在2025甲子引力年終盛典的具身智能技術(shù)專場圓桌對話中，行業(yè)專家們圍繞具身智能的發(fā)展路徑、技術(shù)挑戰(zhàn)與商業(yè)化前景展開了深入探討。伯牙智能創(chuàng)始人兼CEO劉欣擔任主持人，與原力無限資深研究科學家陳佳玉、極佳科技聯(lián)合創(chuàng)始人兼首席科學家朱政、千尋智能聯(lián)席首席科學家解浚源、星源智聯(lián)合創(chuàng)始人何嘉偉共同剖析了這一領(lǐng)域的核心議題。

關(guān)于具身智能的“ChatGPT時刻”，嘉賓們認為其特征可能體現(xiàn)在技術(shù)突破與場景落地的雙重共振。陳佳玉提出，這一時刻需滿足三個階段：從單場景單任務(wù)穩(wěn)定執(zhí)行，到單場景多任務(wù)穩(wěn)定執(zhí)行，最終實現(xiàn)多場景多任務(wù)通用化。朱政強調(diào)，智能化水平是當前最大瓶頸，盡管通用性已顯著提升，但與專用模型相比仍存在差距。解浚源則指出，需通過開放場景中的泛化體力勞動展示破圈效應(yīng)，例如機器人自主完成疊衣服等任務(wù)。何嘉偉補充道，零樣本學習能力是關(guān)鍵，即解決未訓(xùn)練任務(wù)的泛化問題。

技術(shù)路線選擇方面，世界模型與VLA（視覺語言動作模型）的爭議成為焦點。朱政解釋，世界模型通過生成合成數(shù)據(jù)降低真機采集成本，并支持強化學習訓(xùn)練，最終可能演進為融合狀態(tài)預(yù)測與動作決策的WA模型（World-Action Model）。陳佳玉認為，軟硬解耦并非完全分離：大腦層級應(yīng)聚焦泛化知識，而運控算法需針對硬件適配。何嘉偉分享了星源智的實踐，其通過大小腦分層模式實現(xiàn)跨本體泛化——大腦負責空間感知與任務(wù)規(guī)劃，小腦處理硬件相關(guān)操作，結(jié)合2D3D融合與世界模型技術(shù)突破3D空間理解瓶頸。

數(shù)據(jù)獲取難題的解決路徑引發(fā)討論。解浚源預(yù)測，隨著數(shù)據(jù)采集流程標準化，到2026年底頭部企業(yè)將積累百萬小時級真實數(shù)據(jù)，屆時算力成本將超過數(shù)據(jù)成本。朱政指出，自動駕駛與具身智能在數(shù)據(jù)與模型層面存在共性，例如均需海量數(shù)據(jù)支撐，且模型架構(gòu)向VLA收斂。但他強調(diào)，具身智能對物理交互的要求更高，需處理剛體、流體等復(fù)雜動態(tài)場景。

商業(yè)化場景優(yōu)先級方面，嘉賓普遍看好商業(yè)服務(wù)領(lǐng)域。陳佳玉分析，工業(yè)場景對效率要求嚴苛，家庭場景存在安全與成本挑戰(zhàn)，而商業(yè)服務(wù)場景（如酒店清潔、餐飲服務(wù)）對安全性與效率容忍度較高，更易形成閉環(huán)。何嘉偉透露，星源智已與物流企業(yè)合作開發(fā)具身裝卸技術(shù)，通過部署通用大腦模型實現(xiàn)卡車貨物裝卸自動化。解浚源補充，工業(yè)場景雖技術(shù)可行，但面臨場景碎片化與數(shù)據(jù)采集難題，短期難以規(guī)模化。

面對資本熱潮，嘉賓們強調(diào)技術(shù)沉淀的重要性。陳佳玉建議，企業(yè)應(yīng)選擇細分賽道深度耕耘，避免盲目追隨技術(shù)潮流。朱政透露，極佳科技堅持“先提升智能化水平，再拓展場景”的策略，拒絕過早商業(yè)化導(dǎo)致技術(shù)稀釋。解浚源批評低水平重復(fù)的Demo展示現(xiàn)象，強調(diào)需聚焦Scaling Law驗證，通過數(shù)據(jù)與模型規(guī)模的指數(shù)級增長推動技術(shù)突破。何嘉偉則認為，Demo展示與產(chǎn)品化可并行，具身大腦的進化能直接賦能下游落地。

在團隊建設(shè)層面，跨學科協(xié)作成為共識。陳佳玉介紹，原力無限團隊分為本體、數(shù)據(jù)與算法三部分，算法團隊以學術(shù)背景為主，探索前沿技術(shù)。朱政表示，極佳科技研發(fā)人員占比80%，融合計算機視覺與機器人背景，通過統(tǒng)一目標打通世界模型到本體的技術(shù)鏈路。解浚源強調(diào)務(wù)實態(tài)度，認為優(yōu)秀人才可來自各行業(yè)，早期需依靠標桿成果吸引后續(xù)資源。何嘉偉補充，星源智依托智源研究院與北京大學的技術(shù)積累，同時重視工程化能力，在嵌入式開發(fā)與算法部署方面持續(xù)投入。