从DeepSeek的AI开源时刻，到OpenLET的具身智能开源时刻，一条清晰的逻辑正在浮现：当一项技术从少数人的前沿探索走向多数人的产业应用，开源从来不是锦上添花，而是必经之路。

2026年6月，在北京亦庄举办的开放原子开源生态大会的演讲台上，乐聚智能董事长冷晓琨展示了一段视频：一个人形机器人流畅地完成了一段舞蹈—不是预先编程的固定动作，而是通过手机录制一段人类舞蹈视频，简单调整几个参数后，发送给机器人学习。冷晓琨在台上表示：“如今，人形机器人基本上已经完成了平民化的前期探索。”

“平民化”三个字，恰恰道出了具身智能产业当前最关键的变化：这项技术正在从实验室走向产业，从极少数顶尖团队的“特权”变成广大开发者可以触达的“公共资源”。而推动这一变化的核心力量，正是开源—当数据、模型与生态通过开源形成闭环，具身智能的产业拐点正在加速到来。

过去三年，具身智能经历了从概念爆发到技术验证的快速演进。冷晓琨在演讲中对此做了精准概括：“过去三年间，具身智能快速发展，人形机器人大脑、小脑、本体、数据相关的技术已经逐渐完善。2026年，大家更加聚焦如何让机器人从动起来到用起来。”

“从动起来到用起来”的背后，是一个被反复提及却又迟迟未能突破的产业瓶颈：高质量数据的匮乏。深圳开鸿数字产业发展有限公司CEO王成录在演讲中指出了问题的根源：“AI现在极度地缺乏高质量数据的供给。”具身智能面临的数据困境比大语言模型更为严峻。大语言模型可以从互联网上获取海量文本数据，但机器人需要的是物理世界中的真实交互数据—机械臂如何抓取一个杯子，双足如何在崎岖地面保持平衡，灵巧手如何拧开一个瓶盖。这类数据的获取成本高、周期长、标准化程度低。宇树科技副总经理王启舟在演讲中直言这一痛点：“现代机器人想要真正走进物理世界，需要完成许多准备，相关的物理数据是最大的痛点。”他介绍了宇树科技在数据开源方面的布局—从全身运动数据集到多样化操作数据集，再到真机数据闭环，目前，宇树科技已在官网开源了TB级别的数据集。“这是目前全球开源的人形机器人数据集里较为全面的一个。”王启舟表示。

乐聚的选择更为聚焦。冷晓琨明确表示，乐聚在数据领域的定位是“做真机数据部分”，而真机数据核心服务的对象是模型的后训练阶段。他们在OpenLET社区发布的数据集，围绕人形机器人的三个核心部分展开：“一是全身运动控制，包括让人形机器人能够进行翻窗户、爬桌子这种全身运动的数据集；二是灵巧手的数据集，发布能够让灵巧手真正灵活运动起来的数据集；三是基础的上半身数据集。”冷晓琨说。这三类数据集基本上把人形机器人产业应用的部分全部囊括了进来。数据开源的效果正在显现。冷晓琨透露，OpenLET数据集全平台下载量已经超过300万次，许多具身智能领域的大模型都在引用OpenLET数据集来支撑模型训练。

具身智能的技术链条远比大语言模型更长、更复杂，涉及硬件、内核、算法、仿真、部署等多个环节。任何一个环节的封闭，都可能成为产业化的堵点。在本次大会上，宇树科技展示了一个极具代表性的“全栈开源”图景。王启舟在演讲中详细拆解了宇树的开源架构：“整体架构可分为五个核心层次，依次为硬件底座、数据、工具链、大模型及应用。其中硬件底座作为基础支撑层，主要支撑数据层面的建设。而在数据基础之上，工具链的构建十分关键。目前，大语言模型领域的热点方向包括WMA（世界模型-动作架构）与VLA（视觉-语言-行动），我们已在这两条技术路线上同步布局模型研发，各层级均面向开源生态全面开放。”

在硬件层面，宇树的开放策略极具弹性。王启舟举例说明：“宇树科技提供通用机器人平台及底层SDK，用户可通过宇树云控实现机器人控制。同时，针对特殊场景需求，还可进一步开放至每个电机的SDK。以H2人形机器人为例，该机器人拥有31个自由度，在实际应用时，每个电机的SDK均可向用户全面开放。”

在工具层面，宇树开源了遥操作、视觉数据采集、仿真训练框架等全套研发工具链。王启舟强调：“开源工具是当前具身机器人研发的重要基础设施，涵盖了众多强化学习框架，如GPU并行训练框架、引擎架构下的强化学习实现框架等，这些工具均可即取即用。”

在应用层面，宇树推出了UniStore—一个“机器人”版的App Store。王启舟介绍道：“客户所开发的功能模块可上架至平台，供其他用户按需调用，实现基于机器人研发成果的跨行业赋能。UniStore聚焦动作管理、开发者发布与数据采集三大核心功能，根本目标在于打通机器人应用开源生态的‘最后一公里’，促进生态内资源的共享与流通。”

