚刚更新的 人形大脑系统LimX COSA 0.5。
同样是进行复杂连续的家务实操，硅谷最高估值人形机器人独角兽 Figure， 此前也多次对外放出类似的视频。
他们先后发布了厨房整理、房间整理、客厅整理三段长程任务，都成了公司招牌，也被行业公认为性能参考标杆。
逐际动力这段实操Demo，在任务连续性、自主决策深度、技能调用以及全身运控上，已经和Figure站到同一水准线。
而且这两家公司的硬件水平也接近。可以说代表了中西方人形机器人的最高水平。
究竟谁更厉害？
真正的分野，不在Demo本身，而在支撑机器人运行的底层「大脑」路线。
过去几年，整个具身智能行业普遍追求模型参数、评测榜单，似乎拥有更好的模型，就等于拥有最强的机器人大脑。
Figure的双系统框架 、不少海外和国内厂商主打的全能视觉动作基础模型， 底层逻辑都是靠更强的单一大模型。
行业几乎全员陷入“唯模型规模论”的内卷。
可一旦落地真实场景，这些机器人经常行动卡顿、适配性差。
逐际动力很早发现了这个问题，并且抛出了一个 行业非共识 的观点：
模型不是大脑，系统才是。
在逐际动力的技术框架中， 真正的机器人大脑应当复刻人类神经系统 ，由认知、技能、运控多模块协同配合，而非仅靠单一基础模型。
围绕这一判断，今年1月， LimX COSA的概念首次被提出 ，并展示了高阶认知与全身运控进行深度融合，使机器人“能想、能动、边思考边干活”。
而这一次0.5版本的更新， 逐际动力首次完整展示了COSA三层技术架构 。
但这也仅仅是0.5版本。
作为当前可与Figure掰手腕的中国玩家，逐际动力的底牌，还没亮完。
大脑不是模型，而是操作系统
要把机器人真正送进千家万户的复杂场景中，究竟需要一个什么样的「大脑」？
行业的普遍做法是，哪里不会点哪里。
他们拼命把各种VLM或VLA端到端模型做大，试图用更庞大的参数量来暴力破解物理世界的复杂性。
但这种唯模型论的暴力美学，可能有点走偏了。
在逐际动力创始人张巍看来，大部分人说要做一个模型，模型大了以后就是在做大脑，把大脑等同于模型，这件事情本身就是一个误导。
模型只是一个一个的技能，系统才是大脑。
逐际动力的大脑不是单一模型，而是具身智能体系统：管理记忆、调度、决策，调用VLM/VLA等技能及全身运控。
在这个框架里，一个单一技能（哪怕是最先进的VLA）都只是「技能」，不是「大脑」。
只有将认知、技能、运控，连同记忆与调度，真正协同，并与硬件联合优化，才是「大脑系统」。
逐际动力把这定义为 Embodied Agentic OS ，它要调用各种模型，包括VLM、LLM、VLA，才能完成一个任务。
这也是LimX COSA与「做模型」路线的根本区别。
为了验证这一逻辑，本次更新的COSA 0.5版本，直接用一段没有任何剪辑水分、没有摆拍成分的硬核真机视频说话。
逐际动力在一台拥有31个本体自由度的（不含末端灵巧手）全尺寸人形机器人Oli上，完成了包括收纳整理、搬箱、深弯腰拾物等在内的全套长程多任务演示。
它必须在未知的环境中，自发地去读取视觉信息、理解当前的杂乱状态、自主规划长程的任务步骤，然后调用技能和身体运控能力去完成连续操作。
能干活，且干得像人一样，这是通用人形必备的能力，它是机器人，不是机器。
这种在真实长程家庭场景下的高鲁棒性表现，其任务复杂度堪比Figure此前广受关注的厨房/房间/客厅整理场景。
只不过，Figure底层的技术逻辑仍在端到端模型内部做切分，本质上依然没有跳出模型的范畴。
纵观全球具身公司，在长程、不间断、不遥操作的真实家庭任务上，目前只有逐际动力与Figure做出了可信度高的完整演示。
欧洲领先的具身模型公司Flexion， 其公开的Demo里，让Unitree G1取快递、搬运包裹，任务复杂度相对较低，全身运控的稳定性、准确性略显不足。
