揭秘跟沈腾搭戏的“铁哥们儿”：五分钟挑战了五个机器人绝活儿

\u003cdiv class=\"rich_media_content\"\u003e\u003cp\u003e\u003c/p\u003e\u003cdiv data-exeditor-arbitrary-box=\"image-box\"\u003e\u003c!--IMG_0--\u003e\u003c/div\u003e\u003cp\u003e\u003cstrong\u003e文｜晓静\u003c/strong\u003e\u003c/p\u003e\u003cp\u003e\u003cstrong\u003e编辑｜徐青阳\u003c/strong\u003e\u003c/p\u003e\u003cp\u003e\u003c!--AIPOS_0--\u003e2026年除夕夜，央视春晚迎来了一位特殊的表演者，\u003c!--VERTICAL_CARD_BEGIN_0--\u003e银河通用机器人Galbot\u003c!--VERTICAL_CARD_END_0--\u003e“盖博特”（小名“小盖”）。它不仅与沈腾、马丽同台搭戏，成了活灵活现的“男二号”、沈腾的“铁哥们儿”，还在后台走廊独立经营起了一家智慧零售商店“暖心小屋”。\u003c/p\u003e\u003cp\u003e与以往只按程序跳舞的机器人不同，“小盖”是春晚历史上首个“干活儿”机器人，盘核桃、捡玻璃碎片、叠衣服、串烤肠，都一气呵成，这四个看似平常的动作，其实对于机器人来说是十分高难度的动作。\u003c/p\u003e\u003cp\u003e更重要的是，与传统机器人表演依赖预编程不同，银河通用此次展示干活技能的实现是端到端自主感知、自主决策、自主执行，而且还特别拟人。\u003c/p\u003e\u003cp\u003e银河通用的核心能力，源于一条迥异于传统机器人技术的大模型路径，自主创新并应用了一条融合超大规模虚实数据端到端训练大小脑协同具身大模型的新范式：即基于自主构建的百亿级\u003c!--VERTICAL_CARD_BEGIN_1--\u003e具身智能\u003c!--VERTICAL_CARD_END_1--\u003e数据集，打造的全球首个集成“大脑-小脑-神经控制”于一模的全身全手端到端大模型——“\u003c!--VERTICAL_CARD_BEGIN_2--\u003e银河星脑 AstraBrain\u003c!--VERTICAL_CARD_END_2--\u003e”。\u003c!--MID_AD_0--\u003e\u003c!--EOP_0--\u003e\u003c/p\u003e\u003c!--PARAGRAPH_0--\u003e\u003cp\u003e\u003c!--AIPOS_1--\u003e今天，我们就透过这些绝活，深度解密这个全身全手、大小脑端到端协同的大模型是怎么练成的。\u003c/p\u003e\u003ch2\u003e\u003c!--HPOS_0--\u003e\u003c!--AIPOS_2--\u003e绝活一：盘核桃——AstraBrain中的小脑赋予指尖“手感”\u003c/h2\u003e\u003cp\u003e让指尖拥有“触感” 两枚核桃在掌心旋转，难点在于核桃形状不规则、重心一直在变，手指力量稍有偏差核桃就会掉。\u003c/p\u003e\u003cp\u003e银河通用自主研发的 AstraBrain中的\u003c!--VERTICAL_CARD_BEGIN_3--\u003e灵巧手神经动力学小脑模型\u003c!--VERTICAL_CARD_END_3--\u003e，正是破解这一难题的关键。想要练好灵活盘核桃的小脑，机器人需要先是在虚拟世界里打基础，让机器手在虚拟世界里疯狂练习，系统会给它喂各种大小、重量的虚拟核桃，让它靠不断试错，练出一套适应性极强的“基础盘法”。\u003c!--MID_AD_1--\u003e\u003c!--EOP_1--\u003e\u003c/p\u003e\u003c!--PARAGRAPH_1--\u003e\u003cp\u003e其次是在现实中加纠偏：因为电脑模拟和现实（比如真实的摩擦力、机械误差）总有差别，所以我们让真实的机器手去接触各种实物，积累真实的“物理手感”。等它真正在现实里盘核桃时，系统就会利用这种手感，在后台悄悄微调动作指令，把虚拟和现实的误差给补齐。简单来说，就是在虚拟世界练招式，在真实世界找手感，两者结合，机器手就能在现实里把核桃盘得十分溜了。\u003c/p\u003e\u003cp style=\"margin-bottom: 18pt; margin-left: 0pt; margin-right: 0pt; margin-top: 8pt; text-align: justify\"\u003e\u003c!--IMG_1--\u003e\u003c/p\u003e\u003cp\u003e以下是机器人学习盘核桃的Gif示意图：\u003c/p\u003e\u003cp style=\"margin-bottom: 18pt; margin-left: 0pt; margin-right: 0pt; margin-top: 8pt; text-align: justify\"\u003e\u003c!