銀河通用 Galbot G1

一台放棄了腿、但已經上崗的人形機器人

銀河通用 G1 身高 1.73 米，臂展 1.9 米，它不走路。它靠 360 度全向輪式底盤移動，配摺疊腿設計，讓軀幹在 0 到 2.4 米的垂直作業範圍內升降。沒有雙足步態，沒有後空翻，沒有刷屏的跑酷影片。它有的是一個官方口徑的數字：對隨機堆疊、此前未見過的物體，抓取成功率超過 95%——包括最容易擊穿視覺系統的兩類，透明和鏡面。

整個戰略就在這一句話裡。銀河通用 2023 年 5 月成立於北京，創始人是北京大學的王鶴。它押的是：具身智慧裡具備商業價值的難題不是移動，而是操作；而拿到運算元據最快的路徑，是把機器人放進真實的店裡，讓它幹活。

170 家店，以及這個數字為什麼會誤導人

到 2026 年 7 月世界人工智慧大會時，銀河通用在 40 多個城市運營著 170 多家「銀河空間艙」無人店，另有 100 多個智慧藥房即時零售倉，其中一部分已自主運行一年以上。一台機器人負責一間約 50 平方米、約 5,000 個 SKU 的門店，單店一天可完成部署。目標是三年內一千家。

但要說清楚這是什麼。這些店由銀河通用自己運營，屬於銀河通用自己的零售業務，不是客戶買了機器人。任何把「170 個部署」當作商業化牽引力來引用的說法，數的是一家公司自己的門店。誠實的牽引力數字在別處：2025 年 G1 累計出貨 1,200 台以上，2026 年 2 月起京東 63 萬元的公開掛牌，以及來自寧德時代、博世、豐田、上汽、北汽、極氪、長城、現代的工業訂單。

即便如此，這些店依然極其重要——只是不該記在營收上。它們是迄今為止任何人在真實商業環境中組織起來的、持續運行的最大抓取資料集。每一包被取下來的薯片，都是一條帶標籤的試驗記錄。

先合成資料，再真實資料

銀河通用的模型把常規順序倒了過來。2025 年 1 月發布的 GraspVLA 在 SynGrasp-1B 上做預訓練——十億幀合成動作資料，由 Objaverse 240 個類別、超過一萬個物體網格生成——之後才用真實資料做後訓練。GroceryVLA 專攻零售場景：軟包裝、紙盒、瓶子、玻璃，無需逐個 SKU 調參。TrackVLA 負責純視覺導航與跟隨。總的模型底座叫 AstraBrain，由 AstraSynth 合成資料管線供料。銀河通用也是全球第一家把英偉達 Jetson Thor 裝進人形機器人的公司。

至於公司宣稱的「訓練效率是特斯拉的 1000 倍」，那是市場話術，我們不會當作事實轉述。但 SynGrasp-1B 的方法論是公開的，並已在 CoRL 2025 透過同行評審。

我們沒能核實的部分

銀河通用官網是 JavaScript 渲染的，不提供可機讀的規格表，因此市面上流傳的若干數字只能追溯到聚合站點，而且彼此矛盾：全身自由度有 21 和 47 兩種說法；重量有 80、85、92.5 公斤三種；續航 8 小時或 10 小時；末端執行器一會兒被描述為「吸盤＋平行夾爪」，一會兒被描述為「12 自由度靈巧手」。我們只發布能追溯到銀河通用自己參展資料的數字，其餘寧可留白，也不挑一個看起來合理的填進去。如果你看到某份 G1 規格表寫著最高速度 1.5 米／秒，那來自唯一一個自己標註為「據稱」的 SEO 部落格。

還有一處值得糾正：所謂春節期間京東「近 300 台售出」是錯的。那個數字是加購。《環球時報》的報導是僅上架兩台，瞬間售罄。

對 LostJobs 而言的意義

便利店店員通常不在「被人形機器人威脅的崗位」名單上，因為大眾想象裡的威脅是一台在汽車廠裡走路的雙足機器。銀河通用一直在安靜地證明相反的事：人形機器人端到端接管的第一份工作，更可能是零售而不是製造——因為一間店是地面平整、光照穩定、有空調、物體集合有限的環境，而顧客並不在意是誰把貨遞出來的。

63 萬元的價格，在世界大部分地方還打不過一個店員的工資。但銀河通用賣的不是「比店員便宜」，它賣的是一間凌晨三點仍在營業、且完全沒有員工的店。那是另一道算術題，而它已經在中國 40 個城市裡贏了。接下來盯住寧德時代產線的結果——如果同一套抓取策略在輕裝配上同樣成立，可波及的崗位規模會跳一個數量級。