在技術(shù)日新月異的今天，機器人在舞臺上跳舞、格斗比賽中翻轉(zhuǎn)騰挪，已經(jīng)不再新鮮。但在這場 " 炫技 " 的熱鬧背后，一個關(guān)鍵問題亟需回答：具身智能要真正走進生產(chǎn)和生活，眼下還面臨哪些技術(shù)難點？又有哪些 " 技能 " 才是真正具有落地價值的？

在 6 月 6 日至 7 日的 2025 北京智源大會上，智源研究院理事長黃鐵軍、北京人形機器人創(chuàng)新中心總經(jīng)理熊友軍、宇樹科技 CEO 王興興、Physical Intelligence 聯(lián)合創(chuàng)始人兼 CEO Karol Hausman、北京大學助理教授及銀河通用創(chuàng)始人兼 CTO 王鶴、穹徹智能聯(lián)合創(chuàng)始人盧策吾等多位行業(yè)領(lǐng)軍人物，圍繞具身智能的現(xiàn)實瓶頸與未來走向展開深入探討。

機器人比賽是過程不是終點：" 能干活 " 才是具身智能的硬標準

業(yè)界人士普遍認為其具備展示、科普和訓練功能，但也有更高的期待。宇樹科技 CEO 王興興和 Physical Intelligence 聯(lián)合創(chuàng)始人兼 CEO Karol Hausman，認為這種 " 展示技能 " 的機器人比賽是技術(shù)展示窗口，有助于促進大眾認知和產(chǎn)業(yè)關(guān)注。

王興興提到：" 通過表演、比賽等形式展示機器人全身動作能力。" 他坦言，人形機器人當前在實用性上尚未全面突破，但這些表演有助于科普和市場教育，并具備一定商業(yè)價值（如租賃）。在他看來，這些 " 炫技 " 是邁向真正 " 干活 " 階段的中間步驟。

王興興進一步解釋稱，表演是實現(xiàn)終極目標的一部分，本質(zhì)是讓機器人能夠做 " 各種全身動作 "。跳舞和格斗賽是全身動作的一部分。我們希望一個人形機器人可以做各種動作，包括跳舞、極限運動、格斗，以及家里的端茶倒水、洗衣做飯等等。他相信當 AI 技術(shù)，包括具身智能技術(shù)發(fā)展到一定階段時，一個足夠智能、能家用的機器人肯定是可以跳舞、可以打格斗賽的。

在終極目標實現(xiàn)前進行商業(yè)化拓展和嘗試，王興興坦言，目前讓人形機器人馬上去家里或工廠干活還不太現(xiàn)實。所以，在終極目標實現(xiàn)之前，他們希望通過參加這些表演和比賽，來展示他們已經(jīng)達到的技術(shù)成果，并進行更多的商業(yè)化拓展。

" 公司終極目標是讓機器人，尤其是人形機器人，能 ‘干活’，進入家庭和工廠，解放人類生產(chǎn)力。" 王興興強調(diào)。

北京大學助理教授及銀河通用創(chuàng)始人兼 CTO 王鶴以及穹徹智能聯(lián)合創(chuàng)始人、上海交通大學教授盧策吾認為，接下來，機器人比賽也要從 " 看著熱鬧 " 走向 " 干著實用 "，未來應聚焦實際應用場景，通過 " 生產(chǎn)力比賽 " 推動核心技能的形成與優(yōu)化，從而引導技術(shù)真正走向產(chǎn)業(yè)一線。

在眾多技能中，" 移動抓取與放置 "被多位專家視為最具突破潛力的通用任務。王鶴指出，這一技能既具普適性，適用于藥房、倉儲、服務等多種場景，又對視覺主導系統(tǒng)高度適配，是實現(xiàn)具身智能商業(yè)化的關(guān)鍵節(jié)點。成功突破將標志著具身智能的第一次真正高潮。

盧策吾強調(diào)，力反饋和對物理世界的深度理解，將成為機器人應對真實復雜環(huán)境（如柔軟、粘稠、滑動等物理屬性）的重要基石，支撐更多 " 接觸密集型 " 任務的落地。

算法、數(shù)據(jù)與形態(tài)之爭：具身智能落地前夜的三重挑戰(zhàn)

在具身智能的發(fā)展路徑上，視覺語言行動模型（VLA）逐漸成為行業(yè)共識，被視為連接感知、語言與行為的通用架構(gòu)。Karol Hausman 認為，VLA 是通往通用智能的重要基石，能夠讓機器人從互聯(lián)網(wǎng)等多源數(shù)據(jù)中學習并轉(zhuǎn)化為具體行動。他致力于構(gòu)建一個名為 "π0" 的通用模型，可跨平臺控制不同機器人完成多種任務。他指出，當前挑戰(zhàn)并不在于數(shù)據(jù)量，而在于提升算法效率與模型穩(wěn)定性，尤其是提升模型在陌生環(huán)境中的泛化能力。

