新智元報道

編輯：定慧

中國具身智能「全明星日」現場齊聚30+頂流大佬，現場卻先吵翻了天！具身智能架構要不要推倒重來？真機還是仿真誰當C位？硬件、甲方、數據飛輪輪番上場——這場4小時真心話局，或許決定機器人能不能真正走進你家門。

2025年，注定是具身智能的「爆發之年」。

如果說大模型是數字世界的「大腦」，那么具身智能就是讓AI擁有「身體」，真正走進物理世界。

昨天下午，北京鼎好大廈，智源具身2025 OpenDay現場，空氣燥熱得仿佛盛夏。

30多位明星具身公司的CEO/CTO、聯創齊聚現場，這哪里是智源開放日，分明是中國具身智能產業的「全明星日」！

智源研究院院長王仲遠站在臺前，身后是悟界·Emu3.5多模態世界大模型和RoboBrain2.0具身大腦的最新技術演進。

但他此刻的角色，更像是一位超級鏈接者，將產、學、研、用的頂流們匯聚于此，試圖在喧囂中厘清行業的真實脈絡。

從「具身Transformer」是否存在，到「數據飛輪」靠仿真還是真機，再到「甲方爸爸」的靈魂拷問。

大佬們不再避諱分歧，而是展開了直擊靈魂的對話與互懟。

三場圓桌，四輪激辯，不僅撥開了行業的迷霧，也為具身智能的未來厘清了方向。

激辯一

具身智能需要自己的「Transformer」嗎？

在「BAAI 模型會客廳」環節，氣氛從一開始就充滿了火藥味。

主持人拋出了一個直擊靈魂的問題：具身智能會收斂到由某一個統一架構主導嗎？我們需要具身版的Transformer嗎？

這是一個關于「大一統」的賭注。

招商局集團AI首席科學家張家興率先開炮，給出了一個極具顛覆性的觀點：「我們不能沿著過去三年大模型發展的結構（LLM/VLM）走下去。」

他認為，現在的VLA（視覺-語言-動作）架構在視覺和動作之間夾雜了語言，這不符合人類操作的本質。

「人在開車時可以聊天，說明視覺和動作是直連的。具身智能需要一個Action First（動作優先）的架構，而不是Language First。」

清華大學助理教授、星海圖聯合創始人趙行對此表示贊同。他描繪了一個理想的架構圖景：一個Large Action Model（大動作模型），它依賴于視覺，最后才加入語言。

「更重要的是，它必須是一個閉環模型。大語言模型是一問一答的開環，而具身智能是動作-反饋-調整的閉環。」

然而，北京大學助理教授、銀河通用創始人及首席技術官王鶴則從現實角度潑了一盆冷水。

他指出，雖然Transformer架構在吞吐多模態數據上表現出色，但在動作輸出上，行業尚未找到收斂的路徑。

「我們今天的數據遠遠不夠。地球上目前可能只有1000家頭部廠商，每家有1000個人形機器人「居民」，這樣稀缺的數量不足以撐起探索出一個Action First的架構。」

智源研究院院長王仲遠則站在了終局思維的高度。

他堅信終極狀態一定會有相對統一的架構，這也是智源布局Emu系列多模態世界模型的原因。

「但這種大一統模型的出現，可能需要具身智能互聯網的出現——即當數以千萬計的機器人進入真實場景，累積了海量數據之后。」

結論：現在的VLA架構可能只是過渡態，行業正在呼喚一種剝離語言中心主義、以動作為核心的全新架構。但在數據爆發之前，大家依然只能「戴著鐐銬起舞」。

激辯二

數據飛輪，信「仿真」還是信「真機」？

如果說架構是骨架，數據就是血液。

在數據獲取的路徑上，嘉賓們分成了鮮明的兩派，互不相讓。

「真實派」以星海圖趙行和智元機器人羅劍嵐為代表。

趙行強調「In scaling law we trust」，但他眼中的Scaling必須基于真實世界的數據采集，真實、數量和多樣性。「我們不會僅僅在數采場里采，更多要到真實場景里去。」

