每經(jīng)記者｜可楊    每經(jīng)編輯｜張益銘    

具身智能正被視為通往通用人工智能（AGI）的關(guān)鍵拼圖。

從去年的蹣跚學(xué)步，到如今能夠完成連續(xù)翻跟斗、跳舞、打拳擊甚至拖動汽車等動作，具身智能的發(fā)展速度似乎正在超越人們的想象。然而，在這些炫目的演示背后，行業(yè)是否真的來到了爆發(fā)的前夜？

11月20日，智源研究院院長王仲遠(yuǎn)在接受包括《每日經(jīng)濟(jì)新聞》記者（以下簡稱“每經(jīng)記者”）在內(nèi)的媒體采訪時表示，當(dāng)前具身智能面臨兩大核心痛點：高質(zhì)量數(shù)據(jù)的極度匱乏，以及商業(yè)化落地中偽需求帶來的泡沫風(fēng)險。在他看來，具身智能距離真正的“ChatGPT時刻”尚有距離，未來兩三年內(nèi)，機(jī)器人不會在家庭場景中“滿街跑”。

談數(shù)據(jù)困境：幾十萬小時的數(shù)據(jù)依然不能叫“海量”

過去七十年的人工智能發(fā)展史上，每一次重要躍遷都由數(shù)據(jù)、算力和模型規(guī)模三者疊加推動。具身智能也不例外。“數(shù)據(jù)，尤其是高質(zhì)量的數(shù)據(jù)，決定模型能力的上限。”王仲遠(yuǎn)對每經(jīng)記者表示。

要讓機(jī)器人具備像人類一樣理解物理世界并進(jìn)行決策的大腦，現(xiàn)有的數(shù)據(jù)路徑面臨巨大挑戰(zhàn)，具身智能的數(shù)據(jù)難題在于行業(yè)缺乏海量的真機(jī)采集數(shù)據(jù)。

針對行業(yè)熱議的真機(jī)數(shù)據(jù)與仿真數(shù)據(jù)，王仲遠(yuǎn)認(rèn)為，即便是擁有幾萬臺機(jī)器人日夜不停地采集數(shù)據(jù)，在現(xiàn)階段依然難以稱之為海量。他表示，如果某一天，全球有上億臺機(jī)器人每天在真實環(huán)境中產(chǎn)生動作、觸覺、決策等全模態(tài)數(shù)據(jù)，那將會是具身智能的“ChatGPT時刻”。但顯然，距離那一天還非常遙遠(yuǎn)。

幾十萬小時的仿真數(shù)據(jù)，遠(yuǎn)未達(dá)到引發(fā)智能涌現(xiàn)的量級?！凹词故菐资f小時的數(shù)據(jù)，依然不能叫海量數(shù)據(jù)，所以還遠(yuǎn)沒有到具身ChatGPT的時刻。”

在此背景下，王仲遠(yuǎn)認(rèn)為，以視頻作為主數(shù)據(jù)源是最佳路徑。“視頻數(shù)據(jù)是最符合第一性原理、能夠規(guī)?；@取的?！彼忉尅Ｏ啾日鎸崣C(jī)器人采集的動作數(shù)據(jù)，視頻天然包含時間、空間、因果、意圖、圖像、文本，甚至可以拓展到聲音、3D信息，是少數(shù)能夠在現(xiàn)階段做到大規(guī)模的數(shù)據(jù)類型。

通過學(xué)習(xí)海量的互聯(lián)網(wǎng)視頻數(shù)據(jù)，模型可以建立起對物理世界運行規(guī)律的基礎(chǔ)認(rèn)知。“我們在Emu系列原生多模態(tài)大模型的研發(fā)中發(fā)現(xiàn)，視頻數(shù)據(jù)可以作為一個基座。模型不需要刻意為特定機(jī)器人本體訓(xùn)練調(diào)優(yōu)，因為它學(xué)到了通用的物理常識?！?/p>

