产业链上的具身智能①｜寻找“最强大脑”

过去一年，具身智能赛道经历了资本狂飙与理性审视的双重洗礼。8月19日开幕的2026世界机器人大会，为产业观察打开了最立体的窗口。资本市场端，"人形机器人第一股"宇树科技上市首日高开629.44%；展会内外，看热闹的人少了，懂行的人多了，应用落地被频繁提及，一个更本质的问题也正在被产业链上下游反复追问：机器人的"大脑"够用吗？

市场更加清楚，在具身智能螺旋上升的发展轨迹中，拉开差距的，不止硬件本身，底层大模型的能力、高质量训练数据的闭环效率，以及场景落地的商业化节奏都是"隐形"的手。

模型决定了机器人在物理世界中的可靠性和实用性，支撑大模型迭代的数据，规模和质量如何平衡？开幕第一天，北京商报记者深入世界机器人大会论坛交流现场，获取了多角度的一线产业观察，同时走进展会现场，寻找中国机器人产业"最强大脑"的真实进展与距离。

莫刻机器人CEO池晓威：

硬件更多是工程命题，"大脑"的价值尚未被充分认知

当前中国机器人产业在本体制造层面已展现出显著的供应链优势，硬件问题基本可视为工程性可解的问题，相关头部企业上市后的强劲表现也印证了市场对此的认可。然而，具身智能的"大脑"才是机器人真正落地真实场景中最关键且目前最缺失的一环。

具身大脑的发展受制于数据、模型范式和评价指标三个核心要素。

其中，数据与模型的发展极度强耦合且不可分割。目前全球数据行业正快速推进，明后年（2027年—2028年）数据规模预计将达上亿小时，数据层面的瓶颈正在被逐步打通。更关键的挑战在于，我们需要什么样的模型架构才能有效消化这些数据，并转化为具备足够泛化能力的具身"大脑"。

"大脑"的价值被低估不仅来自外部认知，也源于行业从业者自身。今年大量被称为"AI Native"（AI原生）的年轻公司正在快速成长，中国物理世界的具身"大脑"有望从这一代人中真正诞生。这一代"大脑"需要摆脱过去框架的束缚，不应仅聚焦于如何更快进入封闭场景的工业闭环，而应更加专注、真诚且极致地聚焦于如何真正解决具身"大脑"的核心问题。

合十思维创始人赵普：

堆算力的仿真狂欢，落地即"翻车"

1993年钱学森给戴汝为院士的一封信中提到："智能机器人之所以智能，可能就在于能干点复杂些的事；所以要紧的是适应并反映比较复杂的环境。机器人本身是比较简单的，不是复杂巨系统，连简单巨系统都够不上，至多至多是个‘小型大系统’而已。AI进化主义派的论点有局限性。"

时隔三十三年，钱老这段话恰好戳破了当下具身智能行业最大的泡沫：堆砌算力只能完成标准化预设动作，仿人脑感知推理，才能应对现实世界里层出不穷的突发状况。

仿真环境里机器人成功率能做到89.4%，一到真实场景就跌到12%左右。主流VLA（视觉—语言—动作）大模型动辄百亿参数，推理延迟高、算力消耗大，单一场地部署成本达数十万元。换一个场景就要重新采集海量数据重新训练。

行业主流大模型的逻辑是：喂给它海量数据，让它记住尽可能多的"标准答案"。但真实世界的复杂在于——没有两个完全一样的场景，没有一个突发状况是标准的。

超维动力联合创始人兼硬件负责人郑存远：

软硬件需要同步进步，当下硬件需要等大脑半年左右

机器人一定是个系统工程，软件硬件必须同时掌握。接下来具身智能还要发展十年、二十年。关键在于，每个技术更新的前沿阶段，如何同时匹配最符合前沿的算法和最符合前沿的硬件——这跟手机和汽车每年迭代是一个模式。

现阶段从工程维度来评价，硬件比算法发展略快，但不是代际性的快，纯粹是因为硬件更多在解决工程性问题，而算法还有待解决的底层技术问题。不过硬件的工程性问题也有周期性，解决完之后也会再次回到底层技术问题，所以这是一个不断解决新问题的阶段。如果对标手机和车来做商业化产品，机器人硬件上不成熟的地方还有很多。大体上，每一代硬件大概要等"大脑"半年左右。

