他們都說(shuō)：王興興“說(shuō)錯(cuò)了”

銀河通用聯(lián)合創(chuàng)始人兼大模型負(fù)責(zé)人張直政，千尋智能聯(lián)席首席科學(xué)家解浚源，自變量機(jī)器人創(chuàng)始人兼CEO王潛，清華大學(xué)助理教授、星海圖首席科學(xué)家趙行，傅利葉智能創(chuàng)始人兼首席執(zhí)行官顧捷，加速進(jìn)化副總裁趙維晨，北京人形機(jī)器人創(chuàng)新中心CTO唐劍……

當(dāng)人形機(jī)器人領(lǐng)域的這些活躍人物，出現(xiàn)在云棲大會(huì)同一場(chǎng)活動(dòng)——2025阿里云具身智能行業(yè)論壇，氣氛變得微妙起來(lái)。

一方面，他們對(duì)一個(gè)終極愿景抱有高度共識(shí)：讓機(jī)器人能在家庭和工業(yè)場(chǎng)景中自如完成各類任務(wù)，最終邁向通用人工智能的“圣杯”。

然而，當(dāng)話題轉(zhuǎn)向“如何抵達(dá)”這一現(xiàn)實(shí)路徑時(shí)，瞬間呈現(xiàn)出緊張感，各家的嘗試天馬行空，甚至互不兼容。

有人認(rèn)為仿真數(shù)據(jù)能解決99%的問(wèn)題，也有人直言最核心的數(shù)據(jù)必須源于現(xiàn)實(shí)世界；有人推崇端到端的統(tǒng)一模型，也有人主張分層系統(tǒng)更為實(shí)際，還有人試圖跳出非此即彼的框架：“別爭(zhēng)了，其實(shí)可以整合到一起。”

就連并未參會(huì)的王興興，也因不久前在另一場(chǎng)大會(huì)上提出的爭(zhēng)議觀點(diǎn)，被“請(qǐng)”到了臺(tái)前。

這其實(shí)是一件很有意思且極為重要的事。技術(shù)路徑的分化，標(biāo)志著一個(gè)更具深度的探索階段的到來(lái)。而在這個(gè)過(guò)程中出現(xiàn)的每一條岔路，都可能藏著通向終極答案的鑰匙。

數(shù)據(jù)之爭(zhēng)

真機(jī)數(shù)據(jù)還是仿真合成數(shù)據(jù)？

與文本、圖像等可輕松抓取的互聯(lián)網(wǎng)數(shù)據(jù)不同，具身智能依賴的是機(jī)器人與物理世界交互的行為數(shù)據(jù)。

這類數(shù)據(jù)天然稀缺、獲取門(mén)檻極高，已成為行業(yè)共識(shí)，但如何破解這一瓶頸成了“非共識(shí)”的問(wèn)題。于是，便有了“真機(jī)數(shù)據(jù)采集”與“仿真數(shù)據(jù)生成”之爭(zhēng)。

第一位上臺(tái)分享的銀河通用張直政，堅(jiān)定地站在仿真合成數(shù)據(jù)一方——這兩天湖濱步行街開(kāi)出的杭州首家機(jī)器人售賣(mài)店，便是這家公司的商業(yè)化嘗試。他認(rèn)為以仿真數(shù)據(jù)為主導(dǎo)的路線，不僅能實(shí)現(xiàn)千倍訓(xùn)練效率的提升，長(zhǎng)期來(lái)看也更具可行性與性價(jià)比優(yōu)勢(shì)。

銀河通用機(jī)器人貨架取商品

年初，銀河通用就已發(fā)布完全基于仿真合成大數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練的具身大模型，目前生產(chǎn)出10億級(jí)別的仿真合成數(shù)據(jù)，據(jù)說(shuō)內(nèi)部已經(jīng)進(jìn)一步將數(shù)量級(jí)擴(kuò)大至百億和千億級(jí)別。

沒(méi)有對(duì)上一位演講嘉賓的直接反駁，PPT一放，千尋智能解浚源的立場(chǎng)已不言自明：其中一頁(yè)的標(biāo)題寫(xiě)著：“唯有高質(zhì)量的真實(shí)數(shù)據(jù)才能訓(xùn)練出世界領(lǐng)先的模型。”

這家?guī)в姓愦?清華基因的公司，構(gòu)建了一套三級(jí)訓(xùn)練體系：先用海量互聯(lián)網(wǎng)視頻預(yù)訓(xùn)練為系統(tǒng)注入先驗(yàn)認(rèn)知，再通過(guò)真實(shí)機(jī)器人采集的模仿學(xué)習(xí)數(shù)據(jù)進(jìn)行動(dòng)作映射，最后通過(guò)強(qiáng)化學(xué)習(xí)將完成度推向接近完美。

真實(shí)數(shù)據(jù)從哪里來(lái)？解浚源展示了其中兩種采集方式：一是遙操作（量小但質(zhì)量高），二是自研可穿戴機(jī)械臂（更靈活，成本僅遙操1/20）。

