宇树完全开源人形机器人基座模型UnifoLM-WLA-1.0：6B参数单模型统筹64项真机任务，连2500小时真机数据一起交

【新闻原文】 9月10日，宇树科技宣布完全开源新一代通用人形机器人基座模型UnifoLM-WLA-1.0，代码、模型权重、训练数据集全部同步开放，高校科研可免费使用，开发者可基于权重二次开发与场景迁移、免费商用，刷新多项全球开源具身模型评测SOTA，部分指标对标甚至超越头部闭源模型，被业内评价为"连家底一起交"。 UnifoLM-WLA-1.0是一个60亿参数的视觉-语言-动作（VLA）具身基座模型，以自研UnifoLM-ER-Flow多模态主干网络为基础（具身推理骨干UnifoLM-ER-1-4B基于Qwen3-VL-4B），搭配MMDiT流匹配动作专家模块。模型训练使用了约2500小时高质量真机遥操作数据（含BitRobot-HIW-500等数据集）和超过500万条具身推理训练样本，运行在宇树G1人形机器人上，端侧推理延迟仅106毫秒，无需云端支持。 其核心突破在于"单模型统筹64项任务"：54项桌面精细操作（叠毛巾、叠衣物、收纳餐盘、给设备充电、微波炉取放食物、插拔插头、擦拭桌面等）加10项全身移动操作（倒垃圾、把衣物投放洗衣机、铺床、整理厨房和浴室、取蔬菜、整理沙发等），无需针对具体任务微调。过去人形机器人"桌面抓取一套模型、全身移动另一套模型"的行业难题被一套权重打通。同时，模型不绑定单一末端执行器，可同时适配普通两指平行夹爪和两类不同规格的灵巧手，换"手"不用重新训练。在技术设计上，模型引入"动态区域预测"机制：给定初始画面和任务指令，模型先预测自己的动作将使场景发生何种改变，"先思考再动手"，再生成具体动作；通过统一的动作空间将连续动作转化为离散"动作词元"，实现手、臂、下半身协同控制。 评测方面，UnifoLM-ER-1-4B在16套多模态测试中的7项取得参评开源模型最高成绩：空间规划任务EGO-PLAN2得分55.1（对比开源竞品RoboBrain2.0-7B的33.23），空间指代理解REF-SPATIAL得分61.7（对比Pelican-7B的22.3）；在空间理解测试Where2Place上取得82.0分，比闭源的GPT-6 Astra高出13分。业内评价指出，人形机器人的瓶颈已不在硬件——宇树机器人已量产数万台，但多数仍"能走能跳却干不了实际的活"；此次全面开源意味着大幅降低算法部署门槛，让更多开发者能在同一基座上开发应用，推动人形机器人从"四肢发达"走向"头脑灵活"，从表演走向干活。 【企服观察】 宇树把2500小时真机数据、6B模型权重、全部代码一次性开源，这份"连家底一起交"的诚意，放在全球具身智能行业里都罕见。对IT企服行业来说，这件事的分量怎么估都不过分：它相当于人形机器人领域的"安卓时刻"提前到来——机器人本体厂商负责硬件，操作系统免费开放，应用层的机会全部留给生态。而应用层，恰恰是企服公司最熟悉的主场。 第一，开源基座把具身智能的入场券价格打到了地板上。过去一家公司想做人形机器人应用，要么从零采集训练数据（一套真机遥操作数据采集成本动辄数百万），要么绑定某家闭源方案商付"大脑订阅费"。现在UnifoLM-WLA-1.0连2500小时真机数据和500万条推理样本都开放了，开发者的起点直接从"造轮子"跳到"换轮胎"。对企服公司而言，理性的策略是立刻组织一支小队把模型跑起来：宇树G1整机加开源基座的组合成本，已经低于一名员工一年的工资，物业、酒店、医院后勤这些劳动密集场景都值得做一轮POC验证。谁先在真实业务里攒出场景数据与作业流程，谁就能在两年后的商用化拐点占据身位——机器人行业的应用know-how积累曲线，从今天起才开始陡峭。 第二，"64项任务单模型统筹"背后是企业级机器人管理的新命题。单模型驱动全身协同、跨末端执行器免重训泛化，意味着未来企业的机器人资产会像今天的PC一样可标准化采购、批量部署。随之而来的企服机会非常具体：机器人 Fleet 管理平台（任务调度、状态监控、远程升级）、机器人作业SOP数字化（把酒店铺床标准、仓库上架规范翻译成模型可执行的任务指令）、人机协作安全规程。这些都是典型的软件加服务生意，毛利远高于卖硬件。可以预判，两三年内楼宇后勤、园区运维会出现第一批"机器人外包服务"合同——客户按任务完成量付费，企服公司采购本体、部署开源基座、垂直微调后运营交付。这个模式一旦跑通，就是下一个万亿级的人力替代市场。 第三，也要看清开源背后的商业博弈与真实边界。宇树的开源不是做慈善：基座模型免费，但数据飞轮会转回宇树——全球开发者在其基座上做的每一次微调，都在强化其生态位；而G1本体销售才是商业闭环的收割口。此外必须清醒，开源不等于即插即用：目前64项任务全部是家庭和办公场景的家务级操作，工业级精度、复杂光照、动态人流环境下的稳定性仍是未知数；106毫秒端侧延迟的背后是6B模型的算力下限，扩展到更多任务后的性能衰减尚未经受大规模验证。企服公司做技术决策时，务必用自己场景的真实任务现场实测，而不是被SOTA榜单牵着走。 更长远的看，宇树此番开源把中国具身智能的竞争重心从"硬件参数"正式挪到了"数据与场景"。机器人本体在硬件层面的差距正快速收敛，真正拉开差距的是谁能持续产出高质量真机数据、谁能把机器人塞进更多真实业务流。这正是中国产业链的传统强项——场景多、数据密、迭代快。对企服从业者，最务实的一句话是：机器人不会明天就替代你的客户，但三年后的第一批机器人服务合同，一定签给今天就开始在仓库和酒店大堂里跑POC的公司。入场券已经免费发放，剩下的问题只是你要不要进场。