--IMG_2--\u003e\u003c/p\u003e\u003cp\u003e仿真中盘核桃的进化过程：\u003c/p\u003e\u003cdiv class=\"tableWrapper\"\u003e\u003cdiv style=\"overflow-x: auto;\"\u003e\u003ctable\u003e\u003ctbody\u003e\u003ctr\u003e\u003ctd\u003e\u003cp style=\"margin-bottom: 18pt; margin-left: 0pt; margin-right: 0pt; margin-top: 8pt; text-align: justify\"\u003e\u003cimg src=\"https://inews.gtimg.com/news_bt/GKNzmIRGC8ObSx5N-hP5jVBQjdLcvt8OCMTBhShX3GAEwAA/0\" data-title=\"\" data-exeditor-arbitrary-image=\"inline\" data-from=\"paste\" data-aigc-mark=\"0\" style=\"display: inline-block; max-width: 100%\" width=\"186.6\" data-width=\"186.6\" data-height=\"105.046\"/\u003e\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp style=\"margin-bottom: 18pt; margin-left: 0pt; margin-right: 0pt; margin-top: 8pt; text-align: justify\"\u003e\u003cimg src=\"https://inews.gtimg.com/news_bt/GETqoLQHHfF6cSPffTsi6hCksBagTUanYEDoM8yjCabkkAA/0\" data-title=\"\" data-exeditor-arbitrary-image=\"inline\" data-from=\"paste\" data-aigc-mark=\"0\" style=\"display: inline-block; max-width: 100%\" width=\"186.6\" data-width=\"186.6\" data-height=\"105.046\"/\u003e\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp style=\"margin-bottom: 18pt; margin-left: 0pt; margin-right: 0pt; margin-top: 8pt; text-align: justify\"\u003e\u003cimg src=\"https://inews.gtimg.com/news_bt/GvuqYwc16xiG3EZS-BjH3TLGtuaU8KK0M7WtsJzBEJnE0AA/0\" data-title=\"\" data-exeditor-arbitrary-image=\"inline\" data-from=\"paste\" data-aigc-mark=\"0\" style=\"display: inline-block; max-width: 100%\" width=\"186.6\" data-width=\"186.6\" data-height=\"105.046\"/\u003e\u003c/p\u003e\u003c/td\u003e\u003c/tr\u003e\u003ctr\u003e\u003ctd\u003e\u003cp\u003e1.刚开始盘不动还总掉\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e2、逐步盘起来但不够流畅\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e3.逐渐流畅自然速度上来\u003c/p\u003e\u003c/td\u003e\u003c/tr\u003e\u003c/tbody\u003e\u003c/table\u003e\u003c/div\u003e\u003c/div\u003e\u003ch2\u003e\u003c!--HPOS_1--\u003e绝活二：\u003cstrong\u003e捡玻璃碎片——AstraBrain中的大脑挑战感知极限\u003c/strong\u003e\u003c/h2\u003e\u003cp\u003e在春晚舞台上，“小盖”被要求从浅色桌面上捡起散落的玻璃碎片。这是一个对人类都颇具风险的精细操作，对机器人而言更是感知与控制的双重极限。\u003c/p\u003e\u003cp\u003e玻璃碎片的难点在于：透明物体在视觉上近乎“隐形”，尤其是放置在浅色桌面上时，其边缘、厚度、反光特征极易与环境融为一体。传统视觉算法难以准确识别透明物体的三维轮廓和位姿，更无法判断抓取点。\u003c/p\u003e\u003cp\u003eAstraBrain 的突破在于，通过在仿真环境中生成海量的透明物体数据——不同厚度、不同碎裂形状、不同光照条件下的玻璃碎片——让机器人在虚拟世界中“见过”各种可能的透明形态。结合多模态感知融合技术，“小盖”能够从微弱的反光边缘和阴影变化中“看见”玻璃的存在，并精准规划抓取策略。\u003c!--AI_AD_1000--\u003e\u003c!--MID_AD_2--\u003e\u003c!--EOP_2--\u003e\u003c/p\u003e\u003c!--PARAGRAPH_2--\u003e\u003cp\u003e更关键的是，模型赋予的力觉反馈让它在接触玻璃时能够感知到硬度和滑动趋势，以恰到好处的力度稳稳捏起碎片，既不会捏碎，也不会滑落。