中國原始創新走上世界賽場。

8月22日，國家速滑館“冰絲帶”，一顆網球越過球網，朝對面高速飛去。

站在另一側的，是一臺人形機器人。

它盯住來球，移動腳步調整站位，隨后轉動身體揮出球拍。網球被擊回人類運動員所在的半場，一場發生在人與機器人之間的多拍對打由此展開。

這是第二屆世界人形機器人運動會開幕式上的一幕。銀河通用機器人與網壇頂尖運動員同場競技，在中央廣播電視總臺的直播鏡頭下完成自主跑動和擊球。單打環節中，它需要獨立判斷球路；進入雙打后，它還與人類隊友實時協作，根據場上局勢動態調整策略，更在高速攻防中上演極限救球。

本次大型賽事直播，實現全球范圍內里程碑式突破，完整呈現人形機器人全自主網球對打。亦是開創性實現機器人在真實賽場上自主感知、自主決策、自主行動，與人類運動員展開實時對抗和協同博弈。

十年前，2016年，AlphaGo在棋盤上戰勝李世石，讓人工智能第一次以震撼的方式走進公眾視野。十年后，銀河通用機器人在賽場上自主接住了世界名將的一顆網球回球，向世人呈現出具身智能的AstraTennis時刻。

而這一次，這個標志性時刻由中國締造，更成為中國原始技術創新最硬核的宣言。

1、形似更要神似，網球成為具身智能的硬核大考

今年的人形機器人運動會場面宏大。賽事官方資料顯示，大會共有2056臺機器人參加。跑步、武術、足球和乒乓球等51個賽項，都在試探人形機器人的運動極限。

網球并未被列入本屆運動會的正式比賽項目，而是以開幕式表演賽的形式呈現。

這并非因為這項運動對機器人來說為時過早——恰恰相反，而是因為全球范圍內，能將全自主網球對抗搬上真實賽場的，目前僅有銀河通用一家。規則的設定，要等待足夠多的參與者才能湊齊對陣表。而銀河通用選擇把這張對陣表上唯一的對手，交給了真正的人類網球運動員。

在足球場，機器人有時間調整站位；乒乓球擊球區域相對固定，主要考驗上半身。相比之下，網球要求機器人在全場跑動中追上高速來球，同時保持平衡并精準揮拍，還要根據對手的變化實時調整策略，對全身控制和自主決策的要求近乎苛刻。

換句話說，人形機器人已經能夠以接近人類運動員的方式完成一整場網球博弈，而賽場上最讓觀眾直觀感受到的，正是它身上流露出來的十足真人感。

一記來球被壓向底角時，它不會站在原地倉促揮拍，而是先橫向移動，再用一連串小碎步尋找擊球位置。身體重心穩定下來后，軀干隨之轉動，球拍迎著來球揮出。面對更刁鉆的落點，它還會跑過大半個球場，在接近失去平衡的情況下完成救球。發球、接發以及正反手切換都被連成了一套自然的動作。

“像人”只是第一步，更重要的是“懂網球”。

底線拉鋸時，機器人會根據對手的位置控制回球落點；出現機會球后，它又能向網前移動，改變擊球方式。單打時，它獨立組織每一拍的攻防；進入雙打，它可以觀察隊友的位置，判斷這一球該由誰處理，并及時補上場地中出現的空當。

更有趣的是，機器人不像人類運動員那樣會出現心理波動。無論比分領先還是落后，它都不急不躁，也不會因失誤而影響后續判斷，而是始終專注于下一球怎么打、下一分怎么爭取。

直播鏡頭更放大了這項技術的含金量。實驗室里的演示可以反復拍攝，真實賽場上的來球卻不會嚴格遵守訓練腳本。機器人面對世界級運動員時，每一拍都要快速作答。

這是今年3月，銀河通用機器人發布的AstraBrain Latent技術，首次展示了人形機器人與真人進行高動態、長程網球對拉。這段視頻一度讓海外科技圈懷疑自己的眼睛。特斯拉CEO埃隆·馬斯克也在社交平臺作出回應，特斯拉前AI負責人Andrej Karpathy則表示，自己第一次看到視頻時，甚至懷疑畫面由AI生成。

今天，在全球賽事直播上，銀河通用用高分表現回應了一切質疑。

2、大小腦協同，AstraTennis背后的技術躍遷

打過網球的人都知道，網球是一項同時把思考和行動逼到極限的運動，機器人也一樣：它既要理解比賽、做出決策，也要在高速對抗中讓身體精準執行。

支撐這一切的，是銀河通用自主研發的具身智能大模型銀河星腦（AstraBrain），它也是全球先一步將大腦、小腦、神經控制集于一體的具身大模型。

在銀河星腦的體系中，“大腦”負責理解和決策，它負責觀察來球并理解比賽局勢，決定采用怎樣的回球策略，思考怎樣才能贏下比賽。而“小腦”解決的，是如何在毫秒級時間內協調全身，讓機器人完成移動、平衡和揮拍。

網球擊球發生在極短的時間窗口內，機器人需要在高速跑動中完成全身動態平衡，讓雙腿、軀干、手臂乃至腕部形成高度協調，以足夠的爆發力和精準度完成揮拍。通過小腦驅動，機器人的動作不再是機械、割裂的指令執行，而能夠呈現出更加擬人、流暢、高動態的運動狀態。

