Reference · Company dossier
Meta 不是独立的机器人公司；其机器人能力由 FAIR 的基础研究、Reality Labs 的 Meta Robotics Studio 人形硬件项目与 Meta Superintelligence Labs（MSL）共同承载，目标更接近"人形机器人的 Android"——卖软件与模型，而非自己量产硬件。[确认]
FAIR 于 2013 年由 Yann LeCun 创立；2025 年 5 月 Rob Fergus 接任负责人，同年 FAIR 并入 MSL，LeCun 于 2025 年 11 月离职创办 AMI Labs。[确认] 2025 年 2 月 Meta 在 Reality Labs 内成立机器人团队，前 Cruise CEO Marc Whitten 任 VP Robotics，2026 年 8 月离职出任 Dolby CEO；2026 年下半年 Meta 挂出"VP Robotics"招聘，负责执掌 Robotics Studio。[确认] MIT 仿生机器人实验室负责人 Sangbae Kim 于 2025 年 3 月加入任 Robotics Architect；Li-Chen Miller 于 2025 年 10 月任机器人产品 VP。[确认] 团队规模报道约百名工程师。[推测]
Meta 为上市公司，机器人业务无独立融资与估值，预算未单独披露。[未获取] 2026 年全公司资本开支指引为 1,250–1,450 亿美元，主要用于 AI 基础设施，并非机器人专项。[确认] Reality Labs 2025 年收入 22 亿美元、经营亏损 192 亿美元。[确认] 2026 年 5 月收购 Assured Robot Intelligence（ARI），金额未披露。[确认]
尚无商用机器人；内部人形项目代号"Metabot"。[确认] Robotics Studio 负责硬件、工业设计与制造，CTO Bosworth 明确表示"硬件不是瓶颈，软件才是"，并愿意向其他厂商授权软件平台。[确认] 研究输出包括：Digit 360 触觉指尖、Sparsh 触觉表征、Digit Plexus 触觉集成方案、PARTNR 人机协作基准（2024-10）；V-JEPA 2 世界模型（2025-06）；DINOv3 视觉骨干（2025-08-14，70 亿参数、17 亿图像）；SAM 3 与 SAM 3D（2025-11-19）。[确认] ARI 带来全身人形控制与触觉传感器团队，创始人 Lerrel Pinto、Xiaolong Wang 并入 MSL。[确认]
Meta 的机器人技术栈分布在两个组织：MSL 下属的 FAIR 做基础模型，Reality Labs 的 Robotics Studio 做人形硬件[确认]。模型层包括 DINOv3 视觉骨干、SAM 3 与 SAM 3D 分割重建、V-JEPA 2 世界模型、Digit 360 与 Sparsh 触觉表征、PARTNR 人机协作基准[确认]。硬件层是内部代号 Metabot 的人形项目[确认]。
数据流以自监督预训练为主。海量图像与视频进入骨干网络，学习通用视觉与物理演化表征；机器人数据用于下游微调，策略在仿真与真机上评估；模型以开源权重或商用许可发布，外部团队接入自己的本体[确认]。
这套栈的重心在视觉与触觉，运动控制与整机集成由后续团队补齐。CTO Bosworth 公开表示瓶颈在软件，并愿意向其他厂商授权软件平台[确认]。技术路线的假设是通用感知与触觉表征可以跨本体迁移，本体形态由客户决定。
视觉是 Meta 最强的一环。DINOv3 为 70 亿参数、17 亿图像训练的自监督骨干[确认]，输出的密集特征可用于分割、跟踪、深度估计与语义检索。SAM 3 支持可提示分割，SAM 3D 从单图或视频重建三维结构[确认]，两者组合让机器人获得物体边界与空间位置。
触觉补齐接触信息。Digit 360 是多模态触觉指尖，集成触觉与多模态传感[确认]，Sparsh 提供触觉表征学习框架，Digit Plexus 把多指触觉整合成统一接口[确认]。这套组合覆盖抓取时的滑移检测、材质区分与力控反馈。
