56.对话五家具身智能：机器人的“大脑”与“肉身”，谁在等谁？

大家下午好。记得今年6月份采访仲远院长的时候，他有一句话言简意赅：AI正从数字世界迈向物理世界。我觉得这句话其实紧扣着2025年——对于具身行业来说非常浓墨重彩的一年。

今天的嘉宾阵容很豪华，我们聚齐了产、学、研、用、供各方。我也有非常多好奇的问题，但是因为时间非常紧张，所以我就直入主题了。我想先请在座各位用一个词形容一下2025年。你们觉得具身行业现在正处于哪个阶段？为什么？要不我们先从刘总开始。

1. 2025年具身行业百花齐放

我觉得2025年具身行业是百花齐放。各种技术路线、各种方案、各种硬件本体都出现了，但是整体的落地路线应该还没有收敛。

对。唐总，因为您是从旷视时代经历而来的，已经是第二轮具身智能浪潮了，所以我希望您的回答能够把您的经历和感受也放进去。

如果用一个词，我会用“涌现”。确实涌现出了很多新的技术、新的方法和新的公司，也涌现出了很多新的资金，在这个行业里面进行非常深度的投入，我觉得这其实特别好。

旷视原来做机器人已经做了很长时间了。当然，在那个时代，我们还没有看到现在这样的一波技术能够去赋能机器人，所以我们先从搬运型机器人、偏仓储机器人开始。我有一个感受，就是2025年，或者说现在跟我们那个时代相比，整个世界正在被加速，各种节奏其实都被加速了。

第二，我觉得所有人都更加有技术信仰。我们不管从深度学习那一波，还是到大语言模型这一波，包括今天到具身智能，其实所有的技术都超出了我们原来的预期。所以在技术信仰上，我觉得大家更加坚定了。

但是第三，坦白讲，我觉得也挺浮躁的。所以在价值务实层面上，也有一些不同的声音。

姚总。

我想用的词是“虹吸”。我觉得从资本层面、从人才层面，好像具身智能现在都在从原来很多方向虹吸资源。

比如说，在座各位可能原来也不是做具身智能的，对吧？从视觉、从其他的AI，从第一代AI、第二代AI、第N代AI，都走到了具身智能，现在非常火热。我觉得这是一个好的现象，因为具身智能至少回顾过去到今天这些技术路线的发展，算是一个目前的集大成者。

它也需要过去在自动驾驶、语言模型、视觉模型等产业发展过程中积累的人才和技术，再汇聚到这样一个新兴的产业里来。

唐总。

我觉得一个词就是“日新月异”。我不知道大家的习惯是什么，反正我一般睁开眼，肯定先拿手机看新闻。基本上每天都可以看到：要不是谁发布新机器人了，要不就是运控又调出一个很离谱的动作来，要不就是具身智能的算法又有什么大的进展和突破。

蔡总。

我觉得是“量产”。今年出现了很多本体厂商，出货量过千台，整个行业应该过万台了，包括零部件其实也是过万台的。

这个数据可能是我自己估计的，整个行业过去几十年加起来，量可能都没有这么大。所以这是一个很好的起点。同时，有这么大的量，也能够为后面不管是数据采集，还是实际应用场景的探索，打下很好的数据基础。

我接着蔡总补充一个词，我觉得今年就是“爆发之年”。

我其实10月份刚从硅谷回来，看到了一个现象：那边不管是投资人还是硬件创业者，真的都非常羡慕中国，因为我们背靠着非常强大的供应链。

2. 硬件与大脑展开竞速

我们今天这场圆桌是围绕硬件展开的，那就问一个直击核心的问题：硬件现在是具身智能的瓶颈吗？以及，具身智能的硬件和大脑之间，谁跑得更快？接下来会是谁引领谁？我们还是从刘总开始。

我觉得硬件是不是瓶颈，要分场景。比如一些搬运场景，可能用一辆叉车就可以实现具体的搬运。叉车需要一个高效的大脑，能够识别这个场景，能够识别它要搬运的任务。这样的话，硬件不是瓶颈，瓶颈在大脑。

但是涉及灵巧操作或精细操作时，有可能我们的算法已经可以做出一些初代模型，但是硬件上仍然实现不了。所以在不同的场景里，有的是大脑走在前面，有的是硬件走在前面。

我觉得刘总刚刚讲得很对。从整体、从科研的角度来讲，今天从技术发展的角度来看，硬件不是瓶颈。

今天我们的夹爪其实也挺好，但是夹爪能够呈现人类用夹爪的这种智能吗？我认为这个gap其实非常大。但是从应用的角度来讲，我认为硬件还是瓶颈。

今天行业内出现了非常多新的公司，但硬件这个东西，我认为时间是不可压缩的。一个产品要走向稳定，变成一个在场景中能够持续、可靠、稳定使用的产品，不是用软件思维很快地把硬件搓出来，它就能直接使用的东西。所以我认为在应用上，硬件依然是瓶颈。

