具身智能的關鍵卡點到底在哪？中國具身智能的機遇在哪？“打臉時刻”何時上演？近期部分投資人“批量退出”，是否暗示著行業正陷入泡沫危機？隨著具身智能發展從實驗研發轉向產業落地階段，一系列關鍵問題接踵而至。

在近期2025 商湯技術交流日具身智能論壇上，來自具身智能學界與產業界的重量級嘉賓——上海交通大學副教授、上海人工智能研究院首席科學家閆維新，庫帕思 CEO黃海清，松應科技創始人CEO聶凱旋，銀河通用合伙人、大模型負責人張直政，商湯科技聯合創始人、大裝置事業群總裁楊帆及主持人量子位總編輯李根等齊聚一堂，圍繞當前具身智能的熱議話題，站在產業鏈視角，共同探討了具身智能與AI基礎設施如何協同創新，破題行業困境，實現正向可持續發展。

?

?

模型能力進展快、場景潛力待釋放，具身智能機遇與挑戰并存

在大模型的加持下，具身智能突飛猛進，大小腦模型的突破、仿真系統的構建、場景應用潛力的挖掘，成為當前最為鮮明的行業趨勢。

閆維新教授表示，得益于深度模仿學習與強化學習的深度協同，具身智能的小腦進化迅速，機器人的直膝行走能力進步顯著，在不同地形和摩擦系數的環境中，魯棒性和泛化性均大幅增強。同時，在大腦方面的創新也在加速，隨著百萬真機數據集積累、以及“一腦多能、一腦多機”通用平臺的出現，正推動具身智能在日常生活和工作場景中展現更多應用潛能。

張直政也認為，具身智能領域呈現出“科研-創新-應用“全鏈條蓬勃發展態勢。在數據層面，仿真合成數據與真實采集數據積累均呈現爆發式增長態勢；在架構層面，大小腦模型、分層端到端模型等創新理念不斷涌現；疊加國家政策的有力支持，更讓行業對具身智能的規模化商業應用充滿信心，其商業化落地潛力非常值得大家期待。

盡管發展勢頭正盛，但具身智能仍處于技術探索期，面臨數據、成本、能力等方面的諸多挑戰。黃海清指出，各企業間的數據難以互通，數據構建成本居高不下，阻礙了模型的訓練效率；同時，高昂的成本也限制了機器人的普及速度；此外，機器人在主動思考和復雜環境適應能力上與人類仍存較大差距，適用場景有限，亟待行業共同探討、共同解決、共同推進。

物理AI仿真對促進具身智能模型的訓練起著關鍵作用。聶凱旋將其比作連接AI與物理世界，以及教會AI理解物理世界的橋梁，讓機器人可以自我進化，快速學習抓取、行走，甚至翻跟頭、跳舞等技能。而一套完善的物理AI仿真系統，需要涵蓋視覺、觸覺、聽覺、運動控制等各類組件，讓機器人真正做到像人一樣能夠360度地感知物理世界。

發揮數據優勢，是中國具身智能“彎道超車”的關鍵

算法、算力、數據是人工智能的三要素，同時也是具身智能發展的重要基礎設施。作為全球具身智能領域的“領跑者”，中國和美國在具身智能這一處于起步階段的新興前沿領域，存在哪些差距？

在算法層面，嘉賓一致認為中美差距并不大，基本可以達到旗鼓相當的狀態。張直政還指出，VLA將成為具身智能未來的核心技術路徑。其高度泛化能力可實現從結構化場景應用到非結構化場景應用的進步；同時，提供了將泛化動作和通用感知相結合的全新技術范式，可大幅提升環境感知、任務規劃推理和動作執行能力；并且，能夠以更高的數據利用效率，端到端提升從感知到規劃再到執行的整體性能。

在算力層面，閆維新教授坦承中美在訓練算力和推理算力方面仍有差距，尤其和英偉達CUDA生態的差距更為顯著，但隨著國產算力加速創新，也在加快追趕步伐。楊帆認為，盡管國產算力受上游產能制約存在客觀差距，但可以通過模型結構與硬件的端到端聯合優化來縮小差異，這也是DeepSeek實現了行業領先的推理性價比的關鍵所在。商湯大裝置也著力于系統軟件層的優化創新，針對特定的應用場景進行端到端調優，為行業輸出更具性價比的解決方案。

在數據層面，現場嘉賓紛紛表示，中國在物理場景和應用數據采集上具有全棧優勢，樣本豐富度高于美國，是中國具身智能彎道超車的關鍵。閆維新教授特別強調，中國在樣本端的收集能力遠超國外，尤其是最為稀缺的機器人應用場景數據，中國比美國有更好的機會和能力收集這樣的數據。

盡管我國在數據體量上擁有顯著優勢，但數據難流通依然是行業發展的掣肘。尤其對于創業公司來說，語料數據高昂的成本是不可承受之痛，行業迫切需要解決語料數據獲取難、獲取貴、不共享的問題。對此，黃海清提出了四項舉措：牽頭探討語料數據的標準規劃、探索生產伴隨式的數據采集方式、研發自動化標注工具鏈平臺、推進數據合成技術的應用，進而激活數據價值，推動具身智能產業更好的服務千行百業。

針對這個話題，聶凱旋強調，中國作為制造業大國，擁有豐富的全產業鏈數據，結合物理AI仿真的快速創新，更可以加速技術的迭代和驗證。當前，商湯科技與松應科技已在數據仿真、研發管線、客戶服務層面展開全面合作。商湯大裝置面向具身智能的解決方案，能夠端到端賦能技術研發，覆蓋數據生產、工具支撐及模型研發全流程，為企業提供“開箱即用” 的研發工具鏈，致力于解決具身智能落地最后一公里難題。

?

