今年下半年以來，具身智能機器人行業連續宣布億元級商業化大單，營造出一派樂觀的落地前景。但也有從業者直言，看不懂一些訂單背后的虛實。

在11月20日的智源研究院“具身開放日”上，原力靈機創始人兼CEO唐文斌拋出諸多疑問：“這些訂單它到底解決了什么問題？真的（商業）閉環了嗎？它創造的場景價值是真實的嗎？”原力靈機是一家成立于2025年3月的具身智能初創公司，11月中旬剛完成由阿里巴巴領投的數億元A+輪融資。

智源研究院院長王仲遠也擔心，機器人廠商的量產不是由真實需求驅動，而是由偽需求或者示范性驗證的小需求形成。他在接受南都等媒體采訪時表示，具身機器人創業公司應聚焦真實用戶需求，把一個場景打磨透，打磨到可用。如果量產并非基于真實需求，當熱度退去后，機器人的場景方就會因效果達不到預期而停止續購。此時有可能出現泡沫破裂，使具身智能行業陷入“暫時的低谷期”。

王仲遠建議，政府層面應更多從政策上給予支持與引導，避免直接提需求，因為真正的需求始終來自企業和用戶側。

智源研究院的具身訓練場。圖：智源研究院

盡管技術仍不成熟，但具身智能公司在今年紛紛發力商業化布局。這背后，既有投資人對創業公司“造血”能力或跑通商業閉環能力的考驗壓力，同時也源于機器人企業在真實場景中發現問題、迭代產品的現實需求。從應用場景來看，眾多公司集中涌入工業和物流領域的搬運、分揀、安防，以及商用領域的導覽、導購和文娛表演等方向。

機器人能力的有限性，也在李凱的預期之中。作為中國聯通具身智能首席專家，李凱認為，人形機器人固然有很多不足，比如算法不成熟、模型規模有限、算力不足，但只要通過系統設計的手段，滿足某個特定場景的需求，場景方就有意愿采購。此外，場景方還看重“全生命周期運營”，即機器人廠商需提供完善的售后保障。

作為軟硬一體化的物理AI應用，具身智能機器人必須同時攻克硬件和軟件兩端的瓶頸。

常見的硬件問題包括關節發熱、關節扭矩密度低、電池能量密度低、端側算力有限等。“硬件都還沒有到真正量產可用階段。”王仲遠透露，智源研究院采購了10臺某品牌的人形機器人，但一兩個月內壞了五臺。短時間內，這樣的機器人只能處于科研狀態。硬件的穩定性依然在阻礙機器人進入真實工業場景和家庭場景。

北京人形機器人創新中心CTO唐劍把硬件難題稱為“線性瓶頸”，也就是只要持續投入資金和人才，機器人硬件每年都有可能取得較大進步。不過，因時機器人創始人兼CEO蔡穎鵬指出，機器人的零部件迭代到一定階段后，就會觸碰到物理極限。如果底層的材料技術等無法突破，硬件瓶頸也很難攻克。

軟件瓶頸，在唐劍看來屬于“非線性的”：很難預測具身智能模型究竟何時能迎來ChatGPT時刻，可能短則兩三年，長則十年之久。

具身智能模型“難產”背后，數據短缺是一個老生常談的問題。業內為此爆發了至今仍在持續的真機數據與仿真數據路線之爭。

智源研究院“具身開放日”上，自變量機器人創始人兼CEO王潛表示，外界對“數據規模”可能存在一些誤解，第一反應往往是“大力出奇跡”。但單純堆數據規模未必能帶來理想結果，只有更高質量的數據才能實現突破。數據質量優先于數據總量，這也是為什么自變量公司堅持以物理世界真實數據為主的原因。

銀河通用創始人兼CTO王鶴則針鋒相對地回應稱，諸如人形機器人的足式行走、跳舞，以及其他各種復雜的身體控制，全都是通過仿真器習得的。真實數據在這當中起到的作用，一是提取舞蹈等人類的行為形態，二是用于真實世界部署前的微調。

“仿真并非否定真實數據，而是這些豐富的物理交互可以從仿真開始。它能提供一個很好的基礎控制器，使我們在真實世界里能把‘數據飛輪’轉起來。”王鶴說，“這是合成數據的使命。”

與數據短缺相伴隨的，是具身智能模型訓練成本高企。王仲遠受訪時提到，對于很多創業公司來說，現階段接到的訂單量不足以支撐高風險的模型訓練嘗試。這正是這些企業愿意與智源研究院合作的原因之一。“甚至很多創業公司直接跟我們說，硬件我來造，具身機器人大腦靠你們。”作為非營利科研機構，智源研究院在今年發布了跨異構本體的具身大小腦協作框架RoboOS，以及跨異構本體的具身大腦RoboBrain。

面對通用具身智能模型前景的不確定性，王仲遠認為，短期內，短期內外界不應對人形機器人的通用能力和泛化能力抱有過高期待。更現實可行的路徑是，先用小的專用具身智能模型進行場景化落地，讓機器人產業跑起來。在這一過程中，要把某個場景、某個任務做到99%以上的準確率，做到長時間運行不發熱、硬件不頻繁損壞，并逐步形成數據閉環。唯有如此，機器人公司才能先活下來。

“我跟（機器人公司）創始人經常聊的一句話是，先活下來，熬過可能出現的寒冬，才能迎來真正的具身智能未來。”王仲遠說。

采寫：南都N視頻記者 楊柳 發自北京