机器人“上学记”：谁在教会机器人理解物理世界？

作者：快思慢想研究院院长田丰，《瞭望东方周刊》万宏蕾

图 2026年6月29日，体验者在杭州机器人学校门口遛“机器狗”（王刚/摄） 开篇

2026年夏，上海复兴岛老码头，一台四足机器狗在湿滑的青苔路面上突然打滑，后肢悬空，险些坠入黄浦江。三米外，它的训练导师没有伸手，只在平板记下一行字：“第47次边缘工况测试，自主恢复成功。”

千里之外的杭州城西，一台名叫“小际”的导览机器人正对着历代名画反复练习讲解。一个月前，它只会走路和翻跟头。现在，它已能分辨《清明上河图》中数百个人物的身份，用四种语言回应刁钻提问。

它们有一个共同身份：机器人学校的学生。2026年，中国具身智能产业正在经历一场静默的制度革命——机器人不再被当作机器来调试，而是被当作学生来培养。

一、白纸上的神经系统

“每台机器人进来都是一张白纸，四肢发达，头脑简单。”浙江大学机器人研究院院长朱世强办公室墙上挂着一幅神经科学先驱卡哈尔的神经元手绘。他把这称为隐喻的巧合——他们正在给钢铁之躯搭建可生长的神经中枢。

6月29日，杭州城西科创大走廊的云门公园，30台机器人机器狗整齐列队，有的刚下生产线，机身还留有机油印记；有的已能跑能跳。它们是杭州机器人学校的首批新生。学校坐落于余杭具身智能未来岛，由浙大机器人研究院牵头，是国内首个以“大脑赋能”为核心的机器人产业化平台。

运作逻辑与传统调试工场截然不同。机器人们要经历“入学体检”“分科培养”“公共课+专业课”的完整教育流程。学校按岗位需求开设了技校、卫校、艺校、体校四个方向，分别对应工业操作、康养陪护、导览表演、巡检安防。朱世强说：“大脑不是一套通用软件，是一个可适配、可定制的能力基座。”

这个基座有一个具象载体——一块黑色专用硬件，名为“无际大脑”。其技术架构在主流VLA模型基础上加入逻辑层，构建从感知到物理推理再到行为映射的闭环认知系统。由此，机器人不仅能识别杯子，还能推演杯子倾倒后的液体轨迹、货架的连锁反应，以及这些物理后果与任务目标的关系。朱世强团队已基于“无际大脑”衍生出“无际狗脑”和“无际人脑”两大体系，并在多个真实场景中完成部署验证。

导览机器人“小际”是这套体系的第一个完整案例。它的裸机仅能完成固定武术动作和基础行走，搭载大脑后，一个月即掌握场景语义理解、多机协同通信、设备自主操作等能力，即将在中国历代绘画大系典藏馆正式上岗。后续的巡检机器狗同样验证了能力的跨量级跃升。

“行业不缺能动的机器人，缺的是能干活的机器人。”朱世强点破了一个残酷现实：全球机器人企业三年生存率不足10%，五年不足3%。大量公司手握优质本体硬件，倒在从“裸机”到“产品”的两个“死亡谷”之间。

二、那座岛的考场逻辑

如果说杭州模式是课堂教育，上海复兴岛的实验则是一场真刀真枪的野外生存训练。

复兴岛是黄浦江上唯一的内陆岛，1.3平方公里浓缩了城市生活的全部典型场景：老厂房、开放绿地、滨江步道、商业市集、咖啡馆。2026年6月，这里成为全国首个具身智能实景空间训练场，32支创客团队的机器人从实验室“闯入”真实世界。

训练设计者刻意制造“不友好”。柏油路、石板路、陡坡交替出现；阳光在地面标识上制造反光，干扰视觉系统；咖啡杯大小颜色千差万别；顾客的问话随机打断任务流程。首批四个场景涵盖长距离巡航、咖啡配送、市集导购和都市巡河。华东师范大学副教授刘艳是春训营导师，她的观察一针见血：“让机器人被自行车拦路、被顾客刁难、被高温烤到宕机，才能教会它们理解物理世界那些不可压缩的复杂性。”

这些磨难迅速转化为问题清单：暴晒下电池续航骤降，雨季潮湿引发短路，带宽不足导致任务中断。但深层能力也在此萌芽。市集导购场景中，机器人需同时理解“摊位位置”、“目标商品”、“顾客指令”三者的空间语义关系，并在嘈杂环境中完成精准导航和语音播报——这已不是运动控制层面的精进，而是空间推理与服务意识的协同涌现。参训队员时亦文将任务拆解为走到摊位、定位商品、夹取、返回四个子模型，计划整合进一个端到端架构。他的笔记本扉页写着黄仁勋那句判断：“未来每一台移动的机器都将是自主的。”

图 2026年4月28日，7家企业的机器人接过“硅基岛民证”，成为复兴岛首批“原住民”

