貝塔無限發布BetaMem：機器人真正的門檻，不止是大小腦，還有記憶

【摘要】家庭機器人離真正進家門，差的可能不是一只更靈巧的手，或是一套精密的小腦系統，而是一套能理解生活的記憶系統。

不久前，貝塔無限提出BetaMem 全時空多模態記憶架構，試圖解決消費級具身智能最難的一環：機器人不能每次都從零開始聽命令，而要記住物品、空間、人物、情景和經驗，把互動沉淀成下一次服務的能力。

這意味著，機器人競爭的重點正在從轉向“能不能減少反復解釋的成本”。對于消費級機器人而言，真正的智能不只是聽見一句話，而是理解背后沒說出口的那句話。

以下為正文：

在過去兩年的演示里，行業習慣了一個畫面：機器人能看見桌上的杯子，聽懂人的指令，伸手、抓取、遞回，動作未必絲滑，但足夠讓人相信家庭機器人是個快來的概念。

但問題在于，真實生活里，人很少下達完美指令。

我們說“幫我找一下鑰匙”，其實省略了昨晚誰回家、鑰匙平常放哪、今天誰動過物品等各種記憶，這些記憶，是一條鏈接了物、人、空間、時間和習慣的任務鏈。機器人能否走向智能，這類記憶是一條重要門檻。

在上面問題的大背景下，具身智能初創公司貝塔無限不久前提出了一個新解法：BetaMem 全時空多模態記憶架構。

通俗來講，是把問題從機器人的單次任務，推進到“改良下一次服務”。在貝塔無限創始人兼CEO劉武龍博士看來，家庭機器人的第一性原理，不是像人，而是減少人反復解釋生活的成本。

一個機器人如果每次都從零開始，就永遠只是工具，只有當它開始記得，才有可能真正走進家門。

01

家里的指令，都是“暗號”

2023 年，Alphabet 砍掉了一個曾經被寄予厚望的機器人項目：Everyday Robots。

在此之前，這支團隊已經在Google辦公區里訓練過上百臺帶機械臂的輪式機器人。它們會擦桌子、分揀垃圾、開門，也會在辦公室里完成一些看起來頗具日常感的任務。

后來，團隊還把大語言模型接入機器人系統，讓機器人不只是聽懂“去拿薯片”，甚至能從“我餓了”這樣的自然表達里，推斷出“也許應該去找點吃的”。

這聽起來已經很接近人們想象中的服務機器人了。

但問題是，為什么連 Alphabet 這樣的公司，擁有資金、數據、模型和工程團隊，最后也沒能把機器人推進到真正的大規模日常部署？

答案在于，“日常”本身被低估了。辦公室仍然是一個相對規整的空間，邊界相對清楚，人的行為也更容易被流程化。即便如此，機器人要穩定運行也并不容易。進入家庭，變量會陡然增多：物品擺放沒有標準，人的習慣難以窮盡，很多規則只存在于長期共同生活形成的默契里。

這意味著，家庭里的指令，本質上不是命令，而是暗號。

用戶不會像給模型寫prompt一樣生活，不會每次都把目標、偏好、負向引導、歷史錯誤講清楚。一遍遍地補充、糾錯、重來，看似智能，實際十分消耗。

從這個角度看，BetaMem給出了一個新可能。

它把記憶拆成實體、空間、情景、語義、經驗、程序六類，真正要解決的問題是把家庭生活里那些模糊、分散、反復出現的經驗，轉化成機器人下一次可以調用的資源。

實體記憶讓機器人知道這是什么，空間記憶讓它知道通常在哪，情景記憶讓它記住“誰在什么時候做過什么”，經驗記憶讓它從上一次成功或失敗里修正判斷，程序記憶則把一套家庭流程沉淀成可復用的動作鏈。

它們合在一起，才有可能讓機器人從聽見一句話進化到理解一句話。

因此，家庭機器人真正難的，是判斷用戶為什么這么說、哪些話不用說、哪些事不能擅自做。誰能接住這些省略，誰才真正摸到了消費級具身智能的入口。

02

記憶不是垃圾桶

如果說家庭里的“暗號”很重要，那么下一步問題就在于：機器人到底應該怎么記憶？

公司大可以讓產品把攝像頭、麥克風、動作軌跡全都存下來。這樣看似最完整，實際上卻不一定效果好。一個家庭機器人如果 24 小時記錄所有畫面，它得到的不是記憶，而是一座越來越難檢索的倉庫，除了數據隱私問題，思考也會被計算成本和噪聲淹沒。

