新质策源导刊丨董豪：高质量数据是制约具身智能产业发展的核心因素|互联网基础资源|具身|新质策源导刊|智能产业|算法|董豪|飞轮

来源：市场资讯

（来源：中国经济时报）

具身智能：万亿赛道的“价值兑现”之考（下）

编者按

2026世界人工智能大会刚刚落下帷幕，“智能伙伴，共创未来”的主题，清晰昭示着AI正从数字工具迈向物理世界的深度协同。其中，具身智能展区不再满足于“能走能跳”的演示，而是将“量产、适配、场景交付”作为关键词，这恰恰折射出产业正在叩响“价值兑现”的真正大门。

然而，从技术突破到商业闭环、从实验室到千行百业，具身智能要成长为万亿级新质生产力，仍需跨越可靠性、场景适配与成本效益等多重鸿沟。这对产业链每一环都是考验，更是重塑格局的机遇。

本期《新质策源导刊》继续汇集专家的前瞻洞察、智库的理性研判与企业一线的实战回响，力求在分歧中辨明突破路径、在共识中凝聚协同动能。我们诚邀您共同跟踪、见证这场从“能动”到“能用”的产业跃迁，看具身智能如何真正走进生产生活，赋能未来。

北京大学计算机学院前沿计算研究中心长聘副教授，上纬启元首席科学家、研究院院长董豪

■中国经济时报记者张一鸣

热度不断攀升的具身智能产业当前面临什么样的挑战，真实的图景如何?中国经济时报记者日前专访了北京大学计算机学院前沿计算研究中心长聘副教授，上纬启元首席科学家、研究院院长董豪。董豪认为，当前制约具身智能产业发展最核心的困难是高质量数据不足，以及大规模、有效的“数据飞轮”尚未真正转起来，未来能在竞争中活下去的是真正把“数据—模型—产品—场景”闭环跑通的公司。

中国经济时报：作为一位有多年一线实践经验的学者，您如何看具身智能产业当前面临的困难?

董豪：当前最核心的困难是数据，更准确地说，是高质量数据的不足，以及大规模、有效的“数据飞轮”尚未真正转起来。大语言模型之所以能快速迭代，是因为互联网提供了近乎无限的高质量文本语料;而具身智能面对的是物理世界的交互数据，这类数据无法从网上抓取，必须靠真机采集或仿真生成，成本高、标准不统一，规模远远不够。这是具身智能与纯数字智能最根本的差别。更深层的问题是飞轮没有闭合。理想状态是：机器人部署得越多，回收的真实交互数据越多，模型越强、产品越好用，从而带动更大规模的部署，数据、模型、场景三者互相驱动。但现在多数团队还停留在“Demo好看、真实场景成功率不稳”的阶段，飞轮的每一环都不够扎实。

中国经济时报：具身智能产业大规模的优胜劣汰将在什么时候到来?

董豪：行业目前仍处在增长期，还远没到大规模优胜劣汰的时候。资本、人才、政策都在快速涌入，整体是在做大“蛋糕”，而非存量厮杀。真正的洗牌通常在两个条件同时出现时发生：一是技术路线进一步收敛，“什么是对的做法”成为共识，靠概念和Demo讲故事的空间被压缩;二是商业化闸门打开，市场开始用真实的订单、复购和现金流投票。这个拐点大概在未来两三年内出现。

当泛化能力跨过可用门槛、真实场景规模落地时，差距会迅速拉开。企业要做“六边形选手”。具身智能是极其综合的赛道，单点强并不够，本体与供应链、算法与模型、数据飞轮、真实场景的商业化、组织与人才、健康的资本结构，这几个维度必须相对均衡，任何一块短板都可能致命。只会炫技、只拼硬件参数，或者只有故事没有闭环的团队，都会在洗牌中出局。更本质地说，能活下去的是真正把“数据—模型—产品—场景”闭环跑通的公司。它们不是靠融资续命，而是靠能力持续进化和真实价值创造活下来。行业最终会从“百团大战”收敛到少数几家，胜出的一定是内功扎实、六边形均衡的选手。

中国经济时报：目前行业关注的热点主要集中在哪些方面?

董豪：当前具身智能行业关注的焦点集中在几个方向：端到端的视觉—语言—动作(VLA)大模型、数据的规模化、世界模型、灵巧操作，以及人形本体的运动控制。中国与领先国家的差距越来越小，在CVPR、CoRL、Neu? rIPS等顶级会议上，中国团队的高质量论文占比越来越高;开源生态和人才的双向流动，让前沿进展几乎实时共享。

如果一定要说差异，那么更多是“侧重点”而非“代差”：美国团队相对更偏于基础模型和原创理论的突破，喜欢做“从0到1”;中国团队则在工程化、量产、场景落地和供应链上更有优势，更擅长把想法快速变成能用、能造的东西。在一些应用驱动的方向和硬件产业化上，中国甚至是领先的。

中国经济时报：如何看中国当前具身智能产业与国际上先进国家的差距?

董豪：谈差距要分两个层面——本体和算法。在本体和产业化上，中国不仅没有差距，反而有明显优势。得益于完整的制造业体系和供应链，中国把机器人本体“造出来、造便宜、造得能量产”的能力是世界领先的。同样一套硬件方案，中国团队往往能以更低成本、更快速度实现产业化。这一点，从新能源汽车到无人机已得到反复验证，具身智能也不会例外。

在算法思路上，中国与国际先进水平没有本质差距。学术共同体全球同步，中国团队在顶会上的原创工作、在真机上的落地能力都处于第一梯队，很多方向是并跑甚至领跑的。需要正视的差距主要在三个方面：一是真正“从0到1”的原创性突破和基础理论，我们的原始创新仍偏少，更多是在别人开辟的方向上做优化。二是最核心的底层环节——高端芯片、部分高精度传感器与执行器以及支撑超大规模训练的算力，仍受制于人。三是长期、耐心的基础研究生态，我们需要更能容忍失败、支持坐“冷板凳”的环境。

总体而言，中国在工程化和量产上强、在算法思路上并跑，短板在原创突破和核心零部件。把这几块补上，我国完全有能力在这一轮浪潮中走在世界前列。

中国经济时报：促进具身智能产业发展，政府与市场的边界在哪里?

董豪：以市场经济为主导，政府做市场做不了的事。具体的技术路线、产品形态、商业模式，应完全交给市场和企业，通过竞争去筛选。政府一旦直接下场“押注”某条技术路线或某几家企业，很容易造成误判和资源错配，也容易滋生低水平重复建设和“为补贴而生”的伪创新。这是边界的一侧——市场的归市场。

另一侧，是政府应积极作为的公共品领域。第一，基础研究和长期投入，尤其是数据、算法、核心零部件的原始创新，需要国家层面的耐心资本。第二，数据基础设施，比如公共数据集、仿真平台、统一的评测标准与安全规范——数据飞轮是全行业的痛点，公共数据基座能极大降低整个行业的门槛。第三，开放应用场景，政府和国企掌握大量公共服务、制造、养老等场景，有序开放就是给产业提供最宝贵的“练兵场”。第四，人才培养和包容审慎的监管。

总之，市场负责资源配置、竞争和商业化，政府负责基础研究、数据与标准等公共基础设施、场景开放和底线监管。政府搭好台、修好路、定好规则，把唱戏的舞台留给经营主体，这才是最健康的产业发展生态。