研究解读 · 神机百见-具身解读

27148 道拒答测试:具身模型拿备案,比的不是参数量,是「判断错了会不会真动手」

5 个月安全评估、超 20 万次语料与生成内容抽检、27148 道高风险拒答。大湾区第一个拿到备案的通用具身大模型,把「合规」这件看起来最不像技术的事,变成了具身智能的第一道交付门槛。

一分钟速览
  1. 事实:自变量机器人科技(深圳)的 GreatWall 通用具身大模型通过「广东省生成式人工智能服务备案」,成为大湾区首家完成备案的通用具身大模型。
  2. 三组数字:备案前完成历时 5 个月的安全评估,累计 超 20 万次语料与生成内容抽检,完成 27148 道高风险拒答测试。
  3. 区域口径:截至 11 月 11 日,广东本批新增 3 款完成备案的生成式人工智能服务,累计达 230 款,继续位居全国前列。
  4. 全国参照:《中国互联网发展报告 2026》口径,截至 2026 年 8 月底全国累计 1112 款生成式人工智能服务完成备案、731 款应用或功能完成登记。广东约占全国的五分之一。
  5. 技术路线:官方表述为端到端 + 通用具身大模型,把视觉、语言、触觉、动作与物理预测融合进统一模型,具备跨本体、跨任务、跨场景复用能力,已在家庭服务、物流分拣等场景应用。
  6. 判断:27148 道拒答题,本质是 27148 个「该不该动」的判断点。文本模型答错的代价是少答一句,具身模型答错的代价是机械臂真的伸出去。这条差别,才是具身模型备案比语言模型备案更值得关注的原因——它不是合规流程的加长版,是动作前的一道实体闸门。
数据来源与边界
主源为证券日报网 2026-11-14 刊发的《自变量机器人自研通用具身智能大模型完成备案》(记者贾丽,zqrb.cn ↗ ),一手依据为广东省网信部门 2026-11-11 公布的新一批生成式人工智能服务备案信息。发布时间在本批素材时间窗「当日 09:00 → 19:00」(2026-11-15 09:00 → 19:00)之外,按扩窗规则第二条处理:取近 3 日内行业进展做补充解读,本文的补充角度是把备案材料里的三组数字换算成可比较的密度指标,并区分「服务合规」与「设备安全」两个常被混用的概念,不复述通稿。国内备案总量参照《中国互联网发展报告 2026》(2026 年 11 月 4 日乌镇峰会发布,经辽宁省科学技术协会网站转载),口径截至 2026 年 8 月底。 可靠性分层:①备案通过、大湾区首家、5 个月评估、超 20 万次抽检、27148 道拒答、截至 11-11 累计 230 款均出自公司公告与报道转述的备案材料,属可核事实但本文未能独立打开网信部门原始公示页;②「大湾区首家通用具身大模型」的判定依赖「通用具身大模型」这一分类如何界定,备案系统并不按此分类,属媒体与公司口径,若按「含具身能力的多模态大模型」放宽,先例可能更早;③模型的三条产品线名称(WALL-B / WALL-WM / WALL-OSS)出自行业公众号转述,证券日报原文只写「涵盖行业多条技术路线的通用具身大模型体系」,未逐条列名,本篇按单一信源处理,不作定论;④「已在家庭服务、物流分拣等真实场景规模化应用」为公司口径,「规模化」的台数与客户数未披露;⑤全国 1112 款 / 731 款为蓝皮书口径,与广东 230 款的时间基准不同(8 月底 vs 11 月 11 日),两者相除只能作量级参考;⑥文中「27148 ÷ 150 天」等换算是本文自行推算,非原文数据。文中判断均以「判断:」开头,版权与免责声明由模板自动附加。
本文事实信息来自上方标注的公开来源;解读、判断与延伸部分为作者个人见解,写作过程使用了 AI 工具辅助整理,已由作者人工核实,不代表信息来源方立场。如有雷同纯属巧合;如涉及版权或权益问题,请联系 shenjibailian@shenjibailian.com,我们将在核实后及时删除或更正。

一份备案证书本身没什么可说的。真正有信息量的是它背后那串数:5 个月、超 20 万次抽检、27148 道高风险拒答测试。

把这三个数放在一起,会发现前两个是工作量,第三个是门槛。

一、先把三个数换算成能比较的单位

5 个月,按 150 个工作日算。27148 道拒答题 ÷ 150 ≈ 每天 181 道;20 万次抽检 ÷ 150 ≈ 每天 1333 次。

这个密度说明什么?说明安全评估不是提交材料等审批,是一个持续五个月、每天要跑几百到上千个测试用例的工程过程。对一个几十人的模型团队,这意味着要有专人、专用环境、专用流程长期投入。

语料与生成内容抽检
超 20 万次
高风险拒答测试
27148 道
柱长以 20 万次为满格。两类测试性质不同:抽检是抽样核查内容合规,拒答是逐条验证模型在风险请求前是否按预设规则拒绝。后者数量少但单价高。

27148 这个数在语言模型备案里可能是常规量级。但对一个要驱动物理动作的模型,它的含义完全不同。

二、为什么具身模型的「拒答」和文本模型不是一回事

文本模型面对一句有问题的请求,答错的后果是输出了一段不该输出的文字。删掉、道歉、补一句说明,事情基本可控。

具身模型面对一句含混的指令,判断错的后果是一个动作。一台在厨房里的机器人,听到「把那个拿过来」,是先问一句「你指哪一个」,还是直接伸手?一条分拣线上的机械臂,遇到包裹姿态变了、抓取失败了、有人走进作业区,是停下来等人,还是继续把流程走完?

