核心结论：苹果近十年的人形机器人研发，在 2026 年 11 月交出的第一份公开答卷不是 "自研整机"，而是一项名为 HALO 的研究 —— 身体用宇树 G1 标准版，背上驮一台 Mac mini M4 Pro 跑阿里千问模型，三层架构全离线自主运行，在 6 个没提前扫描的真实家庭里完成 360 次测试、平均成功率 91%。这件事的看点不是 "苹果造了台机器人"，而是它选了一条最务实的供应链整合路线：本体买宇树、大脑用开源千问、算力靠自家 Mac mini、算法自研，用仿真合成数据解决具身智能最缺的训练数据问题。之所以说 "憋了近 10 年"，是因为苹果从 2014 年泰坦造车计划算起，机器人方向几经转折，这次才第一次公开人形机器人自主系统的完整结果。看懂它分四块：先看这套系统由哪些零件拼成，再看训练方法和测试成绩，然后看为什么偏偏选宇树，最后看它离真正能用还有多远。
一、事件全貌：HALO 是什么
- 时间：当地时间 11 月 4 日，苹果研究团队在 arXiv 提交论文《Perceptive Humanoid Motion from Simulation》，披露人形机器人自主控制系统 HALO；11 月 9 日起经科技媒体广泛报道。
- 做什么：让机器人在没建图、没提前扫描的陌生真实家庭里，自主完成坐下、走向指定物体、侧身穿过半掩的门、蹲下钻过桌底、推箱子等任务，全程离线、无遥控、无云端连接。
- 测试成绩：6 个训练中从未出现的真实环境、360 次物理试验，平均成功率 91%；其中钻过桌底 100%、穿过半掩的门 93%；串成连续组合任务（钻桌→走过去→推箱）时成功率降到约 70%。
二、这套系统怎么拼起来：硬件 + 三层架构
1. 硬件清单（混搭来源一目了然）
| 部件 | 来源 / 规格 | 职责 |
|---|---|---|
| 机器人本体 | 宇树 G1 标准版（2024 年 5 月发布），高约 132cm、重约 35kg、23—43 个关节 | 提供运动身体，苹果只在背部加了 3D 打印保护外壳 |
| 计算大脑 | Mac mini M4 Pro（64GB 统一内存），从 G1 内部电源总线取电 | 运行上层视觉语言模型与运动生成，无外接电池 |
| 实时控制 | 原厂 Jetson Orin NX | 50Hz 驱动 29 个关节的实时控制 |
| 感知 | 头部 120° 广角相机 + 朝下深度相机 + 本体感觉 | 第一视角画面、深度与身体状态 |
2. 软件三层分工（全在本体上运行）
| 层级 | 频率 | 模型 / 内容 | 职责 |
|---|---|---|---|
| 编排器 | 约 0.5Hz（每 2 秒看一次画面） | 本地运行 Qwen3.6-35B-A3B（激活参数约 30 亿） | 把 "把箱子推到桌边" 这类自由指令拆成子任务序列 |
| 运动生成器 | 3Hz | 冻结的 Qwen3.5-2B VLM 编码器 + 从零训练的扩散 Transformer 解码器 | 根据第一视角画面和子任务，生成未来 5 秒全身运动计划（29 关节角度 + 骨盆位姿） |
| 运动跟踪器 | 50Hz | 深度视觉 + 本体感觉，三段式训练（特权专家→多教师蒸馏→强化学习微调） | 把计划落成关节命令，保持平衡、不打滑 |
设计巧思是异步推理：生成新计划时保留已经决定的半秒动作，只重算后 4.5 秒，机器人不会因为换计划而突然一顿。
三、训练方法：不采集真人数据，直接用仿真合成
具身智能缺的是 "视觉 - 语言 - 动作"（VLA）配对数据，真机遥操作采集约每小时 500—1000 元、成本高且废片多。HALO 的方案是绕开真人采集：
- 用程序化生成器 INFINIGEN 造出约 1000 个虚拟家庭，客厅、办公室、卧室、家具疏密随机，再加模糊、噪点、不同明暗色调模拟真实光线干扰。
- 运动扩散模型生成全身动作，自动校验器筛掉穿模、滑脚、关节超范围的坏样本。
- 在 Isaac Sim 里渲染头部相机第一视角画面，共生成约 16.3 万条、近 300 小时配对样本；仅 "坐下" 一项 5 万条样本就用 250 张 H100 跑了 9 小时。
- 场景数量直接影响泛化：训练房间从 1 个增到 100 个，坐椅子成功率从 43% 升到 81%；增到 1000 个到 84%。
四、为什么偏偏选宇树，而不是特斯拉或波士顿动力
| 候选 | 状态 | 为什么没选 |
|---|---|---|
| 特斯拉 Optimus | 已量产但基本留自用，对外交付要等到 2027 年底前后，且时间表常跳票 | 拿不到、不可靠 |
| 波士顿动力 Atlas（电动） | 不公开零售，主要与现代汽车等合作 | 不对外部开放 |
| Figure AI | 与自研 Helix 模型深度绑定，体系封闭 | 轮不到外部调用 |