\u003cstrong\u003e这一能力，为机器人在家庭清洁、工业回收等场景中的透明物体处理打开了全新可能。\u003c/strong\u003e\u003c/p\u003e\u003cp style=\"margin-bottom: 18pt; margin-left: 0pt; margin-right: 0pt; margin-top: 8pt; text-align: justify\"\u003e\u003c!--IMG_6--\u003e\u003c/p\u003e\u003ch2\u003e\u003c!--HPOS_2--\u003e\u003cstrong\u003e\u003c!--AIPOS_3--\u003e绝活三：货架取货——AstraBrain大小脑协同在动态环境中精准抓取\u003c/strong\u003e\u003c/h2\u003e\u003cp\u003e在春晚舞台上，“小盖”需要从货架上取下一瓶矿泉水。这看似简单的动作，其实暗藏玄机——水瓶被紧密排列在货架层板之间，周围商品间距极小，稍有不慎便会碰倒邻品或抓取失败。\u003c/p\u003e\u003cp\u003e这要求机器人必须同时处理三重难题：一是通过大脑精准判断水瓶在货架上的位置；二是用拟人的动作伸手拿到水瓶，并过程中不能碰倒周围的商品；三是灵巧操作，水瓶上半身较细、下半身较粗，且通常被紧密卡位，直接平移取出极易卡顿。\u003c/p\u003e\u003cp\u003eAstraBrain 的强化学习框架让“小盖”在虚拟世界中经历了亿万次“取货试错”：碰到旁边商品扣分，成功取下加分。经过这样的自我博弈，它“悟”出了一条人类都未必想到的最优路径——先以灵巧的手指轻轻扣住水瓶上半身的瓶盖处，微微倾斜以避让两侧邻品，感知到阻力后顺势调整角度，再稳稳向外抽出。\u003c!--MID_AD_3--\u003e\u003c!--EOP_3--\u003e\u003c/p\u003e\u003c!--PARAGRAPH_3--\u003e\u003cp\u003e这一过程不是预设轨迹，而是实时决策的结果。每一次扣动、每一次倾斜、每一次抓取，都是机器人在毫秒级时间内根据当前环境做出的自主判断。\u003c/p\u003e\u003cp style=\"margin-bottom: 18pt; margin-left: 0pt; margin-right: 0pt; margin-top: 8pt; text-align: justify\"\u003e\u003c!--IMG_7--\u003e\u003c/p\u003e\u003ch2\u003e\u003c!--HPOS_3--\u003e绝活四：\u003cstrong\u003e叠衣服——AstraBrain对柔性物体的泛化灵巧操作\u003c/strong\u003e\u003c/h2\u003e\u003cp\u003e叠衣服被认为是机器人操作领域的最大的命题之一：因为衣服是柔性的，没有固定形状，每一次拿起来的状态都完全不同。\u003c/p\u003e\u003cp\u003e春晚现场，“小盖”面对的是随机摆放的T恤，没有预设的折叠轨迹，没有固定的抓取点。它需要实时判断布料当前的褶皱状态，预测折叠后的形态，并规划出一系列抓、拉、折、压的动作序列。\u003c/p\u003e\u003cp\u003eAstraBrain 的解决方案是：在仿真环境中生成数以万计的柔性物体变形数据，让机器人在虚拟世界中“见过”各种可能的褶皱形态，并学会从当前状态推演出最优操作路径。当“小盖”的手指轻轻抚平衣角、精准对折时，它不是在执行程序，而是在调用海量仿真经验基础上的实时决策——这正是“举一反三”能力的终极体现。\u003c/p\u003e\u003cp style=\"margin-bottom: 18pt; margin-left: 0pt; margin-right: 0pt; margin-top: 8pt; text-align: justify\"\u003e\u003c!--IMG_8--\u003e\u003c/p\u003e\u003ch2\u003e\u003c!--HPOS_4--\u003e绝活五：\u003cstrong\u003e串烤肠——AstraBrain实现双手协作与工具使用双重突破\u003c/strong\u003e\u003c/h2\u003e\u003cp\u003e如果说盘核桃考验的是单手的灵巧，那么烤肠则是对双手协同与工具操作能力的极限挑战。\u003c/p\u003e\u003cp\u003e在春晚舞台上，“小盖”需要一手操控烤钳进行烤制，另一只手抓取签子，双手协作、精准完成串烤肠，并递给明星——整个动作丝滑如水，这背后涉及双手的空间协同、力度的独立控制，以及对工具这一“身体延伸”的理解。\u003c/p\u003e\u003cp\u003eAstraBrain 的端到端大模型架构，让机器人的“大脑”能够同时处理双手的独立指令流，并在执行过程中实时调整。更关键的是，通过对海量仿真数据的学习，“小盖”理解了“工具”的本质：烤钳不是需要被控制的“物体”，而是手的延伸，是完成任务的媒介。这种对工具操作的泛化能力，让它能够像人类一样，拿到任何新工具都能快速上手。\u003c/p\u003e\u003cp style=\"margin-bottom: 18pt; margin-left: 0pt; margin-right: 0pt; margin-top: 8pt; text-align: justify\"\u003e\u003c!--IMG_9--\u003e\u003c/p\u003e\u003cp\u003e根据银河通用春晚项目组介绍，现场这四类高难度动作，完全没有预编程，100%由“小盖”根据现场环境自主决策、执行。