8 月 22 日，北京国家速滑馆，第二届世界人形机器人运动会现场，一台人形机器人站在真实网球场上，对面来球时速超过 50 公里，它自主判断落点、移动脚步、挥拍回击——发球、正手、反手、底线调动、网前截击，全程零人工干预。对手是大满贯得主郑洁。
这不是一场编排好的演示。来球时速超过 50 公里，机器人需要在几毫秒内判断落点、移动脚步、扭转身体、挥拍——球擦着网带划过去，落在界内。
更难得的是通用性：发球、正手、反手全部掌握，底线调动、网前截击、控制球路落点这些策略也拿得出手。单打能打，双打也能上——和人类队友配合时，会补位、会换战术。
高速攻防中，它上演了一次极限救球，然后重重摔倒，又自己撑着地面站起来，接着打。
这个画面比任何参数都更震撼——它说明机器人不是在实验室里表演，而是在真实世界的意外里具备自我恢复能力。
注：数据引自公开报道，来球时速为现场实测值，判断延迟为系统端到端指标。
怎样才能让机器人边打边想？银河通用的答案是一个叫银河星脑（AstraBrain）的具身大模型。它最大的特点，是把人形机器人需要的三件事，做进了同一个模型里：
大脑（决策）、小脑（运动控制）、脑桥（指令翻译）拆成独立模块，接口处容易掉链子。
「大脑-小脑-脑桥」一体化端到端大模型，决策与执行实时闭环，毫秒级响应。
一个球过来，大脑在毫秒级判断"这是深球还是浅球、该进攻还是防守"，小脑同时已经在执行"向左滑步、下蹲、引拍"；球拍触球的一瞬间，大脑还要更新判断——这种边想边打的实时闭环，只有一体化的架构才接得起来。
今年 6 月 CVPR 2026 期间，银河通用曾发布 AstraBrain-WBC 0.5，小脑在实验室里把零样本泛化做到 92.58%、推理延迟压到 1.5 毫秒以下。AstraTennis 是同一套体系在真实对抗里的首次亮相。
传统方法靠遥操作采集动作数据，但网球这种高速对抗，人自己都反应不过来，遥操作数据根本用不上；动作捕捉系统完整记录一场真实比赛，又昂贵到几乎不可能。
银河通用换了一条路。
团队跳过"完美数据"，直接采集普通人正手击球、反手击球、侧向滑步、交叉步等零散基础动作片段，再靠算法把这些片段组合、修正、泛化，拼出一套完整的网球技能。
但光靠喂数据还不够。银河通用自研了百亿级具身智能数据集银河星坊，在虚拟环境里做海量预演。
最关键的一步：多智能体博弈。
传统路子是让机器人模仿人，一个动作一个动作地学；银河通用让机器人自己跟自己打——两个甚至更多智能体在仿真里互相对抗，你打我一拍，我琢磨怎么接回来，再改进。练着练着，一些训练时没专门教过的能力，会自己"长"出来。
这就是大模型时代最被看重的东西——技能涌现。数据喂到一定量级，量变引起质变，机器人学会了举一反三。更关键的是，虚拟世界里练出来的技能，能迁移到真实球场。
注：训练链路为「银河星脑（决策与运动）→ AstraBrain Latent（技能提炼）→ 银河星坊（虚拟博弈）」，三件东西合在一起，才有了球场上那台会打网球的机器人。
十年前，AlphaGo 证明了 AI 会想；而如今，银河通用要证明的，是 AI 会做。从会想到会做，人类等了整整十年。
银河通用走通的这条路——大脑决策、小脑执行、数据涌现，三者一体——给整个具身智能行业提供了一个可复用的范式。
过去，人形机器人每学会一个新动作，往往要重新采数据、重新训练。而一个通用的运控基座，意味着舞蹈、巡检、救援、家务可以共用同一套"身体操作系统"，边际成本随规模递减。
眼下，这套能力已经在别处跑了起来：智慧药房里，机器人从上万种商品中挑出目标、交给骑手；工业产线上，Galbot S1 双臂能扛起 50 公斤的物料。网球，只是它最新点亮的一块拼图。
具身智能的"成人礼"不是参数刷榜，而是让机器人在真实世界的意外里摔倒后自己站起来。从数字世界到物理世界，从落子到挥拍，AI 走了整整十年，才从屏幕里站出来，真正踏上人类生活的地板。
一套技术链路，同时跑通了顶尖竞技、智慧药房和工业产线。人形机器人正在从"实验室专属"走向"通用基础设施"。
银河通用相关技术已在智慧药房、工业产线等场景落地，本次网球对打为技术体系的公开验证。