十字路口目录 · 具身智能圆桌

具身智能圆桌:数据、模型与商业化的四种判断

仿真和真实数据怎样结合?通用模型能否跨进物理世界?机器人从演示走向可持续部署,还缺哪些条件?

先把对话讲清楚

这期节目记录了 2026 Inclusion 外滩大会主会场的一场具身智能圆桌,由 Koji 主持。2026 年的具身行业正站在路径远未收敛的十字路口,主持人直奔主题,将整场对话切为数据之争、智能之争与场景之争三大正面交锋,最后请四位嘉宾站到五年后回看当下“什么被高估、什么被低估”。来自不同路线与产业站位的四位实践者把核心假设和分歧直接摊在了台面上。

嘉宾 机构与身份 数据与模型站位 商业化标尺 五年后高估 / 低估
韩铮 苏度科技联创兼 CEO 重构闭源仿真与 model-based RL 管线,认可真实数据与上下分层 高成功率(绝大多数近 100%)叠加低后训练成本泛化 高估中国具身供应链成熟度;低估稳定技能结合上层模型在 1~2 年跨行业落地
沈宇军 蚂蚁灵波首席科学家 预训练重真实物理与互联网数据,质疑 real-to-sim 规模化;主张具身反哺云端 客户算总成本、硬件形态选型与整机鲁棒性 高估照搬数字世界训练技巧;低估复杂系统工程权重
王潜 自变量机器人创始人兼 CEO 智能本体在数据与评估,通用基模不会跨界降维打击 客户愿意持续付钱,并且越付越多 低估具身对 AGI 与物质再制造(完整 RSI)的根本意义
许华哲 破壳机器人创始人、清华叉院助教 实测 Astra 强在语义与空间、弱在物理接触,主张串联系统 短期看单店部署工时与复制数;长期看基础模型全任务成功率跃迁 高估盲目追逐百万小时数据;低估 3 年内通用服务落地速度

1. 数据之争:仿真与真机并非二选一,分歧在 Real-to-Sim 能否规模化

Koji 开场先问韩铮:行业里有人押注仿真、有人重仓真机,苏度坚定相信仿真当初看到了什么信号,如今又有哪些增强信号?韩铮先作澄清:团队确实相信仿真,但同样坚信真实世界数据极其有用,绝非纯仿真派。他回顾从 2015、2016 年起做机器人仿真器与合成数据、到创业做商业化已走过两轮,科研和商业化用仿真的方式截然不同——科研常止步于用开源仿真器跑通实验,或在传统控制转机器学习时拿仿真补点数据;一旦真要做大规模基于模型的强化学习(model-based RL)预训练,市面上无论是团队早年参与的开源仿真器还是英伟达 Isaac,都存在明显局限。

因此自 2024 年起,苏度完全重构了闭源数据管线与仿真器管线,2025 年 11、12 月跑出初步结果、2026 年 4 月对外公布:在物体、环境、光线几乎不受限的抓取、放置与组装任务上,观察到接近 100% 的成功率。他认为单靠真机采集受限于速度与质量,仿真绕不过去,美国同行近期也在大举补强仿真(例如苏老师一位尚未毕业的学生刚加入某美企担任仿真器核心负责人);不过他判断不同路线终将走向“上下分层”和相互配合。

随后 Koji 转向沈宇军:蚂蚁灵波旗帜鲜明重仓真实数据,究竟哪些价值是仿真怎么都替代不了的?沈宇军同样拒绝“二选一”标签:灵波内部从不把某类数据一刀切排除——预训练阶段互联网数据与真实物理数据作用更大,但落到自动驾驶这类具体任务,仿真依然很有价值。他从第一性原理拆解原因:机器人不可能靠键盘打字获取输入,全部观测都只能来自机身传感器;而受物理条件限制,现实世界没有完美的传感器。大家常谈 sim-to-real gap(仿真迁移到现实的落差),但他指出更致命的是反过来的 real-to-sim 能否规模化——能否把传感器噪声和底层物理不完美批量搬进仿真器?单一任务或许能逐个校准,但面向通用预训练若无法规模化,单谈缩小 sim-to-real 意义有限。