观众可以看到，“小盖”参演的节目，灯光变幻很快，这种光线的变化，也会对机器人的视觉感知造成很大的影响。\u003c/p\u003e\u003cp\u003e即使这样，“小盖”都完美地完成了任务，这是因为“小盖”有一个强大的大脑，经过特殊训练之后，能够让它“主动思考”应该如何去执行这些动作\u003cstrong\u003e。\u003c!--AI_MID_AD_0--\u003e\u003c/strong\u003e\u003c/p\u003e\u003cp\u003e至于如何“训练”小盖的强大大脑，银河通用有一套核心能力，“以合成仿真数据为主、真机采集数据为辅、并结合真实场景数据闭环持续提升”的虚实结合管线，构建了全球最大的百亿级具身智能数据集，并依托此打造了全球首个集成“大脑-小脑-神经控制”于一模的全身全手\u003cstrong\u003e端到端大模型“银河星脑AstraBrain”\u003c/strong\u003e。\u003c/p\u003e\u003cdiv data-exeditor-arbitrary-box=\"image-box\"\u003e\u003cspan style=\"display: inline-block; max-width: 100%\" data-widget=\"image\"\u003e\u003c!--IMG_10--\u003e\u003cspan style=\"color: #999; display: block; font-size: 12px; line-height: 18px; text-align: center; word-wrap: break-word\"\u003e\u003c!--NO_READ_BEGIN--\u003eAstraBrain 银河星脑框架\u003c!--NO_READ_END--\u003e\u003c/span\u003e\u003c/span\u003e\u003c/div\u003e\u003cp\u003e简单来说，AstraBrain 不靠死记硬背，而是让机器人掌握了一套“举一反三”的学习心法。\u003c/p\u003e\u003c!--VIDEO_0--\u003e\u003cspan style=\"text-align: center;font-size: 13px;color: rgb(136, 136, 136); line-height: 14px;margin-bottom: 22px;margin-top: 8px; display: block;\"\u003e\u003c/span\u003e\u003cp\u003e我们就拿银河通用机器人应用最广泛“货架取物”为例，看看它经历了哪几个步骤的修炼：\u003c/p\u003e\u003ch3\u003e第一步：人类少样本示范\u003c/h3\u003e\u003cp\u003e过去教机器人一个新技能，往往需要遥操作手把手地教成千上万遍。AstraBrain 彻底改变了这一模式。它仅需少量人类示范，机器人便能理解任务的核心意图，将这些动作“记住”，并在自身硬件上等效地展示出来。这是“小盖”快速适应春晚舞台复杂光线、多变道具摆放的基础。\u003c/p\u003e\u003cp\u003e\u003c!--IMG_11--\u003e \u003c/p\u003e\u003ch3\u003e第二步：仿真数据合成\u003c/h3\u003e\u003cp\u003e现实中学习效率太低、数据成本太高。AstraBrain 的第二招，是把机器人扔进一个“虚拟世界”——高精度物理真实的仿真环境。在这里，系统可以自动生成数万种不同的场景：货架摆法随机变化、光照条件任意切换，并通过生成式模型批量产出拟人化的抓取动作。机器人通过在海量仿真数据中模仿学习，掌握了应对各种复杂情况的操作精髓。\u003c/p\u003e\u003cp style=\"margin-bottom: 18pt; margin-left: 0pt; margin-right: 0pt; margin-top: 3pt\"\u003e\u003c!--IMG_12--\u003e\u003c/p\u003e\u003ch3\u003e第三步：\u003c!--VERTICAL_CARD_BEGIN_4--\u003e强化学习闭环\u003c!--VERTICAL_CARD_END_4--\u003e\u003c/h3\u003e\u003cp\u003e仅有模仿，还不足以支撑极致的精细化操作和动态避障。为此，AstraBrain 引入强化学习机制，让机器人的末端执行器在虚拟世界中进行高强度的“自我博弈”：碰到旁边的商品就扣分，完美避障顺利取出就加分。经过亿万次这样的试错迭代，机器人自己“悟”出了一条连人类示范都未必能给出的最优路径——\u003cstrong\u003e这就练就了春晚上那种“举重若轻”的丝滑手感。\u003c/strong\u003e\u003c/p\u003e\u003cp\u003e\u003c!--IMG_13--\u003e \u003c/p\u003e\u003ch3\u003e\u003cstrong\u003e第四步：真实世界再“见习”\u003c/strong\u003e\u003c/h3\u003e\u003cp\u003e虚拟世界训练得再好，回到物理现实也难免存在误差。AstraBrain 修炼的最后一步，就是让机器人在真实环境中进行少量实际操作，收集这些真机数据进行“微调”。这一步看似简单，却是彻底打通虚拟与现实隔阂的关键一跃。