复兴岛的目标不止于训练。岛上所有实测数据和模型迭代成果，最终将沉淀为“双基友好”城市的规划设计基础。“双基”即碳基生命与硅基智能的共存。4月28日，7家企业的机器人率先领到“硅基岛民证”，成为复兴岛首批合法“原住民”。从转弯半径到障碍物安全距离，从人机相处规范到配套充电设施，每个细节都在重新定义未来城市的施工图。

三、飞轮的分水岭

当两座城市探索着“教机器人”的不同路径，产业资本的流向已悄然转向。

快思慢想研究院院长田丰给出判断：“2026年资本的关注焦点，已从单纯的技术炫技转向‘技术创新-场景落地-数据闭环-商业价值’的全链路确定性。”他用一个飞轮模型解释这场迁移——模型越强带来场景越多，场景越多产生数据越丰富，数据越丰富驱动模型进化越快。率先启动这个飞轮的企业，就能获得定价权。

资本市场的投票正在印证这一逻辑。星动纪元2026年3月完成10亿元战略轮融资，估值破百亿，其融资故事围绕世界模型与VLA展开；星海图估值超200亿，合伙人公开表示“核心变量是具身大脑的迭代”。资本的锚点从量产交付量切换至数据壁垒。田丰将这种现象概括为“铲子股逻辑”——在机器人公司格局未定之时，向所有机器人公司卖数据的公司是更确定的标的。这是淘金热的历史韵脚，在具身赛道来得异常早、烈度异常高。

数据支撑着紧迫性。据国际机器人联合会2026年5月统计，上半年全球人形机器人订单突破1.2万台，中国企业占比超75%。田丰预测，量产放量将加速飞轮运转：“订单越多→部署越广→训练数据越丰富→大脑越强→赢得更多订单。头部3-5家公司将形成难以逾越的数据护城河。”国际数据公司中国区研究经理李君兰给出了产业链视角的印证：“未来的核心竞争力将不再局限于硬件性能，而在于持续的数据飞轮、模型迭代能力和开放生态建设能力。”在她看来，产业正从“本体标准化”走向“智能平台化、技能软件化、数据资产化、运营服务化”。

埃夫特董事长游玮为这一趋势提供了技术底座：“2026年，基于高质量数据储备，采用VLA结合原子级技能库的路径，人形机器人将在操作准确率、节拍效率及环境泛化能力上实现阶段性突破。”

四、三重瓶颈的破局点

热潮之下，瓶颈同样清晰。田丰将当前困局概括为技术、数据、标准的三重叠加，而且对“小脑成熟、大脑先行”的流行说法给出了纠偏。

“小脑成熟”的说法并不准确。成熟的是基于MPC与强化学习的Sim-to-Real工程化管线，让机器人在台阶、斜坡、不平地面维持稳定，将硬接触冲击转化为柔顺交互。但真正决定量产价值的可靠性、能耗与维护便利性远未毕业。更关键的是，小脑与大脑的边界正在重构——部分局部感知推理和接触力预测任务已被VLA端到端架构吸收，“小脑/大脑”的二分法正在遮蔽真实的竞争焦点。

技术瓶颈的真正内核是物理世界建模能力。VLA模型擅长语言理解与场景泛化，却在推演“推倒杯子会溅出多少液体”这类物理因果时力不从心。世界模型可精准预判运动与受力，却缺乏语义解析能力。2026年的主流方向是将二者融合——让物理推理内嵌于决策过程而非事后验证。这与丹尼尔·卡尼曼的“系统1与系统2”双过程理论形成奇妙同构：VLA负责直觉式快速反应，世界模型承担慎思式物理推演。

数据瓶颈比表面看到的更隐蔽。全球高质量真实物理交互数据仅约50万小时，距训练通用具身模型所需的千万小时级缺口超99%。然而，填补缺口不能仅靠建训练场。目前国内近30个具身智能训练场迅速铺开，但扩张速度已超过具备物理交互数据标注能力的专业团队规模，产能利用率存疑。田丰回溯自动驾驶行业的教训：2018年感知数据采集热潮后，大量数据因标注质量不过关而无法用于训练，相当比例的采集投入最终沉没。真正有价值的训练场是“数据—模型—场景”闭环，而非单纯的采集场地。

在数据供给路线上，物理引擎生成大规模合成数据、用少量真实数据做域迁移对齐，是现实可行的路径。光轮智能已跑通“仿真生成、评测验证、少量真实对齐”的闭环，在部分项目中将开发周期从3至6个月压缩至约2周。特斯拉前AI负责人安德烈·卡帕蒂的洞见被频繁引用：规模和多样性比纯度更重要，合成数据是基础底仓，真实数据是校准剂。确权难题同样棘手。田丰建议将具身智能物理交互数据纳入现有数据要素市场框架，引入“数据信托”机制，由中立机构持有数据资产、代理多方权益——上海数据交易所、深圳数据交易所已建立数据资产登记和流通机制，为这一构想提供了制度接口。