銀河通用創(chuàng)始人兼 CTO 王鶴也將 VLA 視為核心技術(shù)路徑，但更強調(diào)其實用導向。他認為應優(yōu)先突破如 " 移動抓取與放置 "（mobile pick and place）等具備廣泛適配性與商業(yè)價值的核心技能，并在端到端模型中融入合成數(shù)據(jù)訓練，以提高效率和落地性。

與此不同，穹徹智能聯(lián)合創(chuàng)始人盧策吾則關(guān)注在 VLA 框架內(nèi)引入物理世界知識，尤其是力反饋等多模態(tài)信息，以壓縮模型面臨的不確定性空間。他形象地將 VLA 比作 " 火鍋底料 "，只有持續(xù)加入 " 力覺 "" 觸覺 " 等新 " 食材 "，才能提升模型對復雜任務的應對能力與系統(tǒng)魯棒性。

此外，在具身智能模型訓練所需求的數(shù)據(jù)方向，不同企業(yè)和機構(gòu)也出現(xiàn)了數(shù)據(jù)策略路徑的分歧。Hausman主張從互聯(lián)網(wǎng)及多機器人平臺中大規(guī)模收集預訓練數(shù)據(jù)，并通過高質(zhì)量小樣本精調(diào)，實現(xiàn)知識到行為的遷移。這也與藍鯨科技此前報道的智源新發(fā)布的具身大腦 RoboBrain 2.0 路徑類似。

也有創(chuàng)業(yè)公司的選擇與他們不同，比如銀河通用采訪的技術(shù)特點之一在于其背后的訓練數(shù)據(jù)，銀河通用創(chuàng)始人兼 CTO 王鶴提到，他們主要使用合成數(shù)據(jù)，這種數(shù)據(jù)的低成本和可擴增性，以此驅(qū)動基于 VLA 的端到端大模型。一般而言，" 合成數(shù)據(jù) " 通常涵蓋通過仿真或其他程序化方法生成的數(shù)據(jù)，其低成本和可擴增性也與仿真數(shù)據(jù)的特點相符。

王鶴認為，目前，具身智能在學術(shù)研究（強調(diào) VLA 的泛化能力）和產(chǎn)業(yè)應用（需要極高的魯棒性和成功率，例如汽車工廠需要達到四個九以上的可靠性）之間存在差距，這不僅僅需要視覺數(shù)據(jù)，還需要觸覺和力反饋。

王鶴進一步強調(diào)：" 為了達到工業(yè)場景所需的高成功率（例如四個九）， 不可能完全靠真實數(shù)據(jù)采集。所以，為預訓練數(shù)據(jù)一定要有大量的合成數(shù)據(jù)，才能先將成功率大幅提升，之后再通過真實數(shù)據(jù)進行進一步的優(yōu)化，例如結(jié)合強化學習。"

盧策吾提到，穹徹智能在探索仿真與真實世界的融合。他提出 " 數(shù)字基因 " 理念，結(jié)合高精度仿真數(shù)據(jù)與物理反饋（如力覺），以模擬人類的下意識操作行為，提升系統(tǒng)在復雜、高接觸場景中的表現(xiàn)。

此外，目前由于人形機器人硬件的標準化和通用性對具身智能算法發(fā)展和落地有著顯著的影響。目前，具身智能的研究和產(chǎn)業(yè)落地面臨的最大痛點之一就是數(shù)據(jù)瓶頸，這部分原因正是由于機器人硬件平臺缺乏統(tǒng)一性。

未來，真正的通用機器人究竟是什么形態(tài)？一定是人形機器人的形態(tài)嗎？

"我過去在多個場合公開說過好幾次，不堅持一定要做人形。" 王興興明確表示，他認為人形目前因人類數(shù)據(jù)可用性而具備訓練優(yōu)勢，但長遠看應根據(jù)任務需求發(fā)展多樣化形態(tài)。對于宇樹科技來說，同時開發(fā)機器狗和人形機器人是 " 順理成章的事情 "。他甚至指出，要實現(xiàn)移動，輪子底盤也是 " 非常實用的 "，是腿部行走之外的實際選擇。

" 在 AGI（通用人工智能）或通用 AI 出現(xiàn)之后，機器人的形態(tài)將會‘千奇百怪’。"王興興談到。

北京人形機器人創(chuàng)新中心總經(jīng)理熊友軍則堅定看好人形機器人。他指出，從市場容量、自然交互到人類環(huán)境適配性，人形構(gòu)型在通用性上具備長期競爭力，雖然短期內(nèi)仍面臨成本與技術(shù)門檻，但未來潛力巨大。其團隊正圍繞 " 慧智開悟 " 通用智能體和 " 天工 2.0" 等平臺推進人形機器人能力提升。

對于具身智能的未來，智源研究院理事長黃鐵軍提到，從宏觀視角看，全面媲美人類的 AGI（包括具身）仍需數(shù)十年。在未來 5-10 年，具身智能更可能專注于幫助人類完成不愿做的危險或體力活。

" 具身機器人的最終使命是超越人類，去探索人類無法到達的星辰大海。" 黃鐵軍說。

來源：藍鯨財經(jīng)