中国原始创新走上世界赛场。

8月22日，国家速滑馆“冰丝带”，一颗网球越过球网，朝对面高速飞去。

站在另一侧的，是一台人形机器人。

开运体育它盯住来球，移动脚步调整站位，随后转动身体挥出球拍。网球被击回人类运动员所在的半场，一场发生在人与机器人之间的多拍对打由此展开。

这是第二届世界人形机器人运动会开幕式上的一幕。银河通用机器人与网坛顶尖运动员同场竞技，在中央广播电视总台的直播镜头下完成自主跑动和击球。单打环节中，它需要独立判断球路；进入双打后，它还与人类队友实时协作，根据场上局势动态调整策略，更在高速攻防中上演极限救球。

本次大型赛事直播，实现全球范围内里程碑式突破，完整呈现人形机器人全自主网球对打。亦是开创性实现机器人在真实赛场上自主感知、自主决策、自主行动，与人类运动员展开实时对抗和协同博弈。

十年前，2016年，AlphaGo在棋盘上战胜李世石，让人工智能第一次以震撼的方式走进公众视野。十年后，银河通用机器人在赛场上自主接住了世界名将的一颗网球回球，向世人呈现出具身智能的AstraTennis时刻。

而这一次，这个标志性时刻由中国缔造，更成为中国原始技术创新最硬核的宣言。

1、形似更要神似，网球成为具身智能的硬核大考

今年的人形机器人运动会场面宏大。赛事官方资料显示，大会共有2056台机器人参加。跑步、武术、足球和乒乓球等51个赛项，都在试探人形机器人的运动极限。

网球并未被列入本届运动会的正式比赛项目，而是以开幕式表演赛的形式呈现。

这并非因为这项运动对机器人来说为时过早——恰恰相反，而是因为全球范围内，能将全自主网球对抗搬上真实赛场的，目前仅有银河通用一家。规则的设定，要等待足够多的参与者才能凑齐对阵表。而银河通用选择把这张对阵表上唯一的对手，交给了真正的人类网球运动员。

在足球场，机器人有时间调整站位；乒乓球击球区域相对固定，主要考验上半身。相比之下，网球要求机器人在全场跑动中追上高速来球，同时保持平衡并精准挥拍，还要根据对手的变化实时调整策略，对全身控制和自主决策的要求近乎苛刻。

换句话说，人形机器人已经能够以接近人类运动员的方式完成一整场网球博弈，而赛场上最让观众直观感受到的，正是它身上流露出来的十足真人感。

一记来球被压向底角时，它不会站在原地仓促挥拍，而是先横向移动，再用一连串小碎步寻找击球位置。身体重心稳定下来后，躯干随之转动，球拍迎着来球挥出。面对更刁钻的落点，它还会跑过大半个球场，在接近失去平衡的情况下完成救球。发球、接发以及正反手切换都被连成了一套自然的动作。

“像人”只是第一步，更重要的是“懂网球”。

底线拉锯时，机器人会根据对手的位置控制回球落点；出现机会球后，它又能向网前移动，改变击球方式。单打时，它独立组织每一拍的攻防；进入双打，它可以观察队友的位置，判断这一球该由谁处理，并及时补上场地中出现的空当。

更有趣的是，机器人不像人类运动员那样会出现心理波动。无论比分领先还是落后，它都不急不躁，也不会因失误而影响后续判断，而是始终专注于下一球怎么打、下一分怎么争取。

直播镜头更放大了这项技术的含金量。实验室里的演示可以反复拍摄，真实赛场上的来球却不会严格遵守训练脚本。机器人面对世界级运动员时，每一拍都要快速作答。

这是今年3月，银河通用机器人发布的AstraBrain Latent技术，首次展示了人形机器人与真人进行高动态、长程网球对拉。这段视频一度让海外科技圈怀疑自己的眼睛。特斯拉CEO埃隆·马斯克也在社交平台作出回应，特斯拉前AI负责人Andrej Karpathy则表示，自己第一次看到视频时，甚至怀疑画面由AI生成。

今天，在全球赛事直播上，银河通用用高分表现回应了一切质疑。

2、大小脑协同，AstraTennis背后的技术跃迁

打过网球的人都知道，网球是一项同时把思考和行动逼到极限的运动，机器人也一样：它既要理解比赛、做出决策，也要在高速对抗中让身体精准执行。

支撑这一切的，是银河通用自主研发的具身智能大模型银河星脑（AstraBrain），它也是全球先一步将大脑、小脑、神经控制集于一体的具身大模型。

在银河星脑的体系中，“大脑”负责理解和决策，它负责观察来球并理解比赛局势，决定采用怎样的回球策略，思考怎样才能赢下比赛。而“小脑”解决的，是如何在毫秒级时间内协调全身，让机器人完成移动、平衡和挥拍。

网球击球发生在极短的时间窗口内，机器人需要在高速跑动中完成全身动态平衡，让双腿、躯干、手臂乃至腕部形成高度协调，以足够的爆发力和精准度完成挥拍。通过小脑驱动，机器人的动作不再是机械、割裂的指令执行，而能够呈现出更加拟人、流畅、高动态的运动状态。

