出品｜搜狐科技
作者｜梁昌均
编辑｜杨 锦
具身智能越火，越逃不开到底该如何商业化的追问与质疑。
2025世界机器人大会第二天的主论坛上，中关村智友研究院院长王田苗、蓝驰创投联合创始人曹巍、智平方创始人郭彦东，UniX AI创始人杨丰瑜，在德国慕尼黑工业大学教授Alois C. Knoll（阿洛伊斯·诺伊）的主持下，围绕具身智能的商业化路径进行了探讨。
王田苗认为，人形机器人会先在商超和工业特定场景落地，而泛化到任何工厂、养老、陪护等领域，还需要漫长的时间。
在曹巍看来，具身智能落地应从简单场景、简单任务，逐渐过渡到复杂场景、复杂任务。短期可在工厂、零售等场景落地，并同样认为进入家庭将是一条非常漫长的路。
不过，杨丰瑜认为，制造业并不是人形机器人的最佳切入点，因此现在的具身智能模型还缺乏稳定性，因此公共服务或商业服务领域会是落地的第一步。
嘉宾们还探讨了具身智能大规模应用还需要的技术突破。杨丰瑜表示，具身智能本体的价格已经不是瓶颈，真正需要压缩的是边际训练成本。
郭彦东则认为，具身智能还需在三个方面突破，一是尽可能通用的算法，能够自主学习真实环境；二是数据策略，需融合互联网、仿真和真实世界数据；三是便宜且稳定的硬件。
曹巍也提到硬件的重要性，希望它超级便宜、极度可靠、易于维护，且能大规模量产，“但现阶段，我们还处在小规模、非常有限的产能阶段”。
此外，在3D场景数据感知、更简洁的模型架构、面向垂直领域的高质量监督微调，以及强化学习的高效应用等都还是具身智能需要探索的领域。
从中可以看到，具身智能还远未形成高度共识，无论商业化落地路径，还是技术挑战，业内关注的点都有所不同。不过，机会往往就来自非共识，就看最后谁能跑通了。
以下是论坛内容精编：
阿洛伊斯：哪些现实世界的应用会催生具身智能的发展，我们已经看到人形机器人已带来需求，这种需求的价值是什么？
王田苗：我个人觉得在我们的人类社会里，机器人或更加泛化的具身智能，最重要的是服务于生产效率，并且提供社会的服务价值。具身智能真正的价值就在于它能够学习推理，然后模仿人去高效地在生产效率和服务价值上进行匹配。
阿洛伊斯：人形机器人会在哪些场景落地？
王田苗：如果我们把具身智能定义在提高生产效率和服务价值的时候，与形态没有关系。人形机器人有可能会在商超、工业特定的环境下落地，而不会泛化到任何工厂、养老、陪护等领域，这些我觉得还需要漫长的时间。
曹巍：长远来看，我们在追求一种无限生产力，尽可能便宜、尽可能强大。第二个是人类文明的再生产，也就是把人类文明复制或延展出去。
短期内，要从简单场景、简单任务，逐渐过渡到复杂场景、复杂任务。短期内人形机器人会走进具体场景，如工厂、零售门店，它确实能帮助生产或服务流程。
郭彦东：具身智能的需求早已存在，而且由来已久。全球的劳动力短缺一直是个非常严重的问题，有很多工作对人类来说既枯燥又不安全，甚至危险。
我们需要人形机器人，或者更广泛的机器人设备，来承担这些任务。唯一的新变量在于，大模型和具身智能的飞速发展，使机器人能处理非结构化的任务，并能在不同场景下快速适应。
杨丰瑜：我认为具身智能的需求一直存在，关键取决于技术成熟到什么程度，以及企业和研究者能否找到合适的产品市场契合点。
我们并不认为制造业是人形机器人或具身智能的最佳切入点，公共服务或商业服务领域会是最先落地的第一步。然后，利用这些场景不断积累数据，最终能把这些数据用到更复杂的场景，例如家庭。
阿洛伊斯：所以过渡到第二个问题，到底需要哪些技术突破，才能让具身智能足够鲁棒、能够真正大规模使用？
杨丰瑜：想让机器人在非结构化环境里既鲁棒又可靠，最难的点就是环境本身不可预测。所以有一项经常被忽视、却极其关键的技术——就是遥操。
第二点是可靠性红线。即便机器人在受控状态下与人互动，也必须保证安全，因此力控/柔顺控制是底线，再加上遥操作去兜底失败场景。
王田苗：现在具身智能应用中有两条路线。一条路线是理想主义者，重构世界模型，然后再加上通用人形、丰富的数据，能够泛化到很多场景。
但现实中可靠性、稳定性非常难，所以还有一种路线，就是从构建的世界模型去解构落地到客户的现实物理模型，我们叫智能定界，就是给智能画个框，而不是泛化。
