具身智能商业化大单“含金量”几何？从业者也看不明白

今年下半年以来，具身智能机器人行业连续宣布亿元级商业化大单，营造出一派乐观的落地前景。但也有从业者直言，看不懂一些订单背后的虚实。

在11月20日的智源研究院“具身开放日”上，原力灵机创始人兼CEO唐文斌抛出诸多疑问：“这些订单它到底解决了什么问题？真的（商业）闭环了吗？它创造的场景价值是真实的吗？”原力灵机是一家成立于2025年3月的具身智能初创公司，11月中旬刚完成由阿里巴巴领投的数亿元A+轮融资。

智源研究院院长王仲远也担心，机器人厂商的量产不是由真实需求驱动，而是由伪需求或者示范性验证的小需求形成。他在接受南都等媒体采访时表示，具身机器人创业公司应聚焦真实用户需求，把一个场景打磨透，打磨到可用。如果量产并非基于真实需求，当热度退去后，机器人的场景方就会因效果达不到预期而停止续购。此时有可能出现泡沫破裂，使具身智能行业陷入“暂时的低谷期”。

王仲远建议，政府层面应更多从政策上给予支持与引导，避免直接提需求，因为真正的需求始终来自企业和用户侧。

智源研究院的具身训练场。图：智源研究院

尽管技术仍不成熟，但具身智能公司在今年纷纷发力商业化布局。这背后，既有投资人对创业公司“造血”能力或跑通商业闭环能力的考验压力，同时也源于机器人企业在真实场景中发现问题、迭代产品的现实需求。从应用场景来看，众多公司集中涌入工业和物流领域的搬运、分拣、安防，以及商用领域的导览、导购和文娱表演等方向。

机器人能力的有限性，也在李凯的预期之中。作为中国联通具身智能首席专家，李凯认为，人形机器人固然有很多不足，比如算法不成熟、模型规模有限、算力不足，但只要通过系统设计的手段，满足某个特定场景的需求，场景方就有意愿采购。此外，场景方还看重“全生命周期运营”，即机器人厂商需提供完善的售后保障。

作为软硬一体化的物理AI应用，具身智能机器人必须同时攻克硬件和软件两端的瓶颈。

常见的硬件问题包括关节发热、关节扭矩密度低、电池能量密度低、端侧算力有限等。“硬件都还没有到真正量产可用阶段。”王仲远透露，智源研究院采购了10台某品牌的人形机器人，但一两个月内坏了五台。短时间内，这样的机器人只能处于科研状态。硬件的稳定性依然在阻碍机器人进入真实工业场景和家庭场景。

北京人形机器人创新中心CTO唐剑把硬件难题称为“线性瓶颈”，也就是只要持续投入资金和人才，机器人硬件每年都有可能取得较大进步。不过，因时机器人创始人兼CEO蔡颖鹏指出，机器人的零部件迭代到一定阶段后，就会触碰到物理极限。如果底层的材料技术等无法突破，硬件瓶颈也很难攻克。

软件瓶颈，在唐剑看来属于“非线性的”：很难预测具身智能模型究竟何时能迎来ChatGPT时刻，可能短则两三年，长则十年之久。

具身智能模型“难产”背后，数据短缺是一个老生常谈的问题。业内为此爆发了至今仍在持续的真机数据与仿真数据路线之争。

智源研究院“具身开放日”上，自变量机器人创始人兼CEO王潜表示，外界对“数据规模”可能存在一些误解，第一反应往往是“大力出奇迹”。但单纯堆数据规模未必能带来理想结果，只有更高质量的数据才能实现突破。数据质量优先于数据总量，这也是为什么自变量公司坚持以物理世界真实数据为主的原因。

银河通用创始人兼CTO王鹤则针锋相对地回应称，诸如人形机器人的足式行走、跳舞，以及其他各种复杂的身体控制，全都是通过仿真器习得的。真实数据在这当中起到的作用，一是提取舞蹈等人类的行为形态，二是用于真实世界部署前的微调。

“仿真并非否定真实数据，而是这些丰富的物理交互可以从仿真开始。它能提供一个很好的基础控制器，使我们在真实世界里能把‘数据飞轮’转起来。”王鹤说，“这是合成数据的使命。”

与数据短缺相伴随的，是具身智能模型训练成本高企。王仲远受访时提到，对于很多创业公司来说，现阶段接到的订单量不足以支撑高风险的模型训练尝试。这正是这些企业愿意与智源研究院合作的原因之一。“甚至很多创业公司直接跟我们说，硬件我来造，具身机器人大脑靠你们。”作为非营利科研机构，智源研究院在今年发布了跨异构本体的具身大小脑协作框架RoboOS，以及跨异构本体的具身大脑RoboBrain。

面对通用具身智能模型前景的不确定性，王仲远认为，短期内，短期内外界不应对人形机器人的通用能力和泛化能力抱有过高期待。更现实可行的路径是，先用小的专用具身智能模型进行场景化落地，让机器人产业跑起来。在这一过程中，要把某个场景、某个任务做到99%以上的准确率，做到长时间运行不发热、硬件不频繁损坏，并逐步形成数据闭环。唯有如此，机器人公司才能先活下来。

“我跟（机器人公司）创始人经常聊的一句话是，先活下来，熬过可能出现的寒冬，才能迎来真正的具身智能未来。”王仲远说。

采写：南都N视频记者 杨柳 发自北京