\u003c/p\u003e\u003cp style=\"line-height: 1.3; margin-bottom: 18pt; margin-left: 0pt; margin-right: 0pt; margin-top: 3pt\"\u003e\u003c!--IMG_14--\u003e\u003c/p\u003e\u003cp\u003e上述四步完成的基石，是银河通用技术体系中虚实融合的数据基建—— \u003cstrong\u003e“银河星坊”（AstraSynth）\u003c/strong\u003e，其具体包括以下基层：\u003c/p\u003e\u003cp\u003e\u003cstrong\u003e基石层（人类数据）：\u003c/strong\u003e 为机器人构建通用的任务认知，让“小盖”理解“什么是盘核桃”“什么是抓取”。\u003c/p\u003e\u003cp\u003e\u003cstrong\u003e中间层（仿真合成数据）：\u003c/strong\u003e 通过海量、低成本、多样化的虚拟数据，让机器人在仿真中遍历各种可能性，从而跨越虚实鸿沟。\u003c!--AI_AD_1001--\u003e\u003c/p\u003e\u003cp\u003e\u003cstrong\u003e塔尖层（真机实战数据）\u003c/strong\u003e：在虚拟训练成熟后，用极少量但高质量的真实世界操作数据，完成实战场景下的最后打磨。\u003c/p\u003e\u003cp style=\"margin-bottom: 18pt; margin-left: 0pt; margin-right: 0pt; margin-top: 3pt; text-align: center\"\u003e\u003cspan style=\"display: inline-block; max-width: 100%; width: 604.733px\" data-widget=\"image\"\u003e\u003c!--IMG_15--\u003e\u003cspan style=\"color: #999; display: block; font-size: 12px; line-height: 18px; text-align: center; word-wrap: break-word\"\u003e\u003c!--NO_READ_BEGIN--\u003e银河星坊AstraSynth 数据金字塔\u003c!--NO_READ_END--\u003e\u003c/span\u003e\u003c/span\u003e\u003c/p\u003e\u003cp\u003e\u003cstrong\u003e用虚拟仿真解决数据不够的难题，用强化学习解决动作不准的瓶颈\u003c/strong\u003e——这就是银河通用机器人的通关秘籍。这套逻辑不仅能用来抓取货架上的商品，同样能用来盘核桃、叠衣服、烤肠。正如春晚舞台上“小盖”展现的那样，它并不是学会了某一个孤立动作，而是真正掌握了一种可以快速学习任何新技能的通用能力。\u003c!--MID_AD_4--\u003e\u003c!--EOP_4--\u003e\u003c/p\u003e\u003c!--PARAGRAPH_4--\u003e\u003cp\u003e基于上述技术，最终得到了一套能够在真实世界中稳定运行的快速盘核桃策略。下面是一段银河通用灵巧手持续2分37秒的盘核桃视频（基于算法的平均表现，而不是精选的成功Demo）：\u003c/p\u003e\u003c!--VIDEO_1--\u003e\u003cspan style=\"text-align: center;font-size: 13px;color: rgb(136, 136, 136); line-height: 14px;margin-bottom: 22px;margin-top: 8px; display: block;\"\u003e\u003c/span\u003e\u003cp\u003e同样的方法也让灵巧手在真实世界中完成了持续3分钟“转笔”的高难度任务：\u003c/p\u003e\u003c!--VIDEO_2--\u003e\u003cspan style=\"text-align: center;font-size: 13px;color: rgb(136, 136, 136); line-height: 14px;margin-bottom: 22px;margin-top: 8px; display: block;\"\u003e\u003c/span\u003e\u003cp\u003e这种持续的高稳定性，才有了真正能够在现实世界干活儿的底气。2026年马年春晚舞台，不仅仅有跳舞的机器人，更大的亮点是，通过能真实干活儿的机器人赢得了观众的掌声和喝彩。\u003c/p\u003e\u003cp\u003e\u003c!--AIPOS_4--\u003e在登上春晚舞台之前，银河通用机器人已在多个领域实现规模化应用。在工业制造方面，它与宁德时代、丰田等名企深度合作，订单达数千台，重载机型 S1 更是突破了百斤负载上限，填补了智能重体力劳动的空白；\u003c/p\u003e\u003cp\u003e在商业零售与仓储领域，银河通用实现了\u003cstrong\u003e全球首个且唯一的百台级机器人7×24小时自主卖货的零售店和仓库规模落地；\u003c/strong\u003e\u003c/p\u003e\u003cp\u003e此外，通过与华西第二医院等机构的合作，银河通用正加速将具身智能引入医疗康养场景，让前沿技术真正走进生产与生活的方方面面。