这些场景在安规里都有对应条款,但要落到模型里,得有人一条一条写进去、再一条一条测出来。所谓「高风险拒答测试」,测的正是这一步。

判断:这就解释了为什么具身模型的安全评估周期普遍偏长。语言模型的拒答是「语义层」的,规则可以靠关键词加分类器堆出来;具身模型的拒答是「动作层」的,同一个语义在不同场景下的正确答案可能相反——空房间里「继续走完流程」是对的,有人进入作业区时「继续走完流程」就是事故。27148 道题里有相当一部分,测的不是「会不会拒绝」,是「在这个状态下该不该拒绝」。

三、230 与 1112:这条通道已经跑顺了

截至 11 月 11 日,广东本批新增 3 款完成备案的生成式人工智能服务,累计 230 款。作为参照,《中国互联网发展报告 2026》给出的全国数字是:截至 2026 年 8 月底,累计 1112 款生成式人工智能服务完成备案,731 款应用或功能完成登记。

两个数时间基准不同——一个是 8 月底的全国,一个是 11 月 11 日的广东——所以只能做量级比较:广东一省约占全国的五分之一。这个比例本身不算意外,广东是全国生成式 AI 产业最密集的区域之一。

更有信息量的是「本批新增 3 款」这个数。一批只新增三款,说明备案不是批量放行,是逐个体审。一个省累计 230 款、全国 1112 款,意味着这条通道已经跑顺了:流程清楚、周期可预期、不是给某一家开的特例。

判断:通道跑顺这件事对行业的意义,比某一家拿到证书大得多。因为它把一个不确定的行政风险,变成了一个可排期的工程成本——企业可以按「五个月 + 一支专职团队」来做预算,而不是按「不知道什么时候能过」来做赌博。可预算的风险才能进商业模型,这是备案制度最实质的作用。
四、备案是入场券,不是验收单

报道里公司方的表述很克制:安全、合规与可靠不是附加项,而是走向规模化应用的基础。这句话是对的,但它容易被读成「拿到备案就安全了」。

两者不是一回事。备案管的是「模型作为一项服务对外提供,是否合规」——训练语料来源、生成内容、知识产权、个人信息保护、准确性、可靠性、风险拦截。它管不到的是三件更具体的事:这台机器人在这个车间里是否安全、这个任务在来料波动时是否可靠、出了事由谁负责。

换句话说,备案证明的是「模型可以对外提供服务」,不是「设备可以在你的现场运行」。前者是国家标准,后者是客户验收单。

判断:这两张纸之间的距离,恰恰是行业现在最缺的东西。客户买机器人,问的不是参数量,也不是备案号,是「出了事谁兜」。而「谁兜」这个问题,目前只能靠一条款一条款谈合同、一次一次跑现场来回答。所以真正的门槛不在备案,在把安全流程拆成客户能签字的一行行条款——这件事没有统一标准,谁先做完,谁就能先拿到订单。

五、路线那一段,该信几分

官方表述的技术路线是端到端加通用具身大模型:把视觉、语言、触觉、动作和物理预测融合进一个统一模型,让机器人理解环境、物体与任务之间的关系,自主完成感知、判断、操作。能力特征是跨本体、跨任务、跨场景复用。

「跨本体」这三个字值得单独拎。它的意思是同一个模型能驱动不同构型的机器人——不同自由度、不同臂长、不同末端。这在工程上意味着模型的输出必须抽象到「任务意图」这一层,而不是直接输出关节角;再由一层适配器把意图翻译成具体本体的动作。

这个架构的好处是复用,坏处是每一层翻译都会损失精度。所以「跨本体」通常伴随一个代价:在单一本体上的极限性能,不如专门为它训的模型。这不是缺陷,是取舍。

报道还提到模型已经用在家庭服务和物流分拣这些真实场景。这两个场景的共同点是:任务边界相对清晰、失败代价可控。而工业装配、精密插接这类场景,报道没有提。

判断:「跨本体、跨任务、跨场景」是一组很好的融资语言,但它同时是一个很难验收的承诺——因为你没法用一个数字证明它。可验收的做法是反过来:指定三个构型、三个任务、三个场景,报九组成功率。这个测试目前没有人公开做,包括这家。所以对这条路线,合理的态度是:承认它的方向对,等它的九宫格。

来源:证券日报网 2026-11-14(GreatWall 通过广东省生成式人工智能服务备案、大湾区首家、5 个月评估、超 20 万次抽检、27148 道拒答、截至 11-11 广东累计 230 款、端到端与统一模型路线、跨本体 / 跨任务 / 跨场景复用、家庭服务与物流分拣场景、杨倩表态);《中国互联网发展报告 2026》(截至 2026-08 底全国 1112 款备案、731 款登记)。三条产品线名称出自公众号转述,按单一信源处理;文中密度换算为本文推算。