具身智能的 “打臉時刻” 何時上演？

發展歷程，從AlphaGo戰勝人類圍棋冠軍到ChatGPT實現流暢人機對話，這些 “打臉時刻”一次次顛覆了人們對人工智能的認知。在具身智能領域，同樣令人期待的“打臉時刻”也成為嘉賓們熱議的焦點。

張直政認為，具身智能的“打臉時刻”將在各個行業悄然降臨。與場景相對單一的自動駕駛不同，具身智能應用場景豐富多樣，它可先學習通用知識，再快速在特定場景中成為專家，以多層次、全方位的方式在不同領域實現突破。

閆維新教授以自己在冬奧會期間參與過的烹飪機器人項目為例，他介紹說，餐廳中的人形機器人在無預設程序的情況下，能夠自主完成復雜烹飪過程，從食材處理、火候把控到菜品烹制、擺盤，一氣呵成，色香味形俱佳。這種自主完成復雜任務的能力，正是具身智能“打臉時刻”的生動體現。

黃海清提出了“打臉時刻”的兩個標準。一方面，在商業超市、工廠等場景中，機器人若能以較低成本完成簡單重復性任務，實現從50萬開發成本到5~10萬的突破，便是重要的“打臉時刻”。另一方面，當機器人具備與人類一樣的共情能力，能在情感陪護、康養養老等場景中給予人們情感關懷時，也將是具身智能的又一次重大飛躍。

聶凱旋從技術供應商角度出發，認為在近10個大類、100個小類的具身智能應用場景中，每個子行業都有望誕生冠軍企業。這些冠軍企業不僅代表著技術領先，還能激活產業鏈，推動行業轉型發展。當具身智能能夠助力制造業、交通物流、康養醫療等傳統行業效率大幅提高，推動 GDP 增長時，便是“打臉時刻”的到來。

楊帆心中期待的“打臉時刻”更為長遠且具體。他希望看到機器人在完成復雜任務的同時，能與外界人類社會進行無約束的交互。比如，在主人提出需求后，機器人能獨自前往辦公室取回遺忘物品，在這過程中，不僅要完成識別、拿取物品的任務，還要應對復雜的外界環境，如與陌生人交流、防范意外情況等。

?

“批量退出”不等于“泡沫”，克服質疑才能走向產業落地

數據顯示，截止3月26日，今年具身智能領域共發生投融資42次，已達到2024年全年的50%，熱度持續攀升。然而，前不久創投圈一位知名投資人“批量退出具身智能”的言論，引發不小熱議。“具身智能是否會是一場資本狂歡下的泡沫”的爭論被擺上臺面。

面對個別投資人對整個具身行業的公開質疑，張直政認為，行業內出現不同的討論聲音，反而說明人們對技術的想象力和它的邊界之間產生了碰撞。消滅泡沫是科技創新的驅動力，創業者的使命就在于從宏觀思考出發，結合微觀的具體的產業應用需求，把對前沿技術的想象變成真正落地的產品。

閆維新教授也提到，泡沫是遠離了價值以外的內容，只要大方向正確，總能找到機器人能力上限和應用場景下限之間的交集。比如在危險替代領域，具身智能和非視距遙操作結合，未來三五年有望實現落地應用，要對行業發展有信心。

楊帆認為，投資人的公開質疑是行業的標志性事件，只有直面這些質疑，經歷這些質疑，克服這些質疑，行業才能真正從實驗探索階段走向認真、嚴肅的產業落地階段。

盡管面臨數據壁壘、技術瓶頸與商業化的多重挑戰，但大家的共識清晰可見——泡沫爭議背后是產業突破的前奏，從烹飪機器人的自主操作到低成本工業場景的規模化落地，從情感交互的突破到跨行業效率的革命性提升，“打臉時刻”或許不會一蹴而就，卻已在細分領域悄然醞釀。正如論壇所揭示的，唯有產學研協同攻堅、開放共享基礎設施、直面質疑并迭代價值，才能將具身智能從資本的“想象力試驗”轉化為推動社會進步的“生產力引擎”，也終將在質疑與突破的循環中，書寫屬于AI產業的新新篇。

雷峰網 (公眾號：雷峰網)

雷峰網特約稿件，未經授權禁止轉載。詳情見 轉載須知 。