但僅僅擁有大小腦協同，還不足以讓機器人達到這樣的水平。更關鍵的問題是：機器人究竟從哪里學會這些能力？

一個人學習網球，通常會先練習揮拍和步法，再通過大量對打形成球感，但機器人卻很難獲得一套足夠完整的學習材料。

一個辦法是記錄職業運動員打球，但這需要在大范圍場地內進行高精度動作捕捉。快速揮拍時，手腕和拍面的細微變化也要被準確記錄。即使收集到完整的人體動作，機器人的關節結構和運動范圍與人類依然存在差異，很難直接復制。

銀河星腦的特別之處在于，它可以從不完美的人類數據中學習，并在虛擬網球世界中讓機器人通過千萬次的人類先驗進行學習、反思，同時進行多個智能體博弈、對練，使機器人實現技能的涌現，并遷移至物理世界。

這些“不完美”數據進入銀河通用核心技術平臺“銀河星坊”后，會繼續在虛擬世界中被放大。平臺可以將零散的人類動作轉化為機器人可學習的數據，并持續生成不同球速、落點和對手條件下的訓練任務。

按照銀河通用創始人兼CTO王鶴的說法，機器人在虛擬網球世界中積累的訓練時間，相當于人類日夜不息連續打了數十年網球。

更有趣的是，多個虛擬機器人還可以相互對練。它們在大量回合中嘗試不同的跑動路線和擊球策略，并根據結果繼續調整。機器人由此逐步掌握連續擊球、底線調動和落點控制，也開始學習如何在博弈中創造得分機會。

換句話說，人類數據告訴機器人動作大致應該是什么樣子，強化學習則幫助它找到適合自己身體的實現方式。

3、AI開始挑戰真實世界的復雜博弈

某種意義上，AstraTennis與AlphaGo構成了跨越十年的技術呼應，也映照出人工智能兩代范式的區別。

AlphaGo依靠海量棋局與自我博弈，在封閉、確定的數字棋盤空間完成策略博弈，證明AI可以在規則明確的世界內戰勝人類頂尖棋手，開啟了深度博弈AI的時代。但棋盤之內，一切都限定在符號與推演；而AstraTennis，則把博弈智能從虛擬數字空間，推入充滿噪聲、擾動與不確定性的真實物理世界。

機器人不再只是做紙上推演，而是必須同步完成環境感知、局勢決策、全身動態控制與復雜物理交互，智能不再止步于思考，更需要完成“認知決策+全身執行”的完整閉環。這種思維與軀體高度綁定的雙重考驗，看似是運動場景的基礎要求，卻是長期橫亙在具身智能產業化落地前的核心壁壘，也是全球行業始終難以突破的技術難題。

想要讓機器人真正適配真實物理世界，不僅要攻克智能決策的算法難題，更要解決軀體精準執行、動態環境適配的落地痛點，這也讓行業長期深陷各類現實瓶頸：高質量物理交互數據稀缺，完整人體動作又無法直接復刻給機器人本體，大量方案仍停留在實驗室腳本化演示，很難經受公開直播的真實檢驗。

針對全行業的落地困境，銀河通用這套技術路徑給出了關鍵破局思路：依托不完美人類先驗數據做啟蒙，通過虛擬網球場千萬次多智能體博弈完成技能涌現，再完成到現實的遷移；大小腦一體化架構，則打通高層認知決策到毫秒級全身運動控制的完整鏈路，從根源上解決了決策與執行脫節、真實場景適配性差的行業痛點。

當人形機器人能夠在大型賽事直播中，自主完成一整套完整網球博弈，其價值早已超越打網球這件事本身。這套經過高動態對抗淬煉的技術底座具備通用遷移潛力：大量樣本學習降低復雜任務的數據門檻；自我博弈習得協作與對抗邏輯；虛擬訓練讓機器人在落地現實前積累海量經驗；大小腦協同，則讓智能真正轉化為穩定可復用的行為。這意味著，家庭輔助、工業操作、醫療協助等大量高度依賴人類經驗的非結構化任務，正在進入具身智能的可解疆域。

客觀來看，對比職業運動員，機器人在擊球爆發力、戰術多樣性上仍有可以提高的空間。但在無腳本的公開賽場，實現與人類運動員連續自主對抗，已經標志著全球人形機器人跨過一道關鍵技術拐點：具身智能不再只是單點演示，開始具備在真實、不可控場景下持續完成長時序復雜任務的能力。

放眼全球賽道，多數團隊仍沿用大模型疊加現成控制器的拼接路線，而銀河通用選擇從具身智能底層出發，完整構建從“大腦”任務理解博弈決策，到“小腦”全身實時運動控制的原生技術鏈條，并且選擇網球這一難度極高的真實對抗場景完成集中驗證。

這便是“AstraTennis時刻”的行業分量。它不只是一家企業的單點技術成果，更代表中國團隊在具身智能這條下一代AI核心賽道上，走出一條自主探索的原始創新路徑。

過去十年AI的高光時刻多誕生于海外實驗室，而今天，中國本土團隊正在物理智能領域產出具備全球討論度的原創突破，把AI的能力邊界，從封閉棋盤推向更為廣闊、復雜的現實世界。

AstraTennis由此成為一個由中國原創技術呈現、也能被全球共同見證的具身智能里程碑。