行业对机器人技术水平的认知基本在正常范围内。绝大部分企业还是比较纯粹的工程师状态，希望大家能正视客户预期与真实技术水平之间的差距，不要过度高估今天机器人能做什么，也不要过度低估未来能做什么。

人类数据是最高质量、最可规模化的数据。今天的问题只是还没有很低成本地把人类数据采集起来而已。

光象科技创始人兼CEO张涛：

具身模型需要物理认知而非模仿

具身智能和物理AI的长期目标是能够完成各种生产和生活任务的通用智能。最大的挑战在于具身模型的泛化能力，无论是VLA，还是世界模型，技术范式都是数据驱动的，获取高质量、大规模的数据，是提升模型泛化性的关键。

然而，数据是当前具身智能行业紧缺的原料，工业场景的具身数据尤其稀缺，既没有能被广泛传播的互联网视频，也没有被采集的物理信号。然而，工业制造企业在数字化转型过程中已经建立了工业数据的基础，包括数据模型、产线工艺仿真模型、仿真数据等，这些都能够为具身模型的仿真训练提供支持。

具身模型不能只停留在动作模仿，通过采集大量数据让机器人模仿人类动作，本质上并没有真正理解物理世界如何运作，遇到新环境、新场景、新对象，模型的泛化能力不足。真正能够理解物理世界、在物理世界中产生泛化行为的具身模型，无需让机器人见过所有场景，而是基于对物理世界的认知，在面对新场景时自主产生对应的动作和行为。

橡木果机器人发起人姜峣：

卡住具身智能发展的是"操作执行"，而非"大脑"和硬件

具身智能的发展不是"大脑"等硬件或硬件等"大脑"，而是缺了操作执行这一层。人类操作是亿万年自然选择筛选出的本能——触觉信号在脊髓层就被反射处理了，根本不需要传到大脑。行业最大的误区，是把操作当成了认知问题。

VLA的底层逻辑在真实物理世界难以泛化，数据堆得越多，模型越脆弱。纯VLA已明显"失灵"，数采公司涌现、世界模型爆火，都是行业在找补这条路的结构性缺陷。

当前来看，解决数据比发展"大脑"更急迫，但路径不是先采数据，而是先让机器人"零数据冷启动"——先在真实世界里干起活来，数据自然从真实场景中生成。语言和视觉上的通用智能可以靠更大规模数据+算力逼近，物理操作的通用智能需要的是对物理世界第一性原理的深刻理解，不是靠堆数据能解决的。

大脑擅长符号推理，不擅长物理交互，规划再强，到"最后一厘米"也会全失效。具身"大脑"会进入新阶段，但不是更大的数据训练出的模型，而是行业重新思考物理操作的本质是什么。

星灿智能创始人兼CEO李战斌：

每家都缺少关于空间智能特别是3D模型数据

智能体要融入生活，不能只靠二维认知，得理解三维空间。但现实是，无论哪家公司，语料库里都缺空间智能，尤其是3D模型数据。激光雷达普及才十年，高质量三维语料严重不足。

所以我们换了个思路：把采集设备做成消费者产品，直接放进用户家里。以轮椅为载体，360度高保真采集。自动驾驶靠众包地图把路跑通了，家庭空间的数据采集也可以走这条路。

我们避开了"为造人形而造人形"的陷阱。硬件形态应该服务于场景，所以我们把成本压到2000元以内，同时让模型效果逼近万元级芯片——只有成本下去，才能规模化进家庭。

长期智能体不能只有世界表征和任务执行能力，还得有长期记忆。我们做的World2Mind和NavMind，核心是把视觉、点云等整合成"心智地图"，让机器在内化空间结构后再去行动。

8月19日发布的Mate X，我们把上万元的光谱技术做到了百元级别。光有坐标和语义还不够，物质模态也得被感知到。多模态感知往前一步，机器对物理世界的理解才能更扎实。

北京商报记者 魏蔚