具身智能狂热之下智源研究院如何入局生态搭建？

2025-11-21 10:31:59 来源：界面新闻

在人工智能领域焦点从大语言模型转向具身智能的背景下，智源研究院于11月20日举行的开放日上，公布了其最新的技术与生态布局。

智源研究院表明，当前具身智能仍处于“可演示但难规模化”的阶段。尽管机器人硬件迅速成熟，但模型存在不好用、不通用、不易用的瓶颈，不同本体间缺少统一接口，动作规划与控制难以迁移，部署成本居高不下。

为解决这些结构性问题，智源展示了一套自底向上构建的通用技术体系，以具身大脑为核心，将数据采集、标准化工具链、模型基座、仿真与评测整合为统一架构，并以开源开放方式维持其演化。智源称在具身领域的合作伙伴已超30家，规模还在扩大。

在模型层面，智源发布了新一代的RoboBrain 2.0 Pro，通过引入价值判断与三维空间追踪两大能力，使机器人能在复杂场景中进行更稳健的动作推理。

基于此构建的RoboBrain-X0 Pro支持零样本跨本体迁移和长程多步骤操作，而面向灵巧手的RoboBrain-Dex则通过大规模人类示范的预训练，显著降低灵巧操作的数据门槛。在基础控制方面，智源推出贯通仿真到真机的Emu-RobotVerse以及专为人形机器人打造的全身控制框架BAAI Thor，为人形机器人在强交互任务中的稳定性提供底层支撑。

此外，智源还推出了围绕人机交互、响应延迟约80毫秒的全双工语音大模型RoboBrain-Audio，以及聚焦长期记忆与社会认知的RoboBrain-Memory。

图源：智源研究院

在技术路线讨论中，现场的圆桌对话围绕端到端VLA、分层式模型以及世界模型三种路径展开辩论。共识是短期内分层架构更适合工程落地，而通用基座模型将在更长周期内成为行业目标，其前提是统一的场景表示、高质量的数据闭环和一致的评测体系。

关于“硬件是否拖累模型”的争议也有了更多答案，行业认为模型规划与硬件执行已进入互相重塑的阶段，尤其在力控、人形结构和安全边界等方面，双方必须共同定义标准。

在具身智能的讨论中，数据从哪里来、够不够用、能否逼近通用能力，成为行业备受关注的话题之一。智源研究院院长王仲远在接受界面新闻等媒体采访时，也被问及大量相关问题。

比如，在训练具身模型时，视频、真机数据与仿真数据究竟如何分工；视频能否承担最主要的学习负荷；真实机器人数据是否存在“规模上限”；以及在缺乏触觉和力控信息的情况下，行业如何避免模型能力被视觉单模态限制等等。

这些问题共同指向一个焦点——具身智能的训练到底依赖怎样的数据结构，行业如今处于什么阶段？

王仲远对此逐一给出解答，他指出，机器人世界与语言模型完全不同，短期内不可能出现像互联网文本那样爆炸式增长的海量真机数据。即便未来部署一千甚至一万台机器人，也远不足以撑起通用模型所需的规模。

“规模化数据肯定是有价值有意义的，但我自己觉得即使是几十万小时的数据依然不能叫海量数据，还远没到ChatGPT时刻。”王仲远说。

在这种结构性限制下，智源选择遵循“第一性原理”：以视频作为训练的主输入。王仲远认为视频不仅具备可规模化采集的优势，还同时包含时空因果、语义、图像、动作、声音以及部分三维线索，是当下最完备、最现实、也最接近人类学习路径的数据来源。

在智源看来，人类通过视觉建立对世界的认知再自然不过，一个两岁小女孩通过刷短视频学会拆糖果与拧瓶盖，就是对这种学习机理的直观印证。

在这个框架中，机器人通过少量真实操作记录，获得任务成功与失败的因果反馈，再通过强化学习修正行为策略。这种方式无法替代海量视频，但可以在关键动作上提供必要的纠偏，使模型具备实际落地的可执行性。

至于视频模态数据在触觉与力控上的天然局限，王仲远坦言目前行业整体都缺乏足够规模的力反馈数据，但他表示智源非常认可这类数据在未来发展中的重要性。

此外，在具身智能的集体狂热中，外界最关心的问题也指向另一个核心，即资金为何突然加速涌入、行业到底在争什么？

王仲远对界面新闻等媒体解释称，融资潮并非偶然，而是共识驱动的结果。当前，资本、政策和产业圈普遍相信具身智能将成为下一条长周期技术曲线，类似当年大模型真正进入产业化的时刻。

一旦共识形成，资源便会迅速集中，而具身研发本身又是典型的“重资本、长周期”项目，算力、硬件和大规模场景验证都需要持续投入，这使得高额融资几乎成为入场门槛。“在我看来这肯定是一件好事，因为它能够加速整个产业的聚集。”

但在热度背后，王仲远坦言资本同样有自己的焦虑。当前商业化路径仍未跑通，不同技术路线尚未收敛，投资人也可能被情绪驱动进入赛道。他认为，行业未来仍会经历周期波动，但技术演进会继续沿着螺旋上升的轨迹前行。

至于创业生态，他的判断更为现实。具身创业公司快速出现，也快速倒下，多半因为商业模式不清晰或资源分散。王仲远强调真正的竞争力来自“把一个真实场景打磨到可长期使用”，而不是追求做一个“万能具身”。