“行業(yè)里普遍的共識是數(shù)據(jù)非常重要。更具體地來講，高質(zhì)量且規(guī)?；臄?shù)據(jù)是非常重要的?！钡?strong>王仲遠(yuǎn)同時也表示，行業(yè)不能忽略數(shù)據(jù)是否真正能形成“飛輪”。他強調(diào)，數(shù)據(jù)必須最終回到模型與場景，而不是為了堆數(shù)據(jù)而堆數(shù)據(jù)。

對此，王仲遠(yuǎn)給出的標(biāo)準(zhǔn)是，數(shù)據(jù)必須訓(xùn)練出具備泛化能力的模型；模型必須能支持真正有商業(yè)價值的場景。

談商業(yè)化：警惕偽需求帶來的量產(chǎn)泡沫

盡管具身智能還在繼續(xù)加速跑，但商業(yè)化落地的考驗已經(jīng)來到眼前。

2025年被不少業(yè)內(nèi)人士稱為人形機(jī)器人的量產(chǎn)元年，部分企業(yè)甚至宣稱出貨量已過萬臺。王仲遠(yuǎn)表示，這顯然是一個好現(xiàn)象，萬臺的出貨量是硬件打磨的重要開端。

不過，面對這一熱潮，王仲遠(yuǎn)直言，當(dāng)前的硬件穩(wěn)定性依然是制約商業(yè)化的重要因素。

“我們自己買了10臺某款機(jī)器人，在一兩個月內(nèi)就壞了5臺。”王仲遠(yuǎn)分享了一個真實的案例，在實驗室里，許多機(jī)械臂在長時間運行后會出現(xiàn)過熱保護(hù)，甚至需要在一旁架設(shè)電風(fēng)扇降溫，仿佛需要找一個“保姆”來照顧機(jī)器人。

“這就意味著很多硬件還沒有到真正可用的階段。量產(chǎn)能夠在規(guī)模化的過程中不斷打磨，從而解決硬件使用的時長、穩(wěn)定性、安全性等問題。所以我也希望有更多硬件能夠?qū)崿F(xiàn)量產(chǎn)，企業(yè)規(guī)模能夠不斷擴(kuò)大。”王仲遠(yuǎn)表示。

與此同時，王仲遠(yuǎn)提醒，行業(yè)需要分辨這種量產(chǎn)是由真實的商業(yè)需求驅(qū)動，還是僅僅由政策補貼和投資熱度催生的偽需求。

王仲遠(yuǎn)認(rèn)為，如果是由示范項目帶來的一次性小需求，可能撐不起持續(xù)的量產(chǎn)。一旦落地效果達(dá)不到預(yù)期，采購方會暫停購買，行業(yè)便可能進(jìn)入低谷。但他也強調(diào)，從更長的周期看，他對具身智能依然樂觀。硬件一定要先達(dá)到可用，再到好用；量產(chǎn)一定要由真實需求驅(qū)動。這是產(chǎn)業(yè)走向成熟的唯一路徑。

基于對硬件現(xiàn)狀和市場邏輯的判斷，王仲遠(yuǎn)給出了一個明確的預(yù)期：未來兩三年內(nèi)，具身智能最大的確定性是“機(jī)器人不會進(jìn)入家庭‘滿街跑’”。

他認(rèn)為，家庭場景的復(fù)雜度、非結(jié)構(gòu)化特征以及對成本的高度敏感，決定了它是最難攻克的高地。人形機(jī)器人要進(jìn)入家庭，可能需要5到10年的技術(shù)沉淀。相比之下，工業(yè)場景中的專用機(jī)器人，或者具備一定泛化能力的特種機(jī)器人，將更快實現(xiàn)落地。

對于具身智能產(chǎn)業(yè)而言，數(shù)據(jù)與商業(yè)化落地仿佛已經(jīng)互為掣肘?！叭绻幸惶欤瑱C(jī)器人數(shù)量越來越多，產(chǎn)生了海量機(jī)器人與真實世界交互的數(shù)據(jù)，這些數(shù)據(jù)能夠被企業(yè)廣泛用來訓(xùn)練，也許能催生真正意義上的具備強大泛化能力的通用具身基礎(chǔ)模型?！?/p>

封面圖片來源：視覺中國-VCG211378353242