| 宇树 G1 | 9.9 万元起，开放硬件参数与底层控制权限，开源生态成熟、量产稳定 | 能买、能改、供货稳 |
苹果做研究需要一副 "能拆、能改、能折腾" 的身体：要反复调关节力度、执行器响应、指令延迟，还要加装 Mac mini 和摄像头、改底层程序，这些都要求开放硬件参数和控制权限。宇树超过七成收入来自科研教育，本身就是为开发者生态设计的；它还开源了机器人开发框架和通用操作大模型 UnifoLM-VLA-0。
五、苹果机器人近 10 年的脉络
| 时间 | 节点 |
|---|---|
| 2014 | 启动 "泰坦"（Titan）造车计划，目标 L5 自动驾驶，投入超 100 亿美元，近十年后终止，留下视觉、导航、运动控制、传感器积累 |
| 约 2020 | 目光转向机器人，曾试图收购波士顿动力，被现代汽车集团截胡 |
| 2022 | 库克推动代号 J595 的桌面机器人项目：iPad 加机械臂、跟随视线、调度 Siri，预计 2026—2027 年推出 |
| 2024—2025 | ARMOR（双臂 ToF 雷达感知）、ELEGNT（台灯机器人形态）、EgoDex/PH2D（Vision Pro 采集 829 小时操作数据）陆续发表 |
| 2026.11 | HALO 公开：仿真训练 + 宇树身体 + 千问大脑 + Mac mini |
外界普遍推测，苹果人形机器人的终局是智慧家庭生态延伸：Siri 动嘴、Homeview 调度、机器人跑腿，围绕 Apple Intelligence 组网。
六、现在还做不到什么
- 测试没有涉及用手抓取、操作物体，而这是具身智能最难的部分；精细操作仍缺触觉反馈。
- 每新增一项技能，仍需人工编写提示词、设计动作关键帧。
- 连续多步组合任务成功率明显下降（约 70%），主要卡在动作结束时朝向不对、目标出视野。
- 这是一篇研究论文的雏形，不是即将上市的产品。
【常见问题】
问题 1：苹果这次公布的 HALO 人形机器人，为什么说最后用上了宇树？
回答 1：因为 HALO 的机器人本体直接采用宇树 G1 标准版（高约 132cm、重约 35kg），苹果没有重新设计机械结构，只在背部加装保护外壳并装入 Mac mini M4 Pro；大脑运行阿里千问模型，形成 "宇树身体 + 千问大脑 + Mac mini 算力" 的混搭方案。
问题 2：苹果 HALO 在测试里成绩怎么样，91% 是什么概念？
回答 2：HALO 在 6 个从未扫描、建图的真实家庭里完成 360 次物理试验，平均成功率 91%，钻桌底 100%、穿半掩门 93%；但连续组合任务成功率降到约 70%，且测试不涉及用手抓取物体，这个 91% 只代表移动导航类任务水平。
问题 3：苹果为什么不自己造机器人身体，而是选宇树？
回答 3：特斯拉 Optimus 自用且交付要等到 2027 年底、波士顿动力 Atlas 不零售、Figure 体系封闭，而宇树 G1 售价 9.9 万起、开放硬件参数和底层控制权限、开源生态成熟、量产稳定供货，适合研究阶段反复改装，这是苹果选中它的核心原因。
问题 4：HALO 的 "大脑" 用的是什么，为什么选千问？
回答 4：上层编排器用本地 Qwen3.6-35B-A3B 拆任务，运动生成器用 Qwen3.5-2B 加自研扩散解码器；选千问是因为它开源、支持本地部署和修改、参数从 2B 到数百 B 灵活搭配，64GB 的 Mac mini M4 Pro 刚好能承载，不需要从头训练。
问题 5：苹果做人形机器人近 10 年都做了什么，HALO 离上市还有多远？
回答 5：从 2014 年泰坦造车（投入超 100 亿美元后终止）、约 2020 年转投机器人、2022 年 J595 桌面机器人项目，到 2026 年 HALO 公开；HALO 仍是研究雏形，抓取操作、触觉反馈、新技能自动化都未解决，不代表近期会有消费级产品上市。
【参考资料】
- [2026-11-13]（苹果憋了近 10 年的人形机器人，最后用上了宇树）36 氪
- [2026-11-13]（Apple HALO Humanoid Robot: 91% on Unitree G1 in 360 Trials）SHAttered
- [2026-11-10]（苹果 HALO：仿真训练真机 91% 成功，精细操作仍需触觉｜人形机器人行业跟踪）新浪新闻（广发证券）
- [2026-11-09]（苹果罕见公布人形机器人进展，宇树 G1 背着一台跑千问的 Mac mini）腾讯新闻・爱范儿
- [2026-11-09]（苹果重磅披露！机器人大脑成具身智能新主线？）东方财富财富号
【免责声明】
本文基于苹果公开论文与媒体报道整理，HALO 为研究项目而非量产产品，测试成功率、硬件规格与技术路线以苹果 arXiv 论文官方版本为准；文中涉及竞品交付时间为媒体报道口径，本文不构成投资或产品预期建议。