感知输出要经过一层几何转换才能用于抓取。分割掩码给出物体边界，SAM 3D 给出点云与坐标系。DINO 特征用于在同类物体间做匹配，三条信息在标定后的相机坐标系里合并，得到抓取位姿。标定误差会直接放大为抓取偏差，手腕相机的在线校正因此不可省略。
失败模式包括透明与反光物体的深度缺失、遮挡环境下的分割错误、触觉传感器长期使用后的漂移、跨本体的标定差异。定位能力未公开，Meta 没有自有整机的量产导航系统[未获取]。
规划层的核心是 V-JEPA 2。研究口径称它在潜空间预测视频的未来状态，可作为世界模型用于模型预测控制、长程任务分解与策略评估[确认]。PARTNR 提供人机协作的家务任务基准，测量机器人在人类指令下的任务完成率与安全指标[确认]。
控制能力来自 2026 年收购的 Assured Robot Intelligence。ARI 团队带来全身人形控制与触觉传感器经验，创始人 Lerrel Pinto 与 Xiaolong Wang 并入 MSL[确认]。Sangbae Kim 以 Robotics Architect 身份加入，带来 MIT 仿生机器人实验室的整机设计经验[确认]。
全身控制与移动操作依赖遥操作数据。人形机器人在家庭环境里需要保持平衡、避让家具、用手完成开门与取物，控制频率与感知延迟的匹配决定稳定性。ARI 团队的经验集中在触觉驱动的精细操作，双足行走的可靠性由另一组人承担。
操作能力的公开证据停留在研究演示。Meta 没有发布量产本体的抓取成功率、续航、负载与故障率数据[未获取]。家庭环境的操作难度高于实验室：衣物、餐具、抽屉的形态变化大，安全边界要求高。
训练以自监督为主。DINOv3 用 17 亿图像学习通用特征[确认]，V-JEPA 2 用视频学习物理演化[确认]，SAM 系列用大规模分割标注。Meta 的算力来自公司 AI 基础设施，2026 年资本开支指引 1,250 亿至 1,450 亿美元，主要用于 AI 基础设施，机器人业务无单独预算披露[未获取]。
机器人数据是短板。Meta 没有自有车队在真实场景采集操作数据，遥操作与仿真数据占主要部分[推测]。Tesla 与 Figure 用自有整机采集真实操作数据，样本分布更接近部署环境[推测]。Meta 的补偿方式是与本体厂商合作，用授权换取数据[推测]。
验证边界由评测体系承担。机器人策略的泛化能力需要在多本体、多场景上测试，Meta 用仿真环境与内部真机做对比，部分评测结果随论文与模型卡发布[确认]。公开基准覆盖抓取、导航与指令跟随，覆盖不了长期运行的可靠性。
开源策略扩大影响力，也削弱数据优势。模型权重公开后，竞争对手可以基于同一骨干做微调，差异缩小到数据与工程。Meta 的持续领先依赖下一代模型的代际差。
Robotics Studio 承担人形硬件的工业设计、执行器选型与制造工艺[确认]。团队规模约百名工程师[推测]，负责人岗位公开招募中，Marc Whitten 于 2026 年 8 月离职出任 Dolby CEO[确认]。硬件路线尚未公开执行器方案、自由度与成本目标[未获取]。
供应链能力未建立。Meta 没有机器人量产线，零部件采购与代工安排未披露[未获取]。头部整机厂各有制造路径，Meta 没有自有产线，硬件成本控制在早期阶段缺乏证据。
执行器选型存在路线取舍。电驱方案控制精度高、维护简单，液压方案瞬时功率大、结构复杂，两条路线在成本与可靠性上各有取舍[推测]。Meta 的研究偏向感知与触觉，执行器选型可以留给合作伙伴，这也降低了自建供应链的紧迫性。
替代方案是纯授权模式，把本体交给合作伙伴。Bosworth 的表态接近这个方向[确认]，好处是避免与客户竞争，代价是失去对整机体验的控制。若合作伙伴的硬件不过关，模型口碑受牵连。
Meta 的接口以模型与工具链形式提供。SAM、DINO 系列以开源权重发布，配套推理代码与许可条款[确认]；V-JEPA 2 提供预训练模型与评测脚本[确认]；PARTNR 提供基准环境与任务定义[确认]。开发者用 PyTorch 接入，硬件厂商把模型部署到自有算力平台。
授权模式尚在探索。据 Bloomberg 报道，Meta 与 Unitree、Figure 有过接触，具体商务条款未公开[确认]。若采用模型授权加分成的做法，客户要适配 Meta 的输入输出格式、传感器配置与安全规范，迁移成本随集成深度上升。