姚总，你们是全栈的代表。

今年我们确实也像刚才蔡总说的，进入了规模化的第一年。我认为，从能够被证实或者证伪的角度来讲，现在可能算法还是更大的瓶颈。

很多事情如果通过遥操作能够完成，我估计通过算法能完成的比例还是不高的，无论是节拍还是成功率。所以从这个角度来讲，硬件上能做的事情，算法还不能全都cover。

当然，从长线来讲，我觉得硬件挑战会更大。因为算法现在呈爆发之势，是一个指数级增长、日新月异的过程。但是硬件如果从第一性原理也好，从仿生学角度也好，要达到人一样的灵巧程度、能量密度和可靠性，还是差得非常非常多，任重道远。

我一贯的观点是这样：我把整个人形机器人的瓶颈分为两类，一个我称为“线性瓶颈”。我觉得硬件的瓶颈主要是一种线性瓶颈。

首先回答您的问题，硬件是瓶颈。人形机器人最关键的几个硬件，一个是关节。关节还有很大的瓶颈，比如关节的发热现象，以及关节的扭矩密度目前还非常低。

还有灵巧手。灵巧手如果想要自由度高，就会很大；如果想要自由度比较低，可能6个自由度可以做得比较小，所以这个尺度和性能也是非常难控制和掌握的。

另外还包括算力。大家可以看到，有时候一些演示的机器人的后面都拖着一块英伟达RTX 4090，真正使用的就是这块板卡的算力。包括现在的Orin，我们可能还是期待下一代，比如Thor，或者国产更强大算力的芯片。这也是一个瓶颈。

还有电池。电池能量密度比较低，固态电池能量密度比较高，但是固态电池的循环次数非常少，跟现在的液态电池还不能比。所以我觉得整个硬件是一个瓶颈，但是我称之为线性瓶颈。什么意思？就是假以时日，我觉得每年都会有比较大的进步，只要有资本和人力投入下来。

另一个最核心的瓶颈，我也同意前面嘉宾讲的，我称之为“非线性瓶颈”，就是软件，也就是大模型的泛化能力什么时候能达到ChatGPT时刻。这个是非线性瓶颈，什么意思？就是很难讲什么时候会有突破，也可能是明年，也可能是很长的时间，3年、5年，甚至10年。

总的来讲，现在硬件还是有很大的瓶颈，仍然需要很大的提升和发展。

接着唐老师的话稍微说一下。因为就在几天前，我主持了你们北京人形的Pelican具身脑模型开源，其实也是开源领域尺寸最大的具身脑模型。

今年我们看到了硬件不管是在运控，还是在整个供应链的成长，包括脑模型，其实都有很大的进展。我总结一下唐老师刚才的话：硬件是具身智能的瓶颈，但不是唯一的瓶颈，对吧？

接下来请蔡总多说一说，因为您应该是这场上可以代表供应链深度的一位代表，可以给大家讲讲您的看法。

首先我认为，硬件肯定是有瓶颈的。硬件的瓶颈是怎么样的？所有硬件都需要在使用当中不断迭代，需要有用户实际使用的反馈，才能够去迭代产品。

当然，硬件有一些物理规律，也有一些物理极限。硬件迭代到一定阶段以后，如果底层材料和物理原理没有发生变化，实际上很快就会到达瓶颈。再突破这个瓶颈，实际上是非常难的。

当然，从大的方面来看，我还是倾向于软件的瓶颈会更多一些。这里面核心是，很多应用demo实际上通过调试、遥操作等各种方式是可以实现的，但如果想真正应用到一些垂直行业里，不管是模型，还是垂直行业的数据，其实都还缺失。

从这个角度来看，如果我们选择一定的场景，硬件能够满足，但是软件可能满足不了；还有很多场景，是软件和硬件都满足不了。所以从这个角度来看，我觉得软件的瓶颈可能会更大一些。

3. 零部件逼近物理极限

从您的角度来讲，过去几年具身智能所需要的零部件，哪些发展得最快？哪些是当下需求非常密集，但是做的人还不够多，或者还不够好的？

这2、3年，我觉得整个具身行业的零部件，因为行业非常热，也涌入了很多新的玩家，包括原来在场的一些玩家，也加大了很多投入。

比如电机、减速器、丝杠、轴承，各种各样的基础零部件，其实都有了比较大的突破。对应到产品级的角度来说，还包括传感器、算力等，这些东西相比过去几年也已经有了很大的突破。