软通动力董事黄颖在演讲中表达了类似的观点：“开源不能只停留在底层代码层面，必须走向产业落地。”软通动力的策略是构建从技术突破到商业落地的完整闭环，基于开源根技术的沉淀，同步构建全栈智能产业体系，解决开源与AI落地难的问题，从底层算力到终端产品再到行业方案，形成一站式服务闭环。

开源生态的建设无法“一放了之”。如果说数据和工具是基础设施，那么开发者生态就是活力之源—没有活跃的开发者参与，再好的代码仓库也只是“数字废墟”。乐聚的OpenLET社区探索出一条独特的生态建设路径。冷晓琨将OpenLET社区的模式概括为“双环”：“系统架构由技术环与生态环构成，二者以数据为连接纽带。作为开源数据资源，技术环中的数据流入生态环后，支撑从具身模型到端侧算力，再到应用范式的完整演进过程。”

如何将开发者“吸引进来、留下来、用起来”？乐聚的答案是以赛事为牵引、以基金为支撑、以地方工作组为网络。

在赛事方面，乐聚每年组织比赛超过十余场，覆盖600多所高校，参赛人数超过1万人。冷晓琨介绍：“这些比赛场景面向工业领域，明确要求参赛队伍使用OpenLET社区提供的数据集，并在此过程中逐步引导大家采用本土模型与本土算力。借助大赛的牵引效应，通过设置明确要求，这些比赛鼓励科研团队逐步接受并使用相关资源。在奥地利举办的ICRA 2026大会上，开放原子开源基金会与我们联合举办了全尺寸人形机器人挑战赛，这一比赛吸引了全球340余支队伍参赛，最终由新加坡国立大学夺得冠军。这是OpenLET社区首次在全球科研范围内进行的推广活动，整体反馈效果良好，取得了积极的反响。”

在基金方面，乐聚与多个基金主体共同成立了一支基金。冷晓琨透露：“该基金的核心定位在于，通过支撑社区内的赛事，为创业开发者和大学生提供支持，逐步构建起从开发者培育到场景产业应用的全链条闭环。”

在地方工作组建设方面，乐聚已先后成立宁波、合肥、北京、郑州等地的工作组，后续还将陆续组建六、七个新的工作组。各工作组主任多由当地学术界具有重要影响力的长江学者或国家杰出青年科学基金获得者担任，负责牵头组织本地高校力量，并结合当地训练场资源，推动数据联动，逐步壮大用户群体。

开放原子开源基金会在这一生态建设中扮演了“制度基础设施”的角色。从OpenLET社区到M-Robots社区，基金会的项目孵化体系正在为具身智能的开源生态提供治理框架和资源支撑。M-Robots社区在本次大会上正式启动，多方力量共同参与，标志着商用机器人开源生态进入了系统性发展的阶段。

具身智能的产业化走到了哪个阶段？大会嘉宾各自给出了判断。

冷晓琨的判断是：产业已跨越“概念验证”阶段，正在进入“批量化应用”阶段。他透露，乐聚2026年3月在佛山建成了国内第一条万台级人形机器人自动化产线，现在已经正式投产。乐聚的夸父机器人已经迭代到第五代。

王启舟的判断同样乐观。他引用了宇树科技在5月份发布的两个视频—WMA和VLA的真机演示来说明技术成熟度的快速提升：“该方案提供两大核心功能：一是支持通过语音实时控制机器人操作，响应迅速；二是基于VLA模型进行指令理解升级，高精度执行任务。特别需要指出的是，上述操作完全依赖模型自身能力，无需任何遥操作数据采集。”

两人都认为，开源是加速这一进程的核心引擎。冷晓琨表示：“我们的核心点是在赛事的牵引上，通过数据、模型、算力、工具链支撑开源社区的建设。”王启舟用一句话概括了宇树科技的愿景：“宇树希望通过开源协同的方式，加速具身机器人产业化，通过模型、数据、工具、硬件全栈开源，让机器人快速地实现规模化应用。”

从DeepSeek的AI开源时刻，到OpenLET的具身智能开源时刻，一条清晰的逻辑正在浮现：当一项技术从少数人的前沿探索走向多数人的产业应用，开源从来不是锦上添花，而是必经之路。具身智能对数据的需求、对工具链的依赖、对生态网络的诉求，使得它十分需要开源—因为没有一个企业能独立解决所有问题，没有一个国家能独自走完全程。

正如王成录所说“AI会改变人类社会的底层逻辑”，而开源正在让这场改变不局限于少数巨头之间，让它向每一个开发者、每一家企业、每一个产业场景敞开大门。具身智能的“开源时刻”，本质上是让机器人技术从“精英的工具”变成“大众的公共品”。这个过程才刚刚开始，但进程已经不可逆转。