\u003c/p\u003e\u003cp\u003e近期，银河通用完成21亿元融资，估值约210亿元人民币，刷新国内具身智能领域融资纪录。投资方包括中国移动产业链基金、中金资本、中科院基金、央视融媒体基金等国家队资本，体现了资本市场对中国具身智能产业前景的坚定信心。\u003c/p\u003e\u003cp\u003e春晚舞台的高光背后，银河通用工程师坦言：“对春晚的正式筹备差不多仅有三个月。如何在如此短的筹备时间内，保障机器人可以在舞台上不出现任何问题，随时可用，随时能用，随时好用，是最大的挑战。春晚的舞台是零容错率的。”\u003c/p\u003e\u003cp\u003e春晚的惊艳亮相证明了“银河星脑”在复杂环境下的泛化潜力。接下来，“小盖”的征途是深入那些对稳定性近乎挑剔的生产一线，在追求极致降本增效的博弈中，推动具身智能从“实验室Demo”真正走向“国民级应用”。\u003c/p\u003e\u003cp style=\"margin-bottom: 18pt; margin-left: 0pt; margin-right: 0pt; margin-top: 8pt; text-align: justify\"\u003e\u003c!--IMG_16--\u003e\u003c/p\u003e\u003cp\u003e零点时分，伴随着《山海寻梦》的歌声，我们惊喜地发现，银河通用2026年1月刚刚正式发布的工业重载机器人S1，与航天卫星、国产大飞机C919等大国重器共同亮相。\u003c/p\u003e\u003cp\u003e2026新年钟声敲响，未来可期。\u003c/p\u003e\u003cdiv powered-by=\"qqnews_ex-editor\"\u003e\u003c/div\u003e\u003cstyle\u003e.rich_media_content{--news-tabel-th-night-color: #444444;--news-font-day-color: #333;--news-font-night-color: #d9d9d9;--news-bottom-distance: 22px}.rich_media_content p:not([data-exeditor-arbitrary-box=image-box]){letter-spacing:.5px;line-height:30px;margin-bottom:var(--news-bottom-distance);word-wrap:break-word}.rich_media_content .qn-editor-copy p:not([data-exeditor-arbitrary-box=image-box]){letter-spacing:unset;line-height:unset;margin-bottom:unset;word-wrap:unset}.rich_media_content{color:var(--news-font-day-color);font-size:18px}@media(prefers-color-scheme:dark){body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content p:not([data-exeditor-arbitrary-box=image-box]){letter-spacing:.5px;line-height:30px;margin-bottom:var(--news-bottom-distance);word-wrap:break-word}body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content .qn-editor-copy p:not([data-exeditor-arbitrary-box=image-box]):not(.qn-editor-copy){letter-spacing:unset;line-height:unset;margin-bottom:unset;word-wrap:unset}body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content{color:var(--news-font-night-color)}}.data_color_scheme_dark .rich_media_content p:not([data-exeditor-arbitrary-box=image-box]){letter-spacing:.5px;line-height:30px;margin-bottom:var(--news-bottom-distance);word-wrap:break-word}.data_color_scheme_dark .rich_media_content .qn-editor-copy p:not([data-exeditor-arbitrary-box=image-box]){letter-spacing:unset;line-height:unset;margin-bottom:unset;word-wrap:unset}.data_color_scheme_dark .rich_media_content{color:var(--news-font-night-color)}.data_color_scheme_dark .rich_media_content{font-size:18px}.rich_media_content