换算到产品层面，比如各种各样的旋转关节、直线关节、末端执行器，包括触觉传感器、六维力传感器等，这些产品在过去几年的技术迭代、产品成熟度、成本下降和产品一致性方面，都有了非常大的进展。

当然，现在来看，这些零部件最终还是要回归本质。要突破我们刚才说的物理极限问题，还是需要从最底层的技术上实现突破，比如材料、工业母机等。

我们经常会碰到一些案例。比如工厂里有一些作业任务，需要搬运几十公斤的负载。通过灵巧手的结构，被动负载也许能够承担得起，但是机械臂的主动负载达不到。这里面的问题就是关节扭矩的问题。

同样，灵巧手也是这样。自由度越高，所有电机的排布就越紧密。空间一旦受限，单个关节的负载能力就会下降；如果要保持较大的力输出，发热就会很快。所以这里面其实还涉及大量底层材料和制造工艺的瓶颈。

4. 场景开始定义硬件

我一个非常好奇的问题就是，到底是模型定义硬件，还是硬件定义模型？我粗听下来，感觉现在虽然硬件发展得很快，但硬件在一些场景中也会限制模型的效果，是这样吗？有没有不同意的？

5. 行业走向价值闭环

都同意。那如果我们希望整个产业能够凝聚在一起，因为我知道在这一轮具身热潮之前，行业里的真实状态其实就是做大脑的认真做大脑，做本体的认真做本体。但是现在出现了一股融合的趋势，也越来越多像智元这样的全栈公司、像北京人形这样站在产业高度的公司出现，试图去凝聚整个行业。

第一个问题是，模型定义硬件，还是硬件定义模型？第二个问题是，如果我们希望整个产业更好地凝聚在一起，哪些行为是值得呼吁的，哪些行为是有效的？

哪位先来？刘总。

我觉得您这个问题问得非常好。模型定义硬件，还是硬件定义模型，我觉得应该分成两个角度。

智源研究院现在做的是一个分层架构。像上层的多模态大脑，我觉得更多是通过模型来定义硬件。我们把所有感知传感器、声音输入做成一个标准构型，比如激光雷达、视觉，这样在任意的机器人本体上其实都可以部署，不局限于某一类机器人的形态。不同机器人都需要视觉、语音等输入。

但是在机器人的小脑层面做VLA模型，我觉得模型和本体应该紧密结合。因为一旦涉及本体或结构的变化，对应的VLA模型都需要进行调整。

同一套VLA模型部署到不同本体上，虽然我们也做了跨本体VLA模型的开发，但如果针对某一类本体进行调优，效果肯定会更好。所以我觉得，上层大脑和下层小脑要分成两种不同的情况来讨论。

好的，谢谢。

我的观点是，模型也不定义硬件，硬件也不定义模型。我觉得应该这么看：什么定义硬件？我觉得场景定义硬件。

我自己内心不相信完全统一化的构型能够解决所有问题，因为我们有很多物理极限，也有功率密度的问题。所以不可能用同一种形态同时解决轻载问题和重载问题。如果用一个形态解决所有问题，大概率这个设备一定是overkill，成本也一定会过高。

所以只有有了场景，才会选择相应的硬件形态。而我认为，模型解锁场景。这是我的理解：因为我们今天的能力能够达到，让这件事情变得可行，所以我们解锁了这个场景；这个场景反过来定义了硬件。

第二个问题我其实没有太听懂，就是在产业里面呼吁什么样的行为，什么样的行为是有效的，能够让大家联动、互相赋能。

我认为我们应该呼吁的行为，叫作真正的价值闭环。我们原力灵机的使命，是打造智能的、有用的、可信赖的机器人。

今天要把一件事情做成价值闭环，其实是不容易的。我们要把产品构建出来，放到场景中，给客户创造的价值是否可计算？通过这样可计算、可度量的价值，最终客户将它规模化地应用起来。我认为这件事情非常重要，而且并不像我们想象中那么简单。这是一件非常脏、非常苦、非常累的事情，所以这是我觉得大家应该一起去做的。

不应该呼吁的事情，是我们今天也看到了一些很神奇的框架订单。我们上台之前还在私下讨论：这些框架订单到底解决了什么场景、什么问题？它真的闭环了吗？它创造的场景价值真实吗？我也不太知道。