生态优势来自开源社区。从论文引用与二次开发看，SAM 系列在图像分割领域被广泛使用，DINO 特征成为视觉任务的常用基线[确认]。这套影响力集中在研究界与软件公司，机器人整机厂的采购决策仍看现场可靠性与成本。
独占资源成立，是当前最强的一项。十亿级图像的视觉骨干、视频世界模型与触觉数据集需要数年与数亿美元投入，学术界与小公司难以复制[推测]。这类资源的可持续性取决于代际差：视觉与视频自监督的 scaling 仍在推进，Meta 的算力与数据规模支持下一代模型继续领先；一旦架构创新转向机器人专用数据，优势会转移到拥有车队的公司[推测]。
网络经济部分成立。开源形成的开发者基础让模型被集成得越多、工具链与预训练权重的价值越高[确认]。机器人客户的数量有限，这层网络效应主要发生在研究界，商业侧的自我强化尚未出现。
转换成本低。开源权重可以自由下载，客户换模型的代价主要是重新调参与验证，数据与接口层面没有锁定[推测]。
品牌部分成立。Meta 在 AI 研究领域的品牌强度高，在机器人整机厂的采购决策中影响力弱，采购方看的是现场可靠性与成本[推测]。
规模经济不成立。Meta 没有量产硬件，采购与制造没有成本优势，模型训练的固定成本也无法靠机器人业务摊薄。
流程能力不成立。从研究原型到量产交付的流程尚未建立，硬件负责人离职后岗位仍在招募，制造与现场部署的经验缺口在 5.5 已经列出。
反定位不成立。Meta 向整机厂授权，与客户处在同一侧，不需要对手放弃现有业务才能模仿；需要警惕的是反向情形，整机厂自研模型对 Meta 构成反定位。
综合看，壁垒集中在独占资源一项，网络经济只在研究界成立；品牌部分成立，规模经济、流程能力、转换成本、反定位四项不构成壁垒。这套结构决定 Meta 的议价权取决于模型是否不可替代。
第一条反证在商业化。观察窗口 18 个月，截至 2028 年 4 月，指标是公开授权的客户数量与搭载 Meta 模型的整机出货量；若签约客户为零，或首个授权项目在合同期内终止，结论应改为"研究影响力强、商业壁垒未建立"。
第二条在模型竞争。观察窗口 18 个月，指标是 Gemini Robotics 与 GR00T 在第三方机器人基准上的成功率差值，以及授权条款的报价水平；若 Meta 落后 10 个百分点以上且客户转向竞品，结论同样改为"研究影响力强、商业壁垒未建立"，模型层降为技术输出。
第三条在组织。观察窗口 12 个月，截至 2027 年 10 月，指标是 Robotics Studio 负责人到岗时间与核心研究员留存；若岗位空缺超过 12 个月，或三名以上核心研究员离职，硬件路线中断，结论应改为"以模型授权为主的轻资产供应商"。
第四条在战略。观察窗口 24 个月，指标是 Meta 是否发布自有品牌整机、是否与代工厂签订量产合同；若 Meta 自产整机，与潜在客户形成竞争，授权模式瓦解，结论应改为"整机厂与模型供应商的双重身份，客户关系重构"。
确认信号是首个授权合同公开、合作整机出货，模型在第三方机器人基准上保持领先。
短期不以硬件销售为目标，路径是向机器人厂商授权模型与软件；Bloomberg 曾报道 Meta 与 Unitree、Figure 接触。[确认] 长期指向家庭服务场景。[确认] 无机器人业务收入披露。[未获取]
模型层对手为 Google DeepMind（Gemini Robotics）、NVIDIA（GR00T/Isaac）、Physical Intelligence、Skild AI；硬件层为 Tesla Optimus、Figure、1X、Unitree、Agility。[确认] Meta 的差异化是视觉与触觉基础模型的积累及资金，劣势是产品化记录与组织稳定性。[推测]
风险：两年内 FAIR 并入 MSL、LeCun 出走、Whitten 离职，战略连续性存疑；研究强、产品弱，若长期只做授权，议价权取决于模型是否不可替代；家用机器人的隐私与安全争议会放大品牌风险。[推测] 结论：Meta 更可能成为机器人"大脑与感官"的供应商，2027 年前难有商用整机；最大变数是它是否愿意持续为硬件团队买单。[推测]
Philosophy sword
融合主轴尚未定义。这里将放：一句话定性、三线状态、三项判定与反证条件。
预留位 · 不参与当前分析