新智元报道

编辑：定慧

【新智元导读】中国具身智能「全明星日」现场齐聚30+顶流大佬，现场却先吵翻了天！具身智能架构要不要推倒重来？真机还是仿真谁当C位？硬件、甲方、数据飞轮轮番上场——这场4小时真心话局，或许决定机器人能不能真正走进你家门。

2025年，注定是 具身智能的「爆发之年」。

如果说大模型是数字世界的「大脑」，那么具身智能就是让AI拥有「身体」，真正走进物理世界。

昨天下午，北京鼎好大厦， 智源具身2025 OpenDay现场，空气燥热得仿佛盛夏。

30多位明星具身公司的CEO/CTO、联创齐聚现场，这哪里是智源开放日，分明是 中国具身智能产业的「全明星日」！

智源研究院院长王仲远站在台前，身后是悟界·Emu3.5多模态世界大模型和RoboBrain2.0具身大脑的最新技术演进。

但他此刻的角色，更像是一位 超级链接者，将产、学、研、用的顶流们汇聚于此，试图在喧嚣中厘清行业的真实脉络。

从「具身Transformer」是否存在，到「数据飞轮」靠仿真还是真机，再到「甲方爸爸」的灵魂拷问。

大佬们不再避讳分歧，而是展开了直击灵魂的对话与互怼。

三场圆桌，四轮激辩，不仅拨开了行业的迷雾，也为具身智能的未来厘清了方向。

激辩一

具身智能需要自己的「Transformer」吗？

在「BAAI 模型会客厅」环节，气氛从一开始就充满了火药味。

主持人抛出了一个直击灵魂的问题：具身智能会收敛到由某一个统一架构主导吗？我们需要具身版的Transformer吗？

这是一个关于「大一统」的赌注。

招商局集团AI首席科学家张家兴率先开炮，给出了一个极具颠覆性的观点：「我们 不能沿着过去三年大模型发展的结构（LLM/VLM）走下去。」

他认为，现在的VLA（视觉-语言-动作）架构在视觉和动作之间夹杂了语言，这 不符合人类操作的本质。

「人在开车时可以聊天，说明视觉和动作是直连的。具身智能需要一个Action First（动作优先）的架构，而不是Language First。」

清华大学助理教授、星海图联合创始人赵行对此表示赞同。他描绘了一个理想的架构图景：一个Large Action Model（大动作模型），它依赖于视觉，最后才加入语言。

「更重要的是，它必须是一个闭环模型。大语言模型是一问一答的开环，而具身智能是动作-反馈-调整的闭环。」

然而，北京大学助理教授、银河通用创始人及首席技术官王鹤则从现实角度泼了一盆冷水。

他指出，虽然Transformer架构在吞吐多模态数据上表现出色，但在动作输出上，行业尚未找到收敛的路径。

「我们今天的数据远远不够。地球上目前可能只有1000家头部厂商，每家有1000个人形机器人「居民」，这样稀缺的数量不足以撑起探索出一个Action First的架构。」

智源研究院院长王仲远则站在了终局思维的高度。

他坚信 终极状态一定会有相对统一的架构，这也是智源布局Emu系列多模态世界模型的原因。

「但这种大一统模型的出现，可能需要具身智能互联网的出现——即当数以千万计的机器人进入真实场景，累积了海量数据之后。」

结论：现在的VLA架构可能只是过渡态，行业正在呼唤一种剥离语言中心主义、以动作为核心的全新架构。但在数据爆发之前，大家依然只能「戴着镣铐起舞」。

激辩二

数据飞轮，信「仿真」还是信「真机」？

如果说架构是骨架，数据就是血液。

在数据获取的路径上，嘉宾们分成了鲜明的两派，互不相让。

「真实派」以星海图赵行和智元机器人罗剑岚为代表。

赵行强调「In scaling law we trust」，但他眼中的Scaling必须基于真实世界的数据采集，真实、数量和多样性。「我们不会仅仅在数采场里采，更多要到真实场景里去。」

