在科技日新月異的當(dāng)下，機(jī)器人已不再局限于傳統(tǒng)的工業(yè)應(yīng)用，它們開始在舞臺上翩翩起舞，在格斗賽中靈活騰挪，成為科技領(lǐng)域的璀璨明星。然而，這些令人眼花繚亂的表演背后，具身智能如何真正融入生產(chǎn)和生活，仍是一個(gè)亟待解決的問題。

近日，在2025北京智源大會(huì)上，來自智源研究院、北京人形機(jī)器人創(chuàng)新中心、宇樹科技、Physical Intelligence、北京大學(xué)及穹徹智能等機(jī)構(gòu)的行業(yè)領(lǐng)袖，齊聚一堂，就具身智能的發(fā)展現(xiàn)狀和未來趨勢展開了深入探討。

宇樹科技CEO王興興表示，盡管人形機(jī)器人在實(shí)用性上尚未取得全面突破，但當(dāng)前的表演和比賽是技術(shù)展示的重要窗口，有助于提升公眾認(rèn)知和產(chǎn)業(yè)關(guān)注度。他強(qiáng)調(diào)，這些“炫技”表演是邁向真正實(shí)用化階段的必要步驟，而人形機(jī)器人的終極目標(biāo)，是進(jìn)入家庭和工廠，解放人類生產(chǎn)力。

北京大學(xué)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(xué)教授盧策吾則提出，未來的機(jī)器人比賽應(yīng)更加聚焦實(shí)際應(yīng)用場景，通過“生產(chǎn)力比賽”推動(dòng)核心技能的形成與優(yōu)化。他們指出，“移動(dòng)抓取與放置”是最具突破潛力的通用任務(wù)，這一技能不僅普適性強(qiáng)，適用于多種場景，而且高度適配視覺主導(dǎo)系統(tǒng)，是實(shí)現(xiàn)具身智能商業(yè)化的關(guān)鍵。

在具身智能的發(fā)展路徑上，視覺語言行動(dòng)模型（VLA）逐漸成為行業(yè)共識。Physical Intelligence聯(lián)合創(chuàng)始人兼CEO Karol Hausman認(rèn)為，VLA是通往通用智能的重要基石，能夠讓機(jī)器人從互聯(lián)網(wǎng)等多源數(shù)據(jù)中學(xué)習(xí)并轉(zhuǎn)化為具體行動(dòng)。然而，當(dāng)前面臨的挑戰(zhàn)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。

與此同時(shí)，在具身智能模型訓(xùn)練所需的數(shù)據(jù)方向上，不同企業(yè)和機(jī)構(gòu)也呈現(xiàn)出不同的策略路徑。Hausman主張從互聯(lián)網(wǎng)及多機(jī)器人平臺中大規(guī)模收集預(yù)訓(xùn)練數(shù)據(jù)，并通過高質(zhì)量小樣本精調(diào)實(shí)現(xiàn)知識到行為的遷移。而銀河通用則更傾向于使用合成數(shù)據(jù)，以低成本和可擴(kuò)增性驅(qū)動(dòng)基于VLA的端到端大模型。

盧策吾則提出，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(fù)雜任務(wù)的應(yīng)對能力與系統(tǒng)魯棒性。

人形機(jī)器人硬件的標(biāo)準(zhǔn)化和通用性也對具身智能算法的發(fā)展和落地產(chǎn)生顯著影響。目前，具身智能研究和產(chǎn)業(yè)落地面臨的最大痛點(diǎn)之一是數(shù)據(jù)瓶頸，這在一定程度上是由于機(jī)器人硬件平臺缺乏統(tǒng)一性所導(dǎo)致的。

對于未來通用機(jī)器人的形態(tài)，王興興表示并不堅(jiān)持一定要做人形。他認(rèn)為，人形機(jī)器人目前因人類數(shù)據(jù)可用性而具備訓(xùn)練優(yōu)勢，但長遠(yuǎn)來看，應(yīng)根據(jù)任務(wù)需求發(fā)展多樣化形態(tài)。他甚至指出，輪子底盤在實(shí)現(xiàn)移動(dòng)方面也是“非常實(shí)用的”，是腿部行走之外的實(shí)際選擇。

而北京人形機(jī)器人創(chuàng)新中心總經(jīng)理熊友軍則堅(jiān)定看好人形機(jī)器人的未來。他指出，從市場容量、自然交互到人類環(huán)境適配性等方面來看，人形構(gòu)型在通用性上具備長期競爭力。盡管短期內(nèi)仍面臨成本與技術(shù)門檻，但人形機(jī)器人的未來潛力巨大。