另一家 风头正劲的高估值独角兽Skild AI ，展示了跨形态、跨任务的能力片段，广度上取胜，但并未展示长程全身移动操作演示能力。
看来，「谁的模型更强」是一个层面。
论「谁真正做出了大脑系统」，又是另一个维度的PK了。
三层架构，怎么构建最强大脑系统？
COSA的骨架由 S2-S1-S0 三层架构组成。
这套系统按照人类神经系统的生物学逻辑，进行了彻底的分层解耦。
三层各自运行在完全不同的时间尺度上，通过刻意收窄的接口协同工作。
执行时，意图 自上而下 流动，机器人的姿态与环境状态则 自下而上 实时反馈，异步运行且互不阻塞。
先看 S2认知层，负责理解、记忆和决策、人机交互。
它慢而审慎，运行在低频的1Hz尺度上，意味着每秒只做一次全局决策。
这不是偷懒，而是因为认知层的任务天然不需要高频。
你见过哪个运筹帷幄的将军，是听到风声就下令全军出击的？
不得先把敌我态势在脑子里过够几遍，再决定这仗怎么打么。
S2这层就是负责慢慢想。
它读取头部与手腕相机的实时视觉输入，以及人类的语言指令，负责长程场景的宏观理解、构建世界模型、处理人机交互与逻辑推理，并决定机器人这一步「要想做什么」。
随后，再把分解好的任务精准调度给下层。
单独把S2拎出来，其实就是那个“坐在轮椅上的霍金”。极其聪明，却一动不能动。
支持这一层的，不是某一个孤立的大模型。
视觉语言模型、世界模型都在这里，形成一个带记忆与调度的操作系统。
接下来，是 S1技能层 （Skills）。
它运行在50Hz的中频尺度上， 负责把能力沉淀成一个个可复用的技能。
注意是「可复用」，而不是盲目堆砌的大杂烩。
S2决定「要做什么」，S1回答的是「用什么技能做」。
这一层不是单一模型，而是一组技能的集合。
一个VLA（哪怕是最先进的）也只是其中一个技能，剥鸡蛋、开瓶盖、搬箱子，各自独立存在，按需调用。
逐际动力的判断是： 不同技能需要的数据不一样，训练方式也不一样。
剥鸡蛋和开赛车的数据混在一起，反而会导致严重的参数干扰，最后什么都做不好。
这和语言模型「大力出奇迹」的堆数据逻辑完全不同。
具身技能走的是多元数据路线，每个技能有自己的data recipe，单独训练、单独优化。
这种设计的另一个好处是渐进叠加。技能可以像搭积木一样，一个一个往上加。
今天学会搬箱子，明天学会叠衣服，后天学会开抽屉，不需要推翻重来。
S1层的技能库越丰富，机器人能做的事就越多，但大脑的架构本身不需要变。
之后，进入 S0运控层。
它负责让整个身体始终保持平衡，且精准地执行动作实际动起来。
这也是Demo里，Oli能够做到毫无迟滞、边走边弯腰边伸手这一极具人类感姿态的直接来源。
S0的底层是逐际动力自研的 LimX WBT全身运动基础模型。
约千万参数的Transformer策略，完全跑在机上、控制频率1000Hz。
它只暴露一个统一接口，把任意上游全身运动目标转化为平衡协调的关节指令，训练一次、与任何具体任务无关，可复用于VLA执行、遥操作采集、零样本回放三类任务。
S0的职责非常纯粹：
无论上层的S1、S2下达多么复杂的全身运动目标，它都能在1毫秒内将其转化为保证绝对平衡的协调关节指令。
在衡量底层运控实力的核心指标中，LimX WBT直接与行业公开最先进的 全身跟踪模型SONIC 较量了一番。
全身位置误差MPJPE：SONIC是13.75mm，LimX WBT做到12.85mm。 平均关节角误差：SONIC是3.3°，LimX WBT做到1.5°，降幅过半。 并且，在精度与平滑度，这两个通常需要取舍的维度上，LimX WBT也保持领先：
- 关节空间jerk（平滑度）：SONIC是129.2，LimX WBT是115.2，低约11%。
- 基座朝向jerk（平滑度）：SONIC是113.0，LimX WBT是90.3，低约20%。
请注意，这里的测评指标，数值 越低越好 。