因此，真正的記憶不是記錄發生過什么，而是把發生過的事加工成未來能用的判斷。

同樣是收拾桌子的指令，第一次，機器人可能只是把所有東西清空；第二次，它應該知道某些東西不能亂動；再往后，它應該形成一套基于擺放習慣的家庭規則。

所以，真正的機器人記憶至少要完成三次加工。

第一次，是從原始感知里篩掉噪聲，不是所有對話都需要進入長期記憶。第二次，是把分散事件變成結構化關系：物品和位置的關系，人和習慣的關系，任務和結果的關系。第三次，是把這些關系重新變成行動策略，讓機器人下一次能少問一句、少犯一次錯、少讓人解釋一遍。

這就是BetaMem的價值。它提出實時、小時、天、周、月、年的多尺度終身記憶，提出在不同時間尺度上的信息，應該服務不同層級的決策。抓杯子需要的是即時視覺反饋；找鑰匙需要的是短期情景回溯；照顧一個家庭成員的日常習慣，則需要跨天、跨周的經驗歸納。

公司提到的“直覺留存-反思重構”快慢雙通路，類似于給機器人補上一個時間維度上的雙系統：快系統負責保留眼前任務的關鍵線索，慢系統負責在長期互動中重構穩定經驗。

所以，BetaMem要解決的，不是記住更多，而是能不能知道什么該記、怎么記、什么時候用、什么時候忘。

03

為什么是現在？

此前，劉武龍博士有個有意思的判斷，具身智能規模化落地前面有“四座大山”：硬件可靠性、高質量數據、模型范式、真實數據飛輪。

這四座山，正好解釋了為什么很多機器人 demo 看起來很近，產品化卻很遠。

硬件不穩定，機器人無法長期在場；數據不足，模型就缺少真實世界的基礎；模型范式不清，長程任務就容易中斷；數據飛輪跑不起來，產品就無法在真實使用中自我進化。

具身智能的落地，并不是一個“模型”問題，而是一個“系統”問題。

數據側，公司提出 BetaData 三階段數據引擎，先更高效地采集真實操作數據，再把人類行為遷移成機器人可學習的數據，最后讓真機在真實任務中繼續試錯和優化。

模型側，BetaBrain 統一大腦，BetaMem 負責長程記憶，BWAM 則補上對物理世界的理解。公開介紹中，BetaMem 在 15 分鐘典型長程任務中的成功率較行業主流模型提升 20%。

這也是為什么是現在的答案。

過去，機器人行業常常把硬件、數據、模型、應用拆開看。做本體的做本體，做模型的做模型，做場景的做場景。但消費級具身智能很難靠單點突破跑通，一個能夠閉環的系統十分重要。

硬件讓機器人長期在場，BetaData 提供現實經驗，BetaBrain 組織模型能力，BetaMem 沉淀長程記憶，BWAM 校正物理行動，最后由真實數據飛輪推動系統持續進化。

如此，才是一個更加完整的消費級具身智能。

這個邏輯早在智能汽車產業中已經被驗證過，無論全棧還是聯合，汽車的智能化程度取決于全棧供應商的技術理解程度，或是深度綁定供應商的合作默契，只有更加全面地理解智能，才有可能盡快產生更正確的智能。

BetaMem 的意義，則是讓這個閉環持續成立。有效記憶，是消費級具身智能的數據飛輪。

04

尾聲

過去幾年，具身智能最熱鬧的敘事是硬件，手指、關節、成本曲線都在進步。但家庭機器人仍然卡在一個尷尬的位置：很難進入日常生活。

BetaMem 把記憶、獎勵和持續演化放在同一個架構里，本質上是在重新定義家庭機器人的產品重心。

VLA 解決“如何把語言和視覺變成動作”，BetaMem 試圖解決“如何把時間和互動變成能力”。前者讓機器人完成任務，后者讓機器人積累生活。

這條路當然還需要真實家庭、長周期任務和可量化指標來檢驗。但它至少給出了一個更接近消費級落地的問題意識。

機器人行業所謂的 iPhone 時刻，未必只來自某臺驚艷的硬件。家庭機器人賣的不再是一臺機器，而是一套不斷生長的個人具身智能系統。