观察｜数据驱动？模型驱动？什么是决定机器人发展的关键变量

“不管是黑猫白猫，抓到老鼠就是好猫。”

在近日召开的2025美团机器人研究院学术年会上，宇树科技创始人王兴兴、清华大学助理教授、星海图智能联合创始人许华哲、浙江大学控制科学与工程学院教授、湖州研究院院长许超、清华大学教授机器人控制实验室主任赵明国等多位具身智能领域的“大佬”齐聚一堂，共同展望机器人领域的现状和未来。

关于机器人究竟应该是模型驱动还是数据驱动，在AI行业一直争论不休，似乎目前尚未有标准答案，什么才是具身智能发展的“第一性原理”？

作为冉冉兴起的新兴科技产业，尽管在具体路线上仍有争议，现场与会者的共识是，不管技术如何组合，最终还是效果说话，“我觉得机器人和机器人智能给大家提供一个全新的时代，所以年轻人应该就要把油门踩到底，全力加入到这个行业里来。”赵明国坦言。

“不是把DeepSeek塞到机器人里”

许超认为，未来最佳的组合方式是牛顿+辛顿（Geoffrey Hinton），一个是物理学家路线（软件），另一个是计算机路线（硬件），如果让他们二人“握手”协作，无疑是未来机器人产业发展的最佳路径。

软件和硬件无法分离，许超举例，过去很长时间中，具身智能控制学更多是在研究“小脑”。随着传感器价格下降，算力提升，机器人除翻跟斗之外，也可以去识别目标避障，包括轨迹规划还有协同，这也需要“大脑”的能力。

在宇树科技创始人王兴兴看来，随着AI和软件能力增强，对于硬件的要求反而会越来越低，“大家可以观察到一些残疾人，他甚至没有手，却也能干活儿，甚至可以干针线活儿，但实际上就是AI能力达到一定程度后，对硬件要求会逐步降低。”

在王兴兴看来，以前，由于全世界机器人AI软件能力都不够，因此对硬件一致性、可靠性和灵活度要求都很高，如今AI训练出来的算法已经有很大进步，哪怕硬件传感器噪声很大，间隙很大，一致性也有待提升，但是如今的AI算法已经能够与之协调和适应。

对于数据和模型哪个更重要的问题，清华大学教授机器人控制实验室主任赵明国似乎更支持“数据驱动”，在他看来，模型驱动需要开发者先有充分的理论依据，再用理论指导实践，但是目前人类理解能力不够，理论的覆盖面也有限，“数据的覆盖面是更大的，我们正在数据科学中总结新的理论，但这个理论现在还不够成熟。”

在清华大学助理教授、星海图智能联合创始人许华哲看来，这个问题的答案则倒向“模型”那一边：对于机器人研究者而言，大多数选择Model-based（模型驱动），到今年更是全都变成“VLA项目”（视觉语言动作模型），用脚投票虽非本质，但能在一定程度上反映人才聚集情况。

所谓的具身智能模型，和广义的AI大模型有区别。自变量机器人CEO王潜表示，具身智能不是把deepseek塞到机器人里，而且具身智能也不是AI应用，而是基础模型。通才模型是未来通用机器人的核心，因为通才模型可以通过学习物理规律、物体属性和交互模式，后续能够以极少的数据实现新任务的快速适应。

“人工智能好比一个孩子，自动化是父亲，计算机是母亲，数据则是叔叔。”许超幽默地“和稀泥”说，硬件、软件、模型和数据应该融为一体。现在具身智能描绘的蓝图很大，若把范围聚焦到具体任务上，那就必须软件、硬件、数据和模型相关人员通力协作，逐个攻克难题，大家才能共同进步。

机器人的未来形态

能不能有一个机器人，它有自己的欲望和好奇心？

在许华哲看来，自己理想中的机器人形态是能替人类探索浩瀚无边的宇宙，“人类知识的传播效率实在太低了，主要依赖老师传授。而机器人不一样，只要它自身不损坏，就能一直运作；就算损坏了，只要把它的神经网络移植到新的机体上，它就能继续生存。”

在许华哲的构思里，未来的机器人能和人类进行融合，并且能搭建“未来之城”，验证人机融合，除此之外，他还希望机器人的智能发展更加“绿色”，在新一代AI架构下，其算力应该会有革命性变化。

王兴兴坦言，很多商品都可以按成本与重量来算，这是直观的第一性原理，但在智能产业领域，对于什么是“第一性”仍然没有明确定义。在智能领域，目前还是缺乏像牛顿力学那样的基本规律体系。未来可能需要在核心原理与工程实践之间，找到新的平衡与连接方式。

在他看来，如果真的实现具身智能，最终距离AGI（通用人工智能）就非常接近了，“AGI应该是人类最终极的发明，包括后续的生产、消费娱乐，经济探索都可以用它来实现。这是当下我们这代年轻人最激动人心的时刻。”

王兴兴笑言，在这一代人中，如果有人能写出智能方面的“牛顿定律”，未来就会是过去几千年人类历史中最厉害的人。