标准瓶颈与制度演进同频。6月1日，工信部批准的《YD/T 6770—2026具身智能基准测试方法》正式实施，为行业发放了统一的“课程表”和“考试大纲”。中国信息通信研究院人工智能研究所所长魏凯评价：“标准能指引技术迭代方向，帮助行业及早识别高价值技术路线，减少研发资源的无效投入。”下一步的关键是从“评测标准”向“互操作标准”演进。参照工业互联网的IEC 62264企业控制集成标准催生规模化采购的历史，一套覆盖任务描述协议、传感器数据接口、技能调用API的互操作规范，将在1至2年内到来，从根本上打破数据孤岛。

五、新物种的产业链

当大脑能力持续进化，产业分工的版图将发生地质变动。

朱世强为机器人学校设定的角色是“大脑赋能平台”和“产业加速器”：向上连接高校与科研，向下连接本体制造、零部件与应用企业。他不做机器人本体，做的是模块化、标准化、可复用的机器人大脑基座。“我们要做全球硅基体有组织教育的开拓者。”这句话背后的格局，是把机器人从“各自散养、自学成才”带入“有组织的学习”体系。

田丰对终局格局的预判更为具体：2028年前后，百花齐放的竞争态势将收敛至“2-3个大脑平台+若干本体制造商+大量场景集成商”的稳定结构。这与PC时代Wintel架构降维打击主机厂的逻辑如出一辙——利润会系统性向软件层、数据层迁移，硬件层面临价格战和毛利压缩。

但规模化部署的工程障碍仍在。中国工程院院士王耀南指出，发展具身智能需突破复杂环境感知、大脑决策、小脑运动控制及多模态学习迭代四大核心技术。而更根本的难题是本体接口标准的缺失。不同厂家的机器人在关节力矩接口、传感器数据格式、任务指令协议上各自为政，训练数据无法跨本体复用。田丰将其比作工业互联网的“OPC-UA时刻”——统一的互操作规范出现之前，规模化部署无从谈起。

三种全新业态正从这一判断中浮现：

1. “具身智能即服务”：将一次性硬件收入转变为持续的软件订阅收入，资本市场的估值倍数将显著高于纯硬件公司。

2. “具身数据中介”：使数据采集、标注、交易形成独立市场，再次印证“数据先行、铲子先富”的逻辑。

3. “技能资产交易平台”：可能复现App Store重构移动互联网生态的历史——当VLA模型可以调用原子级技能库，“技能资产”将成为可定价、可交易的数字资产，这是产业未来三年最值得关注的全新业态。

回到复兴岛的咖啡厅。一天训练结束后，一台配送机器人安静地停在充电桩旁。它的日志记录着当天所有失败：3次抓取滑脱，2次路径规划绕远，1次将咖啡杯误识别为马克杯。工程师团队正在连夜调整模型参数。

朱世强始终保持着清醒：“机器人学校能提供关键助力，但不是万能药。大脑赋能只是产品化的必要条件，不是充分条件。硬件可靠性、供应链韧性、市场渠道同样决定生死。”从学校“毕业”的机器人，获得的不是一次性配方，而是一套持续学习与迭代的能力基因。学校会根据其在真实场景中的表现不断优化培养方案，并将每台机器人的教育经验沉淀进技能库。企业越深入使用这个大脑平台，沉淀的真实数据与作业流程越多，迁移到自研体系的成本就越高，生态绑定便越紧密。

全国互联互通的训练网要成为现实，必须解决产权归属与证书互认问题。机器人在杭州学校训练产生的轨迹数据和技能模型归谁所有？评测标准已经落地，但数据资产的确权机制、跨机构的技能证书互认机制仍是空白。没有这两项制度基础，各地的训练场只能是一批孤立的地方实验。

钱学森曾提出一个关于复杂系统的核心洞见：涌现能力来自子系统的有机协同。在具身智能产业，这个洞见即将获得产业规模的实证。当大脑平台、本体制造、场景集成、数据中介、技能交易这些子系统真正开始协同，硅基生命的教育制度就是一张正在落地的产业蓝图。

田丰预判：“技术从演示到工程化、产业从单台试点到千台规模的跨越期，关键节点就在2026至2027年。”2026年上半年1.2万台的订单只是一个起点。这场实验的终局，是让机器人真正学会干活——而教会它们的，是整个产业生态的制度化进化。

参考文章：《机器人“上学”记》，《瞭望东方周刊》“人工智能+”工作室主任 万宏蕾

畅销书：《AI商业进化论：“人工智能+”赋能新质生产力发展》

出版社：人民邮电出版社

作者：田丰

帮助你定位AI当下发展坐标的指南针

帮助你洞察AI未来演进趋势的航海图

通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。