千尋機(jī)器人Moz1展示S型壓彎

同樣堅(jiān)持真機(jī)數(shù)據(jù)為主導(dǎo)路線的，還有星海圖。這家公司新近發(fā)布的G0模型，便是基于100%開(kāi)放的真實(shí)世界數(shù)據(jù)進(jìn)行訓(xùn)練：機(jī)器人被放在漢庭、如家、711、羅森等真實(shí)場(chǎng)景，自主采集人類行為數(shù)據(jù)，并完成一系列復(fù)雜任務(wù)。

真機(jī)數(shù)據(jù)>互聯(lián)網(wǎng)數(shù)據(jù)>仿真數(shù)據(jù)，趙行現(xiàn)場(chǎng)還給數(shù)據(jù)價(jià)值排了個(gè)序。

一場(chǎng)論壇遠(yuǎn)不足以平息這場(chǎng)持續(xù)已久的數(shù)據(jù)之爭(zhēng)。什么樣的“數(shù)據(jù)配方”才是最理想的虛實(shí)比例？只有等待后續(xù)實(shí)踐去揭曉了。

模型之問(wèn)

大模型如何賦能具身智能？

具身智能的“智”，究竟要怎么衡量？

解讀的維度很多：比如空間智能（對(duì)于位置、距離和環(huán)境的精準(zhǔn)感知），時(shí)間智能（記憶過(guò)去、預(yù)測(cè)未來(lái)），又比如執(zhí)行智能（拆解復(fù)雜任務(wù)并自主執(zhí)行），泛化能力（將所學(xué)遷移到新場(chǎng)景），等等。

當(dāng)下一個(gè)熱門(mén)的解決方案，就是VLA（視覺(jué)-語(yǔ)言-動(dòng)作）端到端模型。它試圖讓機(jī)器人通過(guò)攝像頭“看見(jiàn)”世界，通過(guò)自然語(yǔ)言“聽(tīng)懂”人的指令，并直接執(zhí)行相應(yīng)“動(dòng)作”，從而構(gòu)建起“感知-理解-決策-執(zhí)行”的閉環(huán)。

“除此之外，還有大小腦分層架構(gòu)、世界模型，目前技術(shù)路線尚未收斂，并行探索。”北京大學(xué)計(jì)算機(jī)學(xué)院研究員仉尚航現(xiàn)場(chǎng)對(duì)這三類主流算法路徑，做了一個(gè)梳理。

大腦+小腦分層路線，采用多模態(tài)大模型作為“大腦”負(fù)責(zé)高層決策與推理，配以專門(mén)的“小腦”模型處理底層運(yùn)動(dòng)控制，通過(guò)分層協(xié)作實(shí)現(xiàn)更強(qiáng)的任務(wù)處理能力。世界模型路線，則代表更前沿的探索，旨在構(gòu)建對(duì)物理世界的完整建模，通過(guò)預(yù)測(cè)未來(lái)狀態(tài)來(lái)優(yōu)化動(dòng)作決策。

現(xiàn)場(chǎng)的自變量和星海圖，恰好分別代表了端到端與分層模型兩種方向。前者將視覺(jué)、語(yǔ)言、觸覺(jué)、動(dòng)作等所有模態(tài)信息，納入一個(gè)模型處理；后者則采用“大腦”+“小腦”，一方面減輕算法負(fù)擔(dān)，另一方面也更符合人體結(jié)構(gòu)。

星海圖機(jī)器人疊被子

并未參會(huì)的王興興，因此前在2025世界機(jī)器人大會(huì)上的觀點(diǎn)，在圓桌環(huán)節(jié)意外被cue。當(dāng)時(shí)，他在公開(kāi)演講中表示，機(jī)器人數(shù)據(jù)被過(guò)分關(guān)注了，“現(xiàn)在最大的問(wèn)題是模型，并不是數(shù)據(jù)問(wèn)題。”同時(shí)，他對(duì)大熱門(mén)的VLA持較為懷疑態(tài)度，認(rèn)為這就是一個(gè)“相對(duì)傻瓜式的架構(gòu)”，在和真實(shí)世界交互時(shí)，數(shù)據(jù)質(zhì)量、能采集的數(shù)據(jù)都不太夠用。

有趣的是，剛才還在為端到端與分層路線交鋒的嘉賓，此時(shí)卻立場(chǎng)一致，或委婉或直接地表達(dá)了對(duì)這一觀點(diǎn)的不認(rèn)同。

文 | 童蔚

VIEW MORE

@時(shí)隔8年，又一位未來(lái)“預(yù)言家”來(lái)杭州開(kāi)講 >>

@彈鋼琴是為了更好地洗碗？ >>

@今天，阿里一號(hào)位分享了他自己編排的PPT >>

@ 杭州這個(gè)創(chuàng)業(yè)社區(qū)，專門(mén)孵化“一人公司”>>