p[data-exeditor-arbitrary-box=image-box]{margin-bottom:11px}.rich_media_content\u003ediv:not(.qnt-video),.rich_media_content\u003esection{margin-bottom:var(--news-bottom-distance)}.rich_media_content hr{margin-bottom:var(--news-bottom-distance)}.rich_media_content .link_list{margin:0;margin-top:20px;min-height:0!important}.rich_media_content blockquote{background:#f9f9f9;border-left:6px solid #ccc;margin:1.5em 10px;padding:.5em 10px}.rich_media_content blockquote p{margin-bottom:0!important}.data_color_scheme_dark .rich_media_content blockquote{background:#323232}@media(prefers-color-scheme:dark){body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content blockquote{background:#323232}}.rich_media_content ol[data-ex-list]{--ol-start: 1;--ol-list-style-type: decimal;list-style-type:none;counter-reset:olCounter calc(var(--ol-start,1) - 1);position:relative}.rich_media_content ol[data-ex-list]\u003eli\u003e:first-child::before{content:counter(olCounter,var(--ol-list-style-type)) '. ';counter-increment:olCounter;font-variant-numeric:tabular-nums;display:inline-block}.rich_media_content ul[data-ex-list]{--ul-list-style-type: circle;list-style-type:none;position:relative}.rich_media_content ul[data-ex-list].nonUnicode-list-style-type\u003eli\u003e:first-child::before{content:var(--ul-list-style-type) ' ';font-variant-numeric:tabular-nums;display:inline-block;transform:scale(0.5)}.rich_media_content ul[data-ex-list].unicode-list-style-type\u003eli\u003e:first-child::before{content:var(--ul-list-style-type) ' ';font-variant-numeric:tabular-nums;display:inline-block;transform:scale(0.8)}.rich_media_content ol:not([data-ex-list]){padding-left:revert}.rich_media_content ul:not([data-ex-list]){padding-left:revert}.rich_media_content table{display:table;border-collapse:collapse;margin-bottom:var(--news-bottom-distance)}.rich_media_content table th,.rich_media_content table td{word-wrap:break-word;border:1px solid #ddd;white-space:nowrap;padding:2px 5px}.rich_media_content table th{font-weight:700;background-color:#f0f0f0;text-align:left}.rich_media_content table p{margin-bottom:0!important}.data_color_scheme_dark .rich_media_content table th{background:var(--news-tabel-th-night-color)}@media(prefers-color-scheme:dark){body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content table th{background:var(--news-tabel-th-night-color)}}.rich_media_content .qqnews_image_desc,.rich_media_content