基于这个思路，特定的不同场景，如咖啡场景、扫地场景、手术场景，甚至物流场景，突然感觉好像可以突破，可以解决稳定性和可靠性问题。
郭彦东：我认为实现技术突破需要三大关键要素，一是尽可能通用的算法。端到端的大规模模型能够从系统里自主学习，需要算法具备常识级的学习能力。
二是数据策略，我一年半前提出过把三类数据资源整合——互联网数据、仿真数据、真实世界数据，共同训练出强大的具身智能系统。
三是便宜且稳定的硬件，便宜意味着能快速把设备铺到真实场景当中，稳定意味着所有产品在性能、可靠性上保持高度一致。
曹巍：首先硬件要超级便宜、极度可靠、易于维护，且能大规模量产。但现阶段，我们还处在小规模、非常有限的产能阶段。因此，必须先找到真正有用的场景，实现大规模量产，从而把成本打下来。
第二，算法层面，而算法离不开数据，现有传感器处理二维场景数据已经非常成熟，但在三维空间理解上还有大量待解问题。
模型架构本身也需要创新，何让模型架构更简洁、更优雅，例如采用自回归方式，是目前研究的重点之一，我们也看到越来越多的新颖架构正在涌现。
第三，监督微调（SFT）。大模型若要落地到垂直行业，就必须针对具体场景做高质量监督微调，但如何降低过程中的采集成本、提高效率，仍是持续研究的课题。
最后是强化学习（RL）。RL非常强大，经典的PPO算法已经问世二十多年，但仍不够理想，根本机制存在局限。目前，前沿研究尝试将生成式模型与RL结合。
阿洛伊斯：怎样才能让这些系统变得可信，让人们真的愿意与机器人共事，让它们融入日常生活，而不会产生抵触或排斥？
曹巍：帮助人类建立对机器人的信任是一条漫长的路，这次看到孩子们在跟机器人一起踢球，我觉得这是非常好的开始。让他们在很小的时候就接触机器人，从小培养人机之间的信任。
从技术层面讲，机器人本体现在大多以金属为主，金属本身就很危险：重量大、惯性大，一旦跑动起来，对人来说风险很高，这是从物理安全的角度。
从算法层面，透明度极为关键。人们并不知道神经网络到底在想什么，因此需要一系列安全护栏，把基本的安全红线写进模型里，同时给机器人配备急停机制，确保能随时中断。
王田苗：我有两个观点，第一就是关于可信度还没有形成第三方的标准，要分类，包括陪护、工业操作等，这非常重要。
第二就是万一出现失误谁负责？目前看有四方：运营方、制造方、客户使用不当方，以及商业赔付方。如果保守发展就慢，如果激进就可能会逐步提高客户使用的信任度。
杨丰瑜：我认为最关键的是可预期性，端到端模型的好处是能涌现意想不到的能力，坏处是很难预判何时会失败。
这与软件的透明度紧密相关，我们的做法是在模型里加入可供人类检查的“中间步骤”。这样既能验证是否符合人类常识，又能在失败时回溯、分析原因。
郭彦东：提高系统可信度，可以把基座模型开源。我们开源了最新模型，不仅为了宣传，更想倡导，只有让大家看得见、摸得着模型内部，才能真正信任机器人。
阿洛伊斯：如何让这些系统真正商业化？除了刚才说的大规模量产降本，还有别的方法吗？
郭彦东：硬件成本已快速下降，但AI成本越来越高，训练模型需要大量算力。因此，关键在于高效训练——如何组织GPU集群、组织数据以及做增量学习，把GPU利用率提到最高。
具身智能的数据量远大于语言模型，不能只靠自己采集，要回收真实场景数据，并鼓励开源数据集。最后是通用性，拥有强大的基座模型，定制化成本就会骤降，这是最核心的降本思路。
王田苗：我觉得有两个突破口，一是从运营切入，二是加强基础数据和算力，从而带动相应的通用载体平台和核心部件的供应链发展，这有可能加快推动未来3到5年具身智能的规模化应用。
杨丰瑜：具身智能本体的价格已经不是瓶颈，真正需要压缩的是边际训练成本。每进入一个新场景，都要重新采集数据、重新训练，这部分成本最高。我们主攻的小样本模仿学习能把场景迁移的边际训练成本压到最低，形成良性循环。
曹巍：我认为机器人行业的发展关键在于，要先找到那些简单能大规模复制的应用，先把规模做起来，别一上来就啃高复杂度任务。研究交给大学教授，企业家就专注商业化和规模化。
运营编辑 |曹倩审核｜孟莎莎
热门跟贴