直播近1小时、550万人在线围观：以太大模型把具身智能大模型的"性能线"拉爆了

2026-09-18公众号文章

9月16日，上海街头，一场特殊的户外直播吸引了超过550万网友在线围观：搭载乐享科技跨本体通用模型以太大模型的机器人支起烤炉，为现场3桌、6名顾客完成从点单、烧烤到上菜的全部流程，连续工作1小时。全程没有遥控，没有剪辑，没有预设脚本。

在机器人新闻已经不算新鲜的今天，这场直播依然让见惯了大场面的科技爱好者感到意外。因为它几乎是"反着来"的。没有恒温恒湿的实验室，没有反复调试后的最佳机位，没有给机器人扫清障碍的工作人员，甚至连上桌的顾客，都是来"找茬"的。

一场专门"添乱"的直播

现场6名顾客接到的任务只有一个：把机器人当成人类服务员一样。可以临时更改需求、打乱物品位置、打断正在进行的任务，随时召唤机器人来服务。

更具戏剧性的一幕发生直播快结束时。发现原定的一位顾客临时未能到场，乐享科技没有停播，也没有调整流程，而是直接从围观人群中随机请了一位观众补位。这位观众上场前没有拿到任何流程和要求，点单、提需求、出题，全是即兴发挥。换句话说，连"出题人"都是临时的。0预设、0剧本，贯彻到底。结果，机器人全部接住了。

几个瞬间，值得反复回放

直播中最先引发弹幕刷屏的，是一次"意外打断"。一台服务机器人正在为顾客点单，对方突然说："帮我拿瓶水。"机器人没有卡住，也没有继续机械地完成点单，而是暂停当前任务，把水送到顾客手边，甚至还为另一个顾客也拿了一瓶水，然后继续完成点单工作。

已关注

关注

重播分享赞

观看更多

网易科技

0/0

00:00/00:07

进度条，百分之0

播放

00:00

00:07

全屏

倍速播放中

0.5倍 0.75倍 1.0倍 1.5倍 2.0倍

超清流畅

您的浏览器不支持 video 标签

继续观看

直播近1小时、550万人在线围观：以太大模型把具身智能大模型的"性能线"拉爆了

转载

直播近1小时、550万人在线围观：以太大模型把具身智能大模型的"性能线"拉爆了

网易科技

已同步到看一看写下你的评论

视频详情

被打断之后还记得自己刚才在做什么——对人类来说这是本能，对机器人来说，这曾是一道行业级难题。

第二个高光属于双机交流任务进度，从头到尾没有一个触发条件是写死的，是两个机器人在读现场：感觉顾客等久了、可能饿了，服务机器人就主动去找烧烤机器人，追问餐准备得怎么样了；而心有灵犀的烧烤机器人，会指引服务机器人拿到可以先上桌的餐食。

已关注

关注

重播分享赞

观看更多

网易科技

0/0

00:00/00:20

进度条，百分之0

播放

00:00

00:20

全屏

倍速播放中

0.5倍 0.75倍 1.0倍 1.5倍 2.0倍

超清流畅

您的浏览器不支持 video 标签

继续观看

直播近1小时、550万人在线围观：以太大模型把具身智能大模型的"性能线"拉爆了

转载

直播近1小时、550万人在线围观：以太大模型把具身智能大模型的"性能线"拉爆了

网易科技

已同步到看一看写下你的评论

视频详情

第三个瞬间属于协作。烧烤机器人守在炉前专职烤制，服务机器人穿梭在餐桌之间传菜上菜，交接、分工、配合全部自主完成。值得注意的是，烤串的和上菜的是两台本体结构不同的机器人，却运行着同一个"大脑"。谁烤、谁送、怎么交接，没有一步是提前写死的。

已关注

关注

重播分享赞

观看更多

网易科技

0/0

00:00/00:19

进度条，百分之0

播放

00:00

00:19

全屏

倍速播放中

0.5倍 0.75倍 1.0倍 1.5倍 2.0倍

超清流畅

您的浏览器不支持 video 标签

继续观看

直播近1小时、550万人在线围观：以太大模型把具身智能大模型的"性能线"拉爆了

转载

直播近1小时、550万人在线围观：以太大模型把具身智能大模型的"性能线"拉爆了

网易科技

已同步到看一看写下你的评论

视频详情

还有一个容易被忽视的细节：服务机器人被设定了暴躁型、服从型不同性格。同样被打断，不同性格的机器人反应并不相同。它们不是在执行同一段程序，而是在用自己的"大脑"各自面对自己所理解的世界。

而整个场地最大的挑战在于：它完全开放。桌椅怎么摆、人往哪里走、下一秒会发生什么，事先都无法预设。机器人迈出的每一步，都是现场看、现场判断、现场决定。

这些瞬间背后，是什么在支撑

支撑这场直播的，是乐享科技推出的以太大模型——极具颠覆性的跨本体通用具身大模型。

它没有走行业内"海量真机数据加动作模仿"的主流路线，而是采用以神经元分配为核心的能量驱动架构，参照人类"大脑—脊髓"的贯通机制，把感知、记忆、推理、运动控制和物理反馈装进同一套系统。在这套架构里，上层负责理解意图、规划任务，底层负责力控与本能反射，中间的信息流双向贯通——思考的结果直接流向身体，身体的反馈实时回到大脑。

一组数据可以说明这条路线的为何令行业内外震惊：整个模型仅用200小时人类视频数据完成训练，没有使用任何真机训练数据，参数规模为4B。在同行普遍比拼数据采集规模与参数量的背景下，不堆数据、不堆参数，是它与主流路线的根本区别。

在此基础上，以太大模型形成了五项相互咬合的核心能力：主动感知、多模态理解、流式记忆、动力学建模、持续自我迭代。直播中的高光瞬间，几乎可以与这些能力一一对应——"送完水还记得回来点单"，靠的是流式记忆对任务状态的完整保留；"调料瓶越用越顺手"，靠的是现实反馈直接驱动的自我迭代；"开放场地里自己找路"，靠的是不依赖预设地图的主动感知；"两台机器人自己分工"，靠的是跨本体的通用能力。