p[type=om-image-desc]{line-height:20px!important;text-align:center!important;font-size:14px!important;color:#666!important}.rich_media_content div[data-exeditor-arbitrary-box=wrap]:not([data-exeditor-arbitrary-box-special-style]){max-width:100%}.rich_media_content .qqnews-content{--wmfont: 0;--wmcolor: transparent;font-size:var(--wmfont);color:var(--wmcolor);line-height:var(--wmfont)!important;margin-bottom:var(--wmfont)!important}.rich_media_content .qqnews_sign_emphasis{background:#f7f7f7}.rich_media_content .qqnews_sign_emphasis ol{word-wrap:break-word;border:none;color:#5c5c5c;line-height:28px;list-style:none;margin:14px 0 6px;padding:16px 15px 4px}.rich_media_content .qqnews_sign_emphasis p{margin-bottom:12px!important}.rich_media_content .qqnews_sign_emphasis ol\u003eli\u003ep{padding-left:30px}.rich_media_content .qqnews_sign_emphasis ol\u003eli{list-style:none}.rich_media_content .qqnews_sign_emphasis ol\u003eli\u003ep:first-child::before{margin-left:-30px;content:counter(olCounter,decimal) ''!important;counter-increment:olCounter!important;font-variant-numeric:tabular-nums!important;background:#37f;border-radius:2px;color:#fff;font-size:15px;font-style:normal;text-align:center;line-height:18px;width:18px;height:18px;margin-right:12px;position:relative;top:-1px}.data_color_scheme_dark .rich_media_content .qqnews_sign_emphasis{background:#262626}.data_color_scheme_dark .rich_media_content .qqnews_sign_emphasis ol\u003eli\u003ep{color:#a9a9a9}@media(prefers-color-scheme:dark){body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content .qqnews_sign_emphasis{background:#262626}body:not([data-weui-theme=light]):not([dark-mode-disable=true]) .rich_media_content .qqnews_sign_emphasis ol\u003eli\u003ep{color:#a9a9a9}}.rich_media_content h1,.rich_media_content h2,.rich_media_content h3,.rich_media_content h4,.rich_media_content h5,.rich_media_content h6{margin-bottom:var(--news-bottom-distance);font-weight:700}.rich_media_content h1{font-size:20px}.rich_media_content h2,.rich_media_content h3{font-size:19px}.rich_media_content h4,.rich_media_content h5,.rich_media_content h6{font-size:18px}.rich_media_content li:empty{display:none}.rich_media_content ul,.rich_media_content ol{margin-bottom:var(--news-bottom-distance)}.rich_media_content div\u003ep:only-child{margin-bottom:0!important}.rich_media_content .cms-cke-widget-title-wrap p{margin-bottom:0!important}\u003c/style\u003e\u003c/div\u003e

【纠错】【责任编辑:A-罗曼斯全自动锁Ray】

深度观察

新华全媒头条丨春晚小品撕开萝卜岗遮羞布！打工人：这剧情我经历过