罗剑岚则补充道，未来的数据飞轮必须通过机器人自主产生，「不仅仅靠遥操，而是机器人与环境交互产生数据，形成正反馈。」

「仿真派」的声音同样强劲。

加速进化创始人&CEO程昊坦言：「我们现在用仿真数据多一些，因为快。」他认为这是一个螺旋上升的过程，落地遇到Corner Case搞不定时，必须大量上仿真数据。

「很多底层控制，如足式行走、跳舞， 全部是通过仿真习得的。」王鹤直言： 在真实世界做强化学习太难了，你甚至没法遥操一个灵巧手去感知它到底扎没扎到。」

但他同时指出：「仿真不是为了否定真实世界，而是提供一个Base Controller（基础控制器），让我们有能力在真实世界把数据飞轮真正转起来。」

智源研究院则提供了一条 「第三条道路」。

王仲远提出，人类的学习是从观察世界（视频）开始，再到互动（真机）。

因此，智源坚持从海量长视频数据中做基座模型学习（Emu3.5的思路），再结合真机数据和强化学习进行微调。

共识达成：没有一种数据能包打天下。视频数据提供通识，仿真数据提供基础运动能力，而稀缺的真机数据则是通向物理AGI的「金门票」。

激辩三

硬件是瓶颈吗？谁在定义谁？谁在限制谁？

当视线转向「BAAI硬件会客厅」，话题变得更加务实。

2025年被嘉宾们形容为「虹吸」、「涌现」和「量产」的一年。

智元机器人合伙人、具身业务部总裁姚卯青将硬件的瓶颈分为两类：线性瓶颈和非线性瓶颈。

「关节发热、扭矩密度低、电池续航，这些是线性瓶颈，每年都在进步；但软件和大模型的泛化能力，是非线性瓶颈，你不知道突破点在哪一天。」

他坦承，虽然算法在爆发，但从第一性原理看，硬件距离人类的灵巧度和可靠性还差得远，「硬件依然是瓶颈。」

因时机器人创始人&CEO蔡颖鹏作为关键硬件的代表，指出了物理世界的残酷性：「软件可以迭代，但硬件有物理极限。一旦涉及到底层材料和底层物理原理，突破非常难。」

那么，究竟是模型定义硬件，还是硬件定义模型？

在这个问题上，全场达成了一种微妙的默契：都不是，是场景在定义一切。

原力灵机联合创始人&CEO唐文斌一针见血：「我不信完全统一的构型能解决所有问题。只有场景才定义了硬件形态。 」他呼吁行业回归价值闭环，「不要为了人形而人形」。

北京人形机器人创新中心CTO唐剑则补充了一个生动的细节：「以前是本体团队做好扔给运控，运控调好扔给算法。现在必须双向奔赴。软件团队要告诉硬件，不是越轻越好，上下肢比例更重要。」

激辩四

从Demo到落地，还要跨过几个坑？

最后的「BAAI产业会客厅」是整场活动最「接地气」也最「扎心」的环节。

尽管呼声震天，真正的「杀手级应用」尚未出现。是在工厂里拧螺丝？还是进家庭叠衣服？行业在「伪需求」和「真场景」之间艰难摸索。

来自能源、通信、制造一线的「甲方爸爸」们，给热火朝天的具身智能泼了一盆冷水，也指了一条明路。

「客户不为泛化买单，只为解决问题买单。」

优必选工业&优奇联创CEO杨继峰的话掷地有声。

他指出，客户不会因为你用了大模型就多付钱，他们只关心效率。目前的痛点在于，具身智能尚未达到工业体系要求的「拐点」，导致每个项目都是定制化的「0或1」，无法形成规模效应。

中国联通具身智能首席专家李凯总结了甲方愿意买单的「三高」场景：高复杂度、高危险性、高成本。

他分享了一个失败案例：在轴承工厂，AI检出率如果达不到98%，就无法替代老工人；如果只是降低了老工人的劳动强度而不能替代人力，那对企业来说就是零价值。

「全生命周期的运营才是关键，有没有人考虑过机器人的IP防护等级？有没有人考虑过连续无故障工作时间（MTBF）？」

海信杭研总监张名举则用一组数据揭示了家庭场景的艰难：「中国人每人每天平均有118分钟家务。」

他认为， 机器人进家庭不能指望「全能管家」，而应是「特种兵+生态」。「比如洗衣服，机器人负责拿，洗衣机负责洗，这需要家电与机器人的配合，而不是让机器人把所有事都干了。」

软通天擎创始人黄鹏提出了「场景再造」的概念。他认为，现在的环境是为人设计的，机器人很难直接适应。必须对场景进行标准化改造，让数据结构化，模型才能跑起来。

智源研究院：做具身时代的「送水人」

在长达三个小时的激辩中，我们看到了焦虑，更看到了希望。

如果说去年的具身智能还在讨论「是什么」，今年的重点已经变成了「怎么做」。

在这场集体突围中，智源研究院的角色耐人寻味。

它没有亲自下场做本体或产品，而是默默地开源了RoboBrain具身大脑、Emu3.5多模态世界大模型、RoboCOIN数据集以及真机评测平台。

• Emu3.5：用海量长视频数据训练，打造世界模型的基座模型，解决数据饥渴。

• RoboBrain 和 RoboOS：提供跨异构本体的大脑和小脑，解决「不通用」的痛点。

• RoboCOIN：全球本体数量最多、标注精细的真机数据集，打破数据孤岛。

• RoboChallenge：联合Hugging Face等建立评测标准，解决「自卖自夸」的乱象。

面对行业的碎片化，智源研究院选择了一条难而正确的路：做公共基础设施，做技术路线的探路者。

正如智源研究院院长王仲远在开场时所说：「 我们就是希望，为行业铺设基石。」

当所有人都想做淘金者时，智源选择做那个卖铲子、修路、通水电的人。

这场OpenDay不仅展示了技术，更展示了一种生态的号召力——将学术界的象牙塔、产业界的练兵场和资本市场的加速器连接在一起。

2025年，也是具身智能去伪存真的关键之年，正如会场内掌声所证明的：

当铺路人足够坚定，同行者足够众多，种子就已经在这一刻埋下。

秒追ASI