Arms 在当前 AI 语境下主要指机械臂（robotic arms），即搭载在机器人或工作站上、用于抓取与操作的执行器。随着机器人基础模型的兴起，机械臂正从单纯硬件转向'模型+本体'的整体方案，成为具身智能落地最受关注的载体之一。
机械臂近期进展
2026 年 9 月前后，机械臂相关进展集中在模型泛化能力与数据来源两个方向：
当前焦点与观察点
围绕 Arms 的讨论主要有三条线：
一是数据范式的分歧。 OM-1 选择人类操作视频而非遥操作数据，VPP2 则强调零样本泛化，两条路线都试图摆脱'每个机器人单独采数'的传统瓶颈。哪种方式能在真实场景中保持成功率，仍需更多部署验证。
二是评测与开源生态。 RoboDojo 这类基准以及 ALOHA 等开源硬件平台，正在为机械臂操作能力提供横向可比的标尺，开源模型与开源本体的组合降低了研究门槛。
三是'军备竞赛'式的安全叙事。 在生物安全等高风险领域，有观点认为 AI 已进入类似军备竞赛的攻防博弈（Bio-security is an AI Arms Race），机械臂自动化与前沿模型能力的结合也带来相应的治理问题。此外，地缘层面的真实军备产能瓶颈也在影响盟友关系（The US Arms Bottleneck Is Impacting Its East Asian Allies），提醒读者 Arms 一词在不同语境下的含义差异。
后续值得观察的是：零样本成绩能否在非受控环境中复现，以及基础模型厂商与本体厂商之间的分工格局是否趋于稳定。