先把这次发布里能拿出来的东西列清楚，再说哪些拿不出来。
按发布口径，第五代贡嘎的「大脑」由四块拼起来。
第一块是感知。融合 RGB 视觉、深度信息与本体位姿数据，构建层次化的三维场景图；通过跨视角实体关联、语义关系建模与增量式场景更新，对动态家庭空间做结构化表征，识别物品位置、类别和摆放关系，以适应物品移位、杂物新增这类变化。
第二块是记忆。自研「物理时空记忆引擎」，把空间坐标、物体物理状态、时间演化规律与历史交互经验统一存储；支持时序记忆检索、多轮记忆对齐与冲突自动消解，能记录物品此前位置、移动时间与过往操作成败。
第三块是规划。引入因果关联推理框架，不再只依赖数据统计关联来选动作，而是解析任务中的因果依赖、动作前置条件、预期效果与机器人自身资源约束，自主做层次化任务拆解；环境突变或任务受阻时可实时动态重规划。
第四块是执行。搭载潜空间动作条件世界模型，提前做多步未来状态预测、候选动作仿真推演与不确定性风险评估，在虚拟空间里预判不同操作结果，再结合轨迹优化与闭环预测控制实时修正偏差。
四块连起来是一条链：看清 → 记住 → 想明白 → 先演练再动手。这个结构和国际主流的分层式具身系统是同构的，不是独有的路线。
判断：四个模块里，前两块是工程问题，后两块是模型问题。感知与记忆有明确的工程定义——场景图的更新频率、记忆检索的命中率、冲突消解的规则，都可以测；因果推理与世界模型则很难在没有统一基准的情况下比较高低。发布会把四块并列讲，实际上掩盖了「两块可验收、两块不可验收」这个差别。
中心说这套系统「代表当前全球第一梯队的人形机器人大脑技术水平」。
这句话目前不可验证。
原因很具体：具身智能领域还没有一个被广泛接受的、跨本体的统一基准。同一周里能看到的对照组也都是各说各话——苹果的 HALO 报的是「六个未预先建图的真实环境、360 次单项任务、平均成功率 91%」；英伟达的 GR00T 2 报的是「零样本 40%、五次示范筛选后 95%」（本号 726 篇拆过这两个数的关系）。这两家给的都还是自己定义的题。
换个问法，这句话就有用了。三个具体问题：
场景图多久更新一次
增量式更新听起来省算力，但更新周期决定了「东西被挪走之后，机器人多久发现」。家用场景里这个时间差直接等于一次错误的抓取。
记忆检索的命中率是多少
「支持时序检索与冲突消解」是能力描述，命中率是性能描述。前者可以写进 PPT，后者要跑数据集。
世界模型推几步、延迟多少
多步预测的步长与推理时延是一对此消彼长的数。步长越长越省试错，延迟越高越跟不上动态环境。两个数给一个等于没给。
判断：对这类只有能力描述、没有基准数据的发布，正确的处理不是怀疑它假，而是把它记为「方向确认」而非「进度确认」。方向确认有价值——它说明这家机构认为瓶颈在记忆与预测，而不在运动控制；进度确认没有——因为没有任何一个数能拿来跟别人比。
报道里有一句很不起眼的话：成都人形机器人创新中心有限公司，成立于 2024 年 4 月 11 日。
今天是 2026 年 11 月 11 日。
中间 31 个月，出了五代产品。平均六个多月一代。
这个节奏在硬件行业里是很快的。一台人形机器人从结构改型、关节选型、电控调试到整机可靠性验证，常规周期在 12–18 个月；能做到六个多月一代，通常意味着两件事之一——要么硬件平台基本没动、主要改软件与算法；要么迭代的是小批量工程样机，不是量产版本。
判断：这次发布把重点全放在「大脑」的四个模块上，几乎没有提本体硬件，恰好印证了第一种可能。也就是说，「五代」更接近「五个软件版本 + 有限的硬件改型」，而不是五次整机换代。这不是贬义——对一个以算法为核心竞争力的机构来说，用软件节奏迭代是正确选择；但如果有人把「五代」读成「五次硬件换代」，就会高估它在结构、关节、可靠性上的积累。
这一点在对比中更清楚：北京人形那套 Hi-WBC 的做法是从底层改起，干脆不装腕部力传感器、靠关节电流反推负载（本号 719 篇）；成都这条路线是把感知、记忆、推理、执行四层系统性地叠上去。两条路线的差别不在先进与否，在省的是硬件的钱，还是省的是集成的钱。
对做集成和交付的公司来说，这种发布有一个很实际的用途：它是一份「客户会被问到什么」的清单。
客户看完这类新闻，来问的第一句话大概率是「你们的机器人记不记得住东西放哪」「被挪走了会不会找」。这不是技术问题，是预期管理问题。
回答这类问题，不需要世界模型，需要的是把能力边界说清楚：预置场景里能做到什么，现场变更之后需要多久重新标定，谁来做这次标定，算不算在服务费里。