10月24日至25日，星尘智能在深圳举办机器人黑客松总决赛。这是该系列黑客松的第三场活动，17支决赛队伍在36小时内将想法推进至真机测试阶段，最终16个App跑通真机，上真机率达到94％。值得关注的是，不少参赛者此前并无机器人开发经验，其开发效率的提升直接得益于星尘智能自研的机器人操作系统AOS（Astribot OS）。
星尘智能成立于机器人具身智能赛道，创始人来杰此前曾在多个公开场合阐述公司的”三位一体”架构：自研Lumo系列模型、AOS操作系统与机器人本体协同。其中AOS从2024年开始搭建，直到今年8月第一届黑客松启动时才正式定名，此前团队曾考虑命名为AIOS。该系统的核心思路是将感知、移动、操作和交互等复杂能力封装为可调用、可组合的Meta能力包与Skill，并与GPT、DeepSeek等大模型及AI编程工具适配，使创作者无需从零编写底层代码，即可从一句话需求出发完成能力组合、流程设计、仿真测试与真机验证。
这一路线与当前具身智能行业的主流叙事形成对照。9月3日OpenAI发布GPT-6 Astra后，有团队将其接入机械臂，发现该模型不仅能理解与拆解任务，还能直接输出机器人末端执行器的位姿，在部分测试中成功率超过专门为机器人任务训练的具身模型。此后关于通用大模型即将覆盖具身模型的讨论在社交平台扩散，而多数具身公司创始人公开表态认为，物理交互侧的数据积累尚不充分，复杂交互仍是具身公司的阵地。来杰对此的判断有所不同，他认为通用智能与专用智能之间是伙伴关系而非对抗或简单分层关系，具身公司既要做自己的基座模型，也要承接通用模型带来的能力红利。
AOS的”Design for AI”思路体现在接口设计层面。来杰曾向AOS开发负责人提出要求：设计调用接口时优先考虑GPT能否看懂。为此，星尘工程师需要将能力描述写入接口本身而非附于文档，因为模型不会查阅文档；同时需将六自由度估计、握力估计、打滑检测等模型算不准的环节逐项封装为可调用工具。据来杰透露，工具链接通后，星尘内部开发速度提升3至5倍，新入职的应届生与实习生在开发速度上也能接近老手。第一届黑客松的参赛者中曾有两名幼儿园老师，全程以自然语言互动完成了面向儿童的应用开发。
总决赛作品显示了创作者生态的初步形态。冠军团队”远程分身”将手机端与机器人连接，把铲猫砂、浇花、倒水、取快递和聊天等需求组合进同一应用；其他团队则实现了机器人写毛笔字、跟拍运镜、接手3D打印结束后的收料等任务。这些应用多源于创作者各自的生活经验，而非星尘预设的任务清单。
AOS仍面临待解问题。来杰表示，机器人抓不住、打滑等失败情形如何让模型准确理解并决定下一步调用，这条链路尚无定论；仿真到真机的落差、真正用一句话生成稳定可用的应用，也是后续优化方向。按照星尘的规划，自研Lumo第三代基座模型即将发布，AOS则定位为模型之间的桥梁。在通用大模型能力持续外溢的背景下，具身公司能否通过操作系统层将外部模型能力转化为自身生态的开发者红利，星尘的实践提供了一个可供观察的样本。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