Koji 追问一个具体例子。沈宇军点出触觉传感器:视觉摄像头相对成熟,但未来作业绕不开触觉;尽管许多触觉厂商都提供触觉仿真工具,灵波实测了大量真实触觉传感器后发现,无论信号频率、幅值还是不同设备之间的一致性,真实信号与仿真结果都千差万别,极难在仿真器中精准复刻。

2. 智能之争:GPT-6 Astra 冲击、从麻婆豆腐到真假菠萝、具身反哺云端

第二部分直击当周刷屏的 GPT-6 Astra——社交平台遍布其直接操纵机械臂和灵巧手的视频,引发“具身智能将被通用大模型降维打击”的焦虑。王潜表示当天早上还看了 Astra 控灵巧手的视频,但一点不觉得意外,点出一个行业背景判断:这一版模型训练进了大量机器人数据,OpenAI 和 Anthropic 从去年初就开始大规模采购机器人数据、自建小规模数据工厂并招募具身人才。随后他抛出核心论断:“智能的本体存在于数据(以及一部分评估 evaluation)里面,模型训练时只是一个蒸馏器,部署时只是一个容器。”今天架构本身扮演的角色已极小,进步主要靠造数据、挑数据、验证和标注数据——代码因最易构造与验证最先突破,接着是数学,再到相对易标注的 3D 与视频生成。

顺此逻辑,王潜给出两层反驳:第一,OpenAI 或 Anthropic 要做具身,一样必须建数据基建、真机评估、仿真/世界模型并碰硬件,并不会因基模优势省掉这些难度,顶多变成“另一家具身公司”;第二,跨领域自动外溢的降维打击在历史上从未发生——代码能力爆发不是对话聊出来的;提及近期备受关注的 Navier–Stokes 方程相关进展,数学能力也没因代码变强而自然溢出,预训练时把代码与数学混在一起甚至互相打架,因此业界往往先分别训练 coding expert 和 math expert 再用类似 o1 方式融合;3D、computer use 与视频生成(视频生成很惊艳却没自动转化为动作控制)同样如此。不过 Astra 至少验证了加入通用数据是加分项(bonus),不是坏事(点名沈宇军等做预训练的团队同样在加通用数据);而且巨型通用模型难以在机器人端低延迟部署,高效专用具身模型仍有不可替代的立足点。

Koji 转向刚发过“机器人做麻婆豆腐”视频的许华哲,问 Astra 能不能做麻婆豆腐、特定菜肴演示究竟能证明什么。许华哲坦承 Astra 非常惊艳,开放当天团队就实测了,并把具身任务拆为语义泛化、空间泛化、物理泛化三块:Astra 语义与三维空间能力极强,给 prompt 后桌上真假物品全认识且走位正确,克服了旧 VLM 到位就乱晃的毛病,连极难抓的单根桌面筷子(得顶着桌面甚至蹭滑夹起)也能抓起并竖直插进杯子;但一进复杂物理接触(contact-rich)立刻露怯——用筷子挑开东西不太行,叠盒子、叠衣服做不了,更做不了高度复杂的麻婆豆腐,能做的最复杂接触仅限筷子插杯和双手交接(hand over,测了很多次仅成功一两次)。

因此许华哲认为,理解物理变化是具身公司的最后阵地。呼应同日徐梦迪主旨演讲,他主张把具身动作模型接到 Codex 或 Agent Harness 环境里与大模型串联。他举了极具说服力的真假水果(菠萝)抓取案例:真水果易腐烂,前期常拿泡沫道具采数据,但这种数据很有害——模型会学到加大力气抠住一点硬揪起来;一旦换成真菠萝绝不可能抓它圆滚滚的身体。系统应当在接触交互中形成闭环:先试抓感知物理反馈,借 Astra 做一段 CoT(思维链)判断真假,若是泡沫就沿用原抓法,若是真菠萝立刻改抓顶部绿叶。

