人形机器人公司话术
对外同时宣传 WAM、VLA、RL、世界模型多条研发线，PPT 和访谈里概念齐全；真实项目落地只用开源 VLA 做后训练 + 场景微调，自研基座仅和高校实验室合作、用来发论文，完全不进业务流。世界模型、WAM 长期停留在探索起步阶段，没有真机验证闭环。对外宣传 "千卡卡池"，但卡池构成混杂大量非英伟达算力（阿里 PPU 等），可用 H 卡占比很低；训练任务队列长期拥堵，十几个任务排队是常态，研究员想跑实验要等很久，纸面算力不等于你能拿到的算力资源。
扎堆跟风 VLA/WAM 概念，只做漂亮演示视频，回避真实物理世界痛点：光照、摩擦力、来料公差、异常工况。仿真里成功率 99%，真机落地直接腰斩；混淆 "人遥控的遥操作演示" 和模型自主执行，路演在盲区人工操控，冒充全自主智能机器人。
号称自建数据闭环，实际单场景仅几百条自采数据，没有规模化高质量交互数据集；缺少故障、打滑、物体破损这类负样本，换一个物体、换一处环境就失效。数据采集、标注、验证全靠人肉堆，自动化数据闭环跑不起来。
数采中心向机器人公司下大额采购订单，机器人公司拿到营收后，再花钱反向从这个数采中心采购训练数据。钱在关联圈子空转，没有工厂、物流方这类真实商业客户买单，只为做报表、冲估值、准备 IPO。
对外宣传物流分拣、商超取货、工业上下料三大落地场景，但全部是单点样板。每一个点位都要单独采集数据、单独微调模型，交付周期长、人力成本极高，换一个仓库、换一款物料就要重做一套适配，无法规模化复制。客户付费意愿弱，大多是补贴、示范项目，不是持续性复购订单。
样机送出去拍照验收就算交付，不考核长时间连续运行的稳定性、稼动率。机器人放在数采间反复演示拍视频，不是在产线上持续干活；不提故障率、停机干预频次，只放单次成功的演示片段。
前沿预研组（世界模型、WAM、RL）独立跑论文、做实验，不和落地项目对齐；工程落地组只管拿开源模型做场景适配，预研产出长期无法下放到业务，两套体系互不打通。研究员只管刷指标发文章，不管真机好不好用、部署成本多高。
没有稳定的算力调度、配额机制，训练任务全靠排队；核心项目优先占卡，普通研究员资源不可预期。对外统一宣传千卡算力，面试时不会主动告诉你排队周期、你所在小组能分到多少卡。
招聘 JD 写 VLA 算法、世界模型、强化学习研究员；入职后核心工作是采集场景数据、打标签、对开源模型做 SFT/RLHF 后训练、真机反复试错调参、写演示视频脚本，几乎没有底层基座自研工作。
对外宣传自研通用具身基座、千卡算力集群、多场景商业化落地、WAM 世界模型路线领跑，对内真实状态是开源模型微调、算力排队抢卡、样板单点交付、自研基座仅论文阶段。
这些术语真的多
页:
[1]