羅劍嵐則補充道，未來的數據飛輪必須通過機器人自主產生，「不僅僅靠遙操，而是機器人與環境交互產生數據，形成正反饋。」

「仿真派」的聲音同樣強勁。

加速進化創始人&CEO程昊坦言：「我們現在用仿真數據多一些，因為快。」他認為這是一個螺旋上升的過程，落地遇到Corner Case搞不定時，必須大量上仿真數據。

「很多底層控制，如足式行走、跳舞，全部是通過仿真習得的。」王鶴直言：在真實世界做強化學習太難了，你甚至沒法遙操一個靈巧手去感知它到底扎沒扎到。」

但他同時指出：「仿真不是為了否定真實世界，而是提供一個base Controller（基礎控制器），讓我們有能力在真實世界把數據飛輪真正轉起來。」

智源研究院則提供了一條「第三條道路」。

王仲遠提出，人類的學習是從觀察世界（視頻）開始，再到互動（真機）。

因此，智源堅持從海量長視頻數據中做基座模型學習（Emu3.5的思路），再結合真機數據和強化學習進行微調。

共識達成：沒有一種數據能包打天下。視頻數據提供通識，仿真數據提供基礎運動能力，而稀缺的真機數據則是通向物理AGI的「金門票」。

激辯三

硬件是瓶頸嗎？誰在定義誰？誰在限制誰？

當視線轉向「BAAI硬件會客廳」，話題變得更加務實。

2025年被嘉賓們形容為「虹吸」、「涌現」和「量產」的一年。

智元機器人合伙人、具身業務部總裁姚卯青將硬件的瓶頸分為兩類：線性瓶頸和非線性瓶頸。

「關節發熱、扭矩密度低、電池續航，這些是線性瓶頸，每年都在進步；但軟件和大模型的泛化能力，是非線性瓶頸，你不知道突破點在哪一天。」

他坦承，雖然算法在爆發，但從第一性原理看，硬件距離人類的靈巧度和可靠性還差得遠，「硬件依然是瓶頸。」

因時機器人創始人&CEO蔡穎鵬作為關鍵硬件的代表，指出了物理世界的殘酷性：「軟件可以迭代，但硬件有物理極限。一旦涉及到底層材料和底層物理原理，突破非常難。」

那么，究竟是模型定義硬件，還是硬件定義模型？

在這個問題上，全場達成了一種微妙的默契：都不是，是場景在定義一切。

原力靈機聯合創始人&CEO唐文斌一針見血：「我不信完全統一的構型能解決所有問題。只有場景才定義了硬件形態。」他呼吁行業回歸價值閉環，「不要為了人形而人形」。

北京人形機器人創新中心CTO唐劍則補充了一個生動的細節：「以前是本體團隊做好扔給運控，運控調好扔給算法。現在必須雙向奔赴。軟件團隊要告訴硬件，不是越輕越好，上下肢比例更重要。」

激辯四

從Demo到落地，還要跨過幾個坑？

最后的「BAAI產業會客廳」是整場活動最「接地氣」也最「扎心」的環節。

盡管呼聲震天，真正的「殺手級應用」尚未出現。是在工廠里擰螺絲？還是進家庭疊衣服？行業在「偽需求」和「真場景」之間艱難摸索。

來自能源、通信、制造一線的「甲方爸爸」們，給熱火朝天的具身智能潑了一盆冷水，也指了一條明路。

「客戶不為泛化買單，只為解決問題買單。」

優必選工業&優奇聯創CEO楊繼峰的話擲地有聲。

他指出，客戶不會因為你用了大模型就多付錢，他們只關心效率。目前的痛點在于，具身智能尚未達到工業體系要求的「拐點」，導致每個項目都是定制化的「0或1」，無法形成規模效應。

中國聯通具身智能首席專家李凱總結了甲方愿意買單的「三高」場景：高復雜度、高危險性、高成本。

他分享了一個失敗案例：在軸承工廠，AI檢出率如果達不到98%，就無法替代老工人；如果只是降低了老工人的勞動強度而不能替代人力，那對企業來說就是零價值。

「全生命周期的運營才是關鍵，有沒有人考慮過機器人的IP防護等級？有沒有人考慮過連續無故障工作時間（MTBF）？」

海信杭研總監張名舉則用一組數據揭示了家庭場景的艱難：「中國人每人每天平均有118分鐘家務。」

他認為，機器人進家庭不能指望「全能管家」，而應是「特種兵+生態」。「比如洗衣服，機器人負責拿，洗衣機負責洗，這需要家電與機器人的配合，而不是讓機器人把所有事都干了。」

軟通天擎創始人黃鵬提出了「場景再造」的概念。他認為，現在的環境是為人設計的，機器人很難直接適應。必須對場景進行標準化改造，讓數據結構化，模型才能跑起來。

智源研究院：做具身時代的「送水人」

在長達三個小時的激辯中，我們看到了焦慮，更看到了希望。

如果說去年的具身智能還在討論「是什么」，今年的重點已經變成了「怎么做」。

在這場集體突圍中，智源研究院的角色耐人尋味。

它沒有親自下場做本體或產品，而是默默地開源了RoboBrain具身大腦、Emu3.5多模態世界大模型、RoboCOIN數據集以及真機評測平臺。

Emu3.5：用海量長視頻數據訓練，打造世界模型的基座模型，解決數據饑渴。

RoboBrain 和 RoboOS：提供跨異構本體的大腦和小腦，解決「不通用」的痛點。

RoboCOIN：全球本體數量最多、標注精細的真機數據集，打破數據孤島。

RoboChallenge：聯合Hugging Face等建立評測標準，解決「自賣自夸」的亂象。

面對行業的碎片化，智源研究院選擇了一條難而正確的路：做公共基礎設施，做技術路線的探路者。

正如智源研究院院長王仲遠在開場時所說：「我們就是希望，為行業鋪設基石。」

當所有人都想做淘金者時，智源選擇做那個賣鏟子、修路、通水電的人。

這場OpenDay不僅展示了技術，更展示了一種生態的號召力——將學術界的象牙塔、產業界的練兵場和資本市場的加速器連接在一起。

2025年，也是具身智能去偽存真的關鍵之年，正如會場內掌聲所證明的：

當鋪路人足夠堅定，同行者足夠眾多，種子就已經在這一刻埋下。

秒追ASI

?點贊、轉發、在看一鍵三連?

點亮星標，鎖定新智元極速推送！