谈及 Astra 是否构成具身 scaling law 信号,沈宇军给出更激进的判断:具身还会反过来改变云端大模型的发展路径。数字模型是轮次对话(输出时不可打断),而物理机器人必须一边行动、一边持续从全身传感器接收源源不断的输入并随时修正推理,这决定了端侧具身模型要发展自己的专属训练范式;同时,机器人走进生活会源源不断带回现实多模态语料——如同人与人聊天时窗外突然下雨或察觉对方脸色不好便立刻换一句,天气与温度都会左右表达——这些数据将反哺未来大模型走出屏幕后冷冰冰的被动问答。韩铮补充说,各方观点正在收束到上下分层:他多年认为 Physical Intelligence 最大的对手其实是 OpenAI 和 Anthropic(提到刚又有 DeepMind 机器人研究员加入 Anthropic),OpenAI 和英伟达 Cosmos 也在探索连接底层技能;但关键前提是底层技能必须同时做到高成功率与泛化性,否则上层拆得再好也会断链——他回忆 2025 年底苏度通过语言接入千问理解环境、拆解推理步骤,正靠极其稳定的底层技能才跑通执行。

3. 场景之争:如果只选一个指标,什么证明具身跨过泡沫?

面对“Demo 热闹却缺规模复购”的质疑,Koji 请三位 CEO 各选一个标尺:

4. 五年后回看(2031 视角):四位实践者的“高估与低估”

韩铮:最被高估的是中国具身供应链当下的成熟度——选择虽多,但批量支撑、传感器及分散在汽车和传统工业机器人里的关键部件,距具身大工业迭代需求仍有差距(相信中国后续能解决)。最被低估的是稳定技能结合上层模型在未来 1~2 年攻克跨行业相似大类任务的速度。他同时把两种 99.9% 拆开:一类任务做到 99.9% 成功率可期,但 99.9% 的任务都会做确实还要等很久。

沈宇军:最被低估的是具身智能作为复杂系统工程的重量——业界动辄把落地成本全挂钩到模型好坏,但商家算的是总账,要权衡是否非得买完整人形还是双臂就行、总成本与整机鲁棒性,模型只是其中一环。最被高估的是照搬数字世界“训练技巧”的魔力——数字模型用完就关,机器人要 7×24 甚至 30×24 小时全年无休边工作边推理,应用场景差异必然催生数字世界之外的新训练范式。

王潜:最被低估的是具身智能本身的根本重要性与产业潜力。曾研究物理的他指出,人类科学突破历来依赖数学深度逻辑搜索与物理直觉两套无法互相替代的思维,物理交互、传感器噪声与不可控性不可能从代码、3D 或视频里凭空获得。更宏大地看,当前无论硅谷还是国内都对 RSI(递归自我改进)充满 FOMO 与恐惧,但纯语言模型根本完不成完整 RSI,因为缺了最关键的物质再制造与自我增殖——改得了训练代码却造不出算力、芯片与电力,美国数据中心建设仍卡在钢筋混凝土施工与半导体工厂调参上。他开玩笑说,就算 Anthropic 今天裁光员工全靠 Agent 开发下代模型,顶多因缺少人类 taste 变慢却仍大概率做得出来;但半导体工厂没人绝对不行。展望五年后,他类比软件开发的巨变——五年前大团队干一年做一个 App,今天一个人额度够、开一堆 Agent 几小时就能做完;也许五年后借助具身与大模型,造一架如今需上千人、庞大供应链和工厂的飞机也会像今天做一个 App 一样简单,经济实现“硅基脱离碳基”的闭环,真 ASI 才会到来。不过他也坦言不确定这个未来是好是坏,并表达了对当下美国大模型公司道德水平的担忧,认为中国或许可以借具身与物理数据反哺大模型走出自己的 AI 发展之路。

许华哲:最被高估的是百万小时数据迷思——市面上动辄炫耀一百万、几百万小时数据,但实测不少超大体量数据训出的模型既未超预期,也未必强过几万小时数据训出来的模型,盲目拼时长已被严重高估。最被低估的是具身通用模型整体演进速度:外界总说要等 5 到 10 年,他判断 3 年内就能在许多地方看到非单场景后训练定制的通用服务落地。

机制:把路线分歧变成可以检验的问题

1. Real-to-Sim-to-Real:究竟卡在哪一环

韩铮与沈宇军的数据分歧可拆为三段链路:先从现实测量传感器与物体物理性质(real-to-sim);再在仿真中批量生成交互并训练;最后部署回真机(sim-to-real)。韩铮重构闭源管线强化后两步,沈宇军把问题钉死在第一步的规模化上。本文自拟例子:若真实触觉传感器在 5 牛顿压力下因老化和个体差异在 4.2~5.8 间漂移,而理想仿真恒定返回 5.0,仅用理想仿真训练的模型上线遇 4.3 就可能误判“没夹紧”而捏碎易碎物。可固定任务设三组对照(理想仿真、注入实测噪声与域随机化的仿真、加入真实触觉的混合组),统一在未参与校准的新传感器上测抓取成功率与误报率,才能检验该类传感的 real-to-sim 是否真正可迁移。