但仅仅拥有大小脑协同，还不足以让机器人达到这样的水平。更关键的问题是：机器人究竟从哪里学会这些能力？

一个人学习网球，通常会先练习挥拍和步法，再通过大量对打形成球感，但机器人却很难获得一套足够完整的学习材料。

一个办法是记录职业运动员打球，但这需要在大范围场地内进行高精度动作捕捉。快速挥拍时，手腕和拍面的细微变化也要被准确记录。即使收集到完整的人体动作，机器人的关节结构和运动范围与人类依然存在差异，很难直接复制。

银河星脑的特别之处在于，它可以从不完美的人类数据中学习，并在虚拟网球世界中让机器人通过千万次的人类先验进行学习、反思，同时进行多个智能体博弈、对练，使机器人实现技能的涌现，并迁移至物理世界。

这些“不完美”数据进入银河通用核心技术平台“银河星坊”后，会继续在虚拟世界中被放大。平台可以将零散的人类动作转化为机器人可学习的数据，并持续生成不同球速、落点和对手条件下的训练任务。

按照银河通用创始人兼CTO王鹤的说法，机器人在虚拟网球世界中积累的训练时间，相当于人类日夜不息连续打了数十年网球。

更有趣的是，多个虚拟机器人还可以相互对练。它们在大量回合中尝试不同的跑动路线和击球策略，并根据结果继续调整。机器人由此逐步掌握连续击球、底线调动和落点控制，也开始学习如何在博弈中创造得分机会。

换句话说，人类数据告诉机器人动作大致应该是什么样子，强化学习则帮助它找到适合自己身体的实现方式。

3、AI开始挑战真实世界的复杂博弈

某种意义上，AstraTennis与AlphaGo构成了跨越十年的技术呼应，也映照出人工智能两代范式的区别。

AlphaGo依靠海量棋局与自我博弈，在封闭、确定的数字棋盘空间完成策略博弈，证明AI可以在规则明确的世界内战胜人类顶尖棋手，开启了深度博弈AI的时代。但棋盘之内，一切都限定在符号与推演；而AstraTennis，则把博弈智能从虚拟数字空间，推入充满噪声、扰动与不确定性的真实物理世界。

机器人不再只是做纸上推演，而是必须同步完成环境感知、局势决策、全身动态控制与复杂物理交互，智能不再止步于思考，更需要完成“认知决策+全身执行”的完整闭环。这种思维与躯体高度绑定的双重考验，看似是运动场景的基础要求，却是长期横亘在具身智能产业化落地前的核心壁垒，也是全球行业始终难以突破的技术难题。

想要让机器人真正适配真实物理世界，不仅要攻克智能决策的算法难题，更要解决躯体精准执行、动态环境适配的落地痛点，这也让行业长期深陷各类现实瓶颈：高质量物理交互数据稀缺，完整人体动作又无法直接复刻给机器人本体，大量方案仍停留在实验室脚本化演示，很难经受公开直播的真实检验。

针对全行业的落地困境，银河通用这套技术路径给出了关键破局思路：依托不完美人类先验数据做启蒙，通过虚拟网球场千万次多智能体博弈完成技能涌现，再完成到现实的迁移；大小脑一体化架构，则打通高层认知决策到毫秒级全身运动控制的完整链路，从根源上解决了决策与执行脱节、真实场景适配性差的行业痛点。

当人形机器人能够在大型赛事直播中，自主完成一整套完整网球博弈，其价值早已超越打网球这件事本身。这套经过高动态对抗淬炼的技术底座具备通用迁移潜力：大量样本学习降低复杂任务的数据门槛；自我博弈习得协作与对抗逻辑；虚拟训练让机器人在落地现实前积累海量经验；大小脑协同，则让智能真正转化为稳定可复用的行为。这意味着，家庭辅助、工业操作、医疗协助等大量高度依赖人类经验的非结构化任务，正在进入具身智能的可解疆域。

客观来看，对比职业运动员，机器人在击球爆发力、战术多样性上仍有可以提高的空间。但在无脚本的公开赛场，实现与人类运动员连续自主对抗，已经标志着全球人形机器人跨过一道关键技术拐点：具身智能不再只是单点演示，开始具备在真实、不可控场景下持续完成长时序复杂任务的能力。

放眼全球赛道，多数团队仍沿用大模型叠加现成控制器的拼接路线，而银河通用选择从具身智能底层出发，完整构建从“大脑”任务理解博弈决策，到“小脑”全身实时运动控制的原生技术链条，并且选择网球这一难度极高的真实对抗场景完成集中验证。

这便是“AstraTennis时刻”的行业分量。它不只是一家企业的单点技术成果，更代表中国团队在具身智能这条下一代AI核心赛道上，走出一条自主探索的原始创新路径。

过去十年AI的高光时刻多诞生于海外实验室，而今天，中国本土团队正在物理智能领域产出具备全球讨论度的原创突破，把AI的能力边界，从封闭棋盘推向更为广阔、复杂的现实世界。

AstraTennis由此成为一个由中国原创技术呈现、也能被全球共同见证的具身智能里程碑。