特别好的一句话：场景、模型解锁场景、场景定义硬件，对吧？好，姚总。

文斌基本上讲了我想说的。其实刚刚回答问题前，我想先声明一下：我们第一个讨论的问题，更多是谁限制谁；谁定义谁，和谁限制谁，是两个问题。

确实，现阶段模型定义不了硬件，这是肯定的。我们的硬件如果真的深入场景，它是被客户场景定义和打磨的。而且有时候甚至是相互的：我们在集成、部署的过程中，可能因为是友好客户，他们的产线也会来适配现在机器人的一些限制，包括可达空间、节拍等。所以更多是场景和硬件之间一直在互动。

至于第二个问题，哪些事情值得呼吁，哪些事情不值得呼吁，我认为中国过去很多成熟产业的发展，都经历过相似的过程。一旦兴起以后，就会出现海量的公司和各种产品；但大家又缺乏差异化，出现过度同质化竞争，随后行业开始收敛。在竞争和收敛过程中，也会出现一些不健康的行为，从市场营销端到产品质量端都是如此。

我觉得，今天站在具身智能和机器人还刚刚起步的时刻，应该尽量规避以前一些行业发展中的不健康行为。

值得大家一起做的事情，比如今天借着这个机会，我也看到RoboChallenge这样一个非常好的评测平台发布了。为什么这件事很好？因为这也呼应了文斌刚才的观点：大家还是要更加结果导向一些。发布模型、发布技术当然很好，但也需要一个公平、公正的平台，能够客观地衡量结果。

从产业上也是一样。各种订单现在确实很多，但最终还是要实现商业闭环，实现客户价值，最终体现到公司的营收上。我觉得这些实实在在的结果，更应该被大家关注和认可。

我可能就先说这么多。

其实我觉得文斌总可以补充一下你们最新的真机评测数据集。

感谢卯青。我们也非常高兴，今天在智源研究院的公开日上，RoboChallenge正式发布。

RoboChallenge最早是由原力灵机和Hugging Face一起发起的。今天智源研究院、智源机器人，以及在场的很多机构，包括自变量、星海图、清华大学、西交大等更多机构，都一起参与进来，共同建设这样一个平台。

我们也在这里呼吁更多同行参与进来，一起定义标准、定义评测方式，让智能能够更快地向前发展。因为只有知道怎么评测，才能知道如何让它进步，对吧？

所以我们希望和大家一起共建这样一个平台，推动行业进步。也非常感谢智源研究院和智源机器人。

从这个角度看，还是很乐观的。语言模型走到下半场，才发现评测特别特别重要；现在具身智能在上半场就已经意识到了。

唐老师。

我也同意前面几位嘉宾的观点。我们觉得可能不是谁定义谁：硬件现在基本上的行业共识，还是根据场景和用户需求来定义硬件；而软件模型其实是解锁硬件的能力。

此前具身智能硬件行业有一个共识，就是硬件决定下限，软件决定上限。我觉得这个共识在人形机器人以及具身智能行业里仍然成立。

现在行业内普遍存在一种现象，包括我们自己之前也有：基本上是本体团队做好硬件，扔给运控团队调；运控团队让它动起来，再扔给具身智能算法团队调。我觉得这可能不是最好的方式，软硬件还是要扣在一起。软件团队也要给硬件团队提供feedback，让硬件团队在各方面做改进。

比如我们遇到过一个实际问题：大家都知道机器人一定是越轻越好。但是越轻并不等于重量越轻越好，上下肢的比例也非常重要，这就是重量的比例问题。这其实就是软件团队给硬件团队提出的一些要求。所以我觉得两者一定要形成闭环，双向奔赴才可以。

第二个问题，前面几位嘉宾已经说了很多，我就说一点。我觉得在一些方面，比如具身智能的模型，一定要鼓励百花齐放。比如我们做关节模组，有行星、谐波，甚至摆线，还有直线推杆等关节，这些也应该鼓励大家百花齐放。

但是有一些事情一定要形成统一，否则就是一种浪费。比如标准接口，关节接口一定要标准化、统一；数据采集的格式、评测标准，也一定要统一。我觉得这对行业非常有益。我也相信，开源应该会非常深刻地影响这个行业。

蔡总。

我也认为场景、模型和硬件应该是一个相互反馈、相互促进的过程。场景和模型更多是站在用户的角度，硬件更像是方案提供商，双方需要一个磨合、配合的过程。

从硬件角度来说，它会从工程化的方式去考虑工程化的最优解。如果单从场景、单从模型的角度来说，可能不一定会考虑物理边界。所以我觉得这还是一个互相促进的过程。

6. 2026年迎来规模化落地

好的，因为时间快到了，我最后再问一个问题。请各位嘉宾用简短但是扼要的话来回答：我们现在看到整个行业的资源都在向人形机器人倾斜，但我个人非常好奇，如果最终人形机器人不是终局，这会是我们走的一段弯路吗？