2. 为什么单步可靠性会指数级拖垮长程任务

本文自拟算例:假设 10 步串行物理任务互相独立且任一步失败即告终止。单步成功率 95% 时,整条任务一次成功仅 0.9510 ≈ 59.9%;单步提至 99% 升为 0.9910 ≈ 90.4%;只有单步逼近 99.9%,整任务才达 0.99910 ≈ 99.0%。现实中步骤既可能因连锁滑落正相关,也可借失败检测与重试恢复(如真假菠萝试抓反馈)高于纯乘法下界,因此评估必须同时记录单步错误、自恢复率与端到端完成率。

3. 从“演示能跑”到“客户复购”的四层检验阶梯

单次受控演示回答“最佳条件下能否做到”;随机化重复测试回答“设定分布内稳不稳定”;跨现场部署回答“换门店、换货品后需多少小时微调”;客户持续复购与增购才回答“扣除远程人工接管、维护、折旧与补贴后净生产力是否为正”。四层递进,任何一层都不能直接替代更高一层。

独立判断:这些分歧怎样继续讨论

1. “智能全在数据里”是重要纠偏,但不能替代可控消融

王潜用“模型是蒸馏器和容器”有力反击架构迷信,精准点出数据与验证基建的决定性权重;但也无法单靠它解释为何同样数据在不同交互范式、延迟约束与训练目标下表现悬殊(沈宇军强调的 7×24 边干边想正是结构与范式差异)。更严谨的做法是做受控消融:固定数据比架构与交互延迟,固定架构与预算比数据配比,并按语义、空间、物理接触分项汇报。

2. 上下分层契合工程现实,但接口本身易成隐蔽瓶颈

四位嘉宾不约而同走向“大模型理解规划 + 底层高可靠技能”分层,在延迟与安全上很务实。但若上层目标过于含糊、底层缺乏对应接触原语,或滑移与力觉异常未能回传上层,分层反而制造死循环。比较分层与统一端到端模型时,应同表核算反应延迟、恢复率、部署算力与跨场景适配工时,而不是只争网络数量。

3. 谈 RSI 之前,先分清窄义软件闭环与强义物理再制造

王潜把建电厂、调晶圆厂、造飞机纳入完整 RSI,有力回击了“纯软件大模型立刻引爆奇点”的过度恐慌。研究语境里可被当下检验的窄义软件闭环(在既有算力下自主改代码、筛数据、做实验)与宏观经济层面自主扩建物理产能之间隔着能源、供应链与极端可靠性鸿沟,讨论时间表与风险时不应混为一谈。

4. 对比乐观时间表,先锁死“通用服务”的验收口径

许华哲预测的“3 年内提供通用服务”与韩铮警示的“99.9% 的任务都会做还要等很久”对应两套不同目标:前者若指有限几类半结构化商业场所无需逐店重训就能接手十余项高频工作,3 年内见早期落地有现实基础;若指普通家庭任意长尾突发任务低破损独立兜底,则远非三年可成。评估任何预测都应先写清场景数、任务集、人工接管比例与全口径成本。

证据边界与资料索引

本文依据 2026 Inclusion 外滩大会该场圆桌的第三方机器转写与节目官方简介重建,未逐字听审原声;公司名称“蚂蚁灵波”依官方简介校准(转写记为“凌波”),韩铮提及的团队早期开源仿真器英文名在转写中有音译残缺,正文未作无依据补全。各公司内部测试表现、仿真成功率、物流效率收益、外部大厂数据采购传闻及未来 3 至 5 年预测均为嘉宾现场口述,未逐项独立核验。现场王潜提及 Navier–Stokes 方程相关进展时指向未明;经核对,Clay 数学研究所于 2026 年 9 月 11 日发布公告称注意到有声称解决该问题的宣告,但明确指出相关成果仍需数学界深入分析与评估,因此不把现场表述视为已获学界确认的定论。文中的触觉噪声对照与十步串联成功率算例均为本文自拟。

返回十字路口目录