100億都不夠燒！機器人公司CEO們給出新判斷：具身智能不能再照搬LLM

雙足不是唯一答案！機器人長什么樣，看場景。

作者 |江宇

編輯 |漠影

機器人前瞻11月20日報道，在今天舉行的2025智源具身Open Day上，智源研究院系統性公開了其在具身智能方向的最新研究進展，并舉辦了圍繞行業核心問題的圓桌討論。

在現場，圓桌討論從“世界模型是不是實現具身智能的關鍵”展開，隨后延伸到“具身智能需不需要自己的統一架構、要不要有一套‘具身版Transformer’”。在數據層面，嘉賓們又討論了在數據又重要又難的前提下，真實數據、仿真數據和視頻數據該怎么組合使用。

第二場圓桌則進一步提出“人形機器人是不是具身智能的最終形態、硬件是不是現在最大的瓶頸”的問題。

大咖云集的圓桌討論把業內當下關鍵與現實的議題都擺上了桌面。許多嘉賓在多個核心問題上給出了清晰、直接的判斷，分歧與共識交織出現。

01.

智源的全棧布局：

從世界模型到跨本體“具身大腦”

在開場演講中，智源研究院院長王仲遠系統介紹了過去一年在具身智能方向的多項關鍵進展，他將其概括為兩條主線：世界模型的突破與具身大腦全棧體系的成型。

首先，智源發布了原生多模態世界模型Emu3.5。相較上一代Emu3，新模型將訓練數據從15年視頻擴展至790年，將參數規模從8B提升至34B，并引入自研DiDA技術，使視頻、圖像生成速度提升至與Diffusion、DiT類模型相當。

王仲遠認為，Emu3.5從海量視頻中學習，不再是語言主導的“下一個Token預測”，而是面向具身智能所需的“下一時空狀態預測”。

其次，他介紹了智源正在構建的跨異構本體具身智能體系，包括RoboBrain（具身大腦）、RoboOS（跨本體操作系統）與基于VLA的 RoboBrain-X0。這些模型已在多款不同形態的機器人本體上部署，能夠完成導覽、導購到復雜交互任務。

此外，智源也展示了在全身控制等方向的能力。宇樹G1機器人在其控制框架BAAI Thor的加持下，完成拖動1.4噸汽車的實驗。

王仲遠認為，行業仍未到“具身版ChatGPT”的時刻，但路徑已逐漸清晰：以世界模型作為基座，以跨本體的“具身大腦”作為接口層，通過大規模數據平臺與評測體系推動模型、硬件與場景的共同演化。

02.

四個被反復提到的要素：

模型、架構、數據與硬件

1、世界模型是不是具身智能的關鍵？

在第一場面向“具身模型”的圓桌中，各位大咖討論首先從“世界模型的作用”展開。

智源研究院院長王仲遠談到，“如果世界模型只是視頻生成，那不一定能成為具身智能的基座?！?/p>

▲智源研究院院長王仲遠

北京大學助理教授，銀河通用創始人及首席技術官王鶴也強調，直接讓機器人“學人類的視頻生成模型”并不成立。機器人真正需要的，是一種能根據自身形態與目標去預測下一步狀態的世界模型，而這類模型必須建立在大量屬于機器人的數據之上。

▲北京大學助理教授，銀河通用創始人及首席技術官王鶴

2、具身智能要不要統一到一套架構？“具身版Transformer”會不會出現？

招商局集團AI首席科學家張家興提出，具身智能未來不會繼續沿用當下“大模型的語言中心范式（language-first）”，而更需要一套“先行動、再視覺、最后語言”的具身原生結構，真正以行動與感知為核心，而非脫胎于LLM路線。

▲招商局集團AI首席科學家張家興

王鶴也提及，“機器人智能是閉環的，而不是一問一答，動作是連續的，現有模型并不天然適配”。

另外，智元機器人首席科學家羅劍嵐談到，具身智能的最終“大模型”一定不是單體模型，而是系統：“真正有效的不是一個模型，而是VLA+世界模型+RL的閉環。”

▲智元機器人首席科學家羅劍嵐

3、數據從哪里來？真實、仿真、視頻數據如何抉擇？

現場，多位嘉賓強調真實數據的重要性，認為機器人必須在真實場景中學習三件事：真實性、多樣性和規?；?。

王鶴認為，仿真是當前更現實的突破口。他談到，許多底層控制能力本質上依賴大量強化學習，而這些訓練在真實世界幾乎無法完成。無論是人形機器人的行走、跳躍等全身控制，還是靈巧手的手內操作，幾乎都需要在模擬器中完成，“真實世界只能做非常少的微調”。

王仲遠則強調視頻數據的價值。他認為，視頻是最容易大規模獲取、又最接近真實世界的關鍵數據形式。他把這一過程類比為孩子認識世界：小朋友可以先從大量視頻中理解外界，再通過真實交互不斷校正和提升技能，“具身智能的訓練邏輯也是類似的”。

而加速進化創始人兼CEO程昊認為，“真實與仿真會形成螺旋上升，先落地、再采真實、回仿真擴覆蓋，再回真實驗證?！彪S著階段不同、任務不同，真實數據、仿真數據和視頻數據都會被用到，“哪個階段哪類數據好用，就先用哪類”。

▲加速進化創始人兼CEO程昊

4、如果有100億，你會怎么花？

在這場圓桌的最后，主持人拋出一個較為直接的問題：如果手上有100億元推進具身智能，你會怎么花？

多位嘉賓給出了直截了當的答案，集中在三個關鍵詞：人才、算力、數據引擎。

自變量創始人兼CEO王潛認為，第一優先級永遠是“把能吸納的頂尖人才都吸納過來”，其次才是算力和數據投入。

▲自變量創始人兼CEO王潛

程昊則稱“100億其實不夠”，真正重要的是用愿景與長期進展吸引全球科研人才。

另一類觀點則將重點放在基礎設施上。星海圖聯合創始人趙行提出要打造“覆蓋物理世界、能持續數字化現實的最大data engine”。

▲清華大學助理教授、星海圖聯合創始人趙行

張家興談到模型層面的投入，希望這筆錢能用來打造“屬于具身智能的模型”，并推動能夠進行大規模預訓練、具備長期演化能力的模型體系。

5、人形機器人是最終形態嗎？模型與硬件誰定義誰？

在第二場硬件方向的圓桌討論了一個產業界長期爭論的問題：人形機器人是不是具身智能的最終形態、硬件是不是現在最大的瓶頸？

在“模型定義硬件還是硬件定義模型”的問題上，多位嘉賓給達成了共識：兩者都不是，真正的決定要素是場景。

星源智創始人兼CEO劉東認為，具身智能體系應拆成分層結構：上層的大模型可以跨不同機器人本體復用，但在貼近執行的小腦層，模型必須隨硬件結構細調，“同一個模型部署到不同本體上未必最優，比較好的效果往往來自貼著本體調出來的版本”。

北京人形機器人創新中心CTO唐劍給出的判斷更為直接：“模型不定義硬件，硬件也不定義模型，場景定義硬件?！彼麖娬{，不可能指望一種統一形態解決所有問題，模型能解鎖場景，但真正決定機器人長什么樣的是具體的落地任務。

03.

結語：具身智能距離真正跑通

還有硬仗要打

無論是圍繞“世界模型能否成為基座”的判斷，還是對于“統一架構、數據、形態”的分歧，本次開放日給出一個清晰信號：行業積極尋找“跑通閉環”的機會。

能否在真實業務中形成閉環，能否讓模型、硬件和規模落地共同“進化”，能否訓練出屬于具身智能的世界模型，正在行業的“新難題”。