这是第一个问题。第二个问题，请大家分享一个2026年最关注的行业问题。还是从刘总先开始。

首先，人形机器人肯定不是弯路，但是具身智能的落地肯定不只是人形。

人类从猿演化成人，好不容易学会使用工具，我们不可能放弃这些工具，再回到人本身的状态。如果是由一个人形机器人来操作这些工具，我还不如直接给这个工具赋予一个大脑，让这个工具自己完成任务。

至于2026年，我觉得行业发展最大的挑战，就是刚才唐总提到的，端侧算力如何满足大模型的运行。我们现在没办法用云端算力去支持具身智能在一些场景中的落地，必须把算法放在机器人本体内，把大模型真正地在端侧跑起来。

现在已经涌现出一些像英伟达Thor这样的产品，但是国产化算力还是比较落后。所以我们期待2026年，真正的国产大算力端侧芯片能够涌现出来。

你们也已经做了。

对，我们已经做了。

嗯，好，唐总。

我认为人形是手段，人形不是目的。从情绪价值的角度来讲，人形是最好的形态；从功能价值的角度来讲，人形未必是最好的形态。

所以我觉得今天我们不是在走弯路。情绪价值也是价值，功能价值也是价值，我们都是在推动整个机器人的进步。

至于2026年，如果用一个词，我觉得可能就是“Scale”。不管是数据的规模化，还是应用场景实际落地的规模化，都会逐渐出现很多公司的应用规模化。我觉得这是一个非常令人期待的事情。

姚总。

我非常同意文斌刚才说的。面对不同的场景，还是会出现几个大类。它也许不会像过去的专机那样，出现割草机、扫地机这么多细分类，但可能还是会出现一些大类。

本着这样的出发点，像追觅机器人，我们也是全栈布局了很多形态：有轮式双臂机器人，也有双足的全尺寸、半尺寸机器人，还有四足机器人，四足也有很多型号，满足从陪伴、服务到搬运等不同场景。

所以我觉得整个行业不会是all in某一种特定形态，一直到发现不work以后，再开始反思。大家现在都很聪明，也很务实，不存在走很大的弯路这样的情况。

至于2026年，我非常期待、也认为必将会发生的一件事，就是当数据量突破到一定程度的时候，可能会看到一些我们对具身智能和机器人行业所假设的涌现时刻，至少可能看到一些初露端倪的时刻。

最近我们也看到，国外一些公司的数据量已经到了几十万小时的级别。虽然它们的形态各异，包括这几天看到的π0.6，它其实也是通过强化学习等自主手段，不停获取与真实世界交互的数据。

在更多高质量数据出现的情况下，我相信明年可能会出现一些我们原来没有看到的涌现时刻。

唐总。

我觉得人形机器人一定不会是弯路，一定会是历史的必然。具备通用具身能力的、比较通用的人形机器人，就会像上世纪80年代的通用个人电脑，以及本世纪第1个10年的通用智能手机一样，全部或者部分取代一些专用设备，比如MP3播放器或者PDA这类设备。

而且这个时间点卡得很准。我们说历史会不断重演，正好也是20年左右的时间。

另外我也同意前面嘉宾的观点，人形机器人不会是全部，不会说社会上所有机器人都是人形的。比如现在广泛使用的工业机器人，特别是重载工业机器人，一定会长期存在，因为它们已经把单点场景做到极致，效率做到最高。我们完全没有必要一定搞一个人形机器人去取代它们。

至于期待的事情，前面两位嘉宾说得特别好。我觉得明年相对比较确定会看到的，是一些垂直领域的人形机器人规模化落地。这是一件比较确定的事情。

另外我比较期待的，和姚总一样，就是看看明年有没有可能达成具身智能的ChatGPT时刻。这是非常不确定的一件事情，但是大家都在往这个方向努力。

最期待蔡总的话了。因为您代表着供应链，您看起来眉头紧锁。

我非常同意前面几位嘉宾的观点。我也认为，具身智能会有多种机器人形态，但是人形机器人一定是其中非常重要、甚至最重要的一种形态。

另外，我觉得人形机器人是所有关键核心技术、所有关键产业链的集大成者。从这个角度来说，不会走弯路。我们今天付出的所有努力，一定都会发挥它的历史作用。

从期待来说，我也期待明年能够在一些垂直行业、垂直应用中实现落地。这从商业化的角度来说，也是我们特别关注的一类应用场景。

谢谢各位精彩的分享。让我们共同期待2026年的涌现吧。谢谢。