具身智能“大脑”竞速正酣 “换场景就失灵”难题何解？

证券时报记者 臧晓松

“让机器人自主干活”，是具身智能的核心价值。如何让擅长预设表演的机器人，走进工厂产线、普通家庭等真实场景，成为行业亟待破解的命题。

证券时报记者近日采访多家头部企业人士及相关投资人了解到，当前具身智能机器人“大脑”滞后于“身体”已成共识，泛化能力不足是制约其从“舞台”走向“干活”最大的拦路虎。面对这一瓶颈，头部企业加大研发与数据积累力度，资本也愿意给予3—7年的长期陪伴，“边成熟边落地”成为推动机器人“大脑”进化的行业共识。

机器人“大脑”处于“婴儿”阶段

“上一代编程驱动的工业机器人仅能完成重复工作，这类机器人仅替代了人类社会小部分的劳动力。”星海图合伙人、CFO（首席财务官）罗天奇向证券时报记者表示，目前绝大多数工作具备灵活性，受工作对象、环境、动作变化等多种因素影响，无法通过传统工业机器人完成，“比如缝纫时不同衣物的边缘存在差异，搬箱作业时环境可能随时变化，炒菜需要兼顾翻炒、加调料等一系列连贯且灵活的动作。”

在罗天奇看来，具身智能机器人的核心突破，就是通过AI驱动赋予机器人“大脑”，使其具备自主判断与泛化能力，“一旦具身智能技术实现解锁，其市场价值有望达到上一代工业机器人的1000倍。”罗天奇说。

“现阶段，行业主流模式仍是针对特定场景采集数据、训练模型，导致机器人陷入‘换个场景就失灵’的困境。”某上市公司机器人板块负责人周勇（化名）直言，春晚舞台上的机器人更多体现的是身体控制与运动能力，属于“小脑”范畴，而非“大脑”应有的交互与作业能力。

“产线中送零部件、打螺丝、装配等不同任务，家庭场景里千差万别的环境与需求，根本无法实现全覆盖式数据采集，轻微场景变化就需要重新训练模型。”周勇直言，这种模式让机器人落地成本甚至超过传统工业机械臂，违背了其“适应各类环境”的期望优势。

罗天奇告诉记者，现阶段具身智能机器人的“大脑”，其整体仍处于“婴儿阶段”。不过他仍对具身智能机器人的发展前景充满信心，包括宇树科技、智元机器人等在内，具身智能企业在2023—2024年批量诞生，“虽技术仍处早期，但行业整体的技术进化加速度极快，大家的共识是：技术突破只是时间问题。”

罗天奇的信心，源于物理世界的规模法则——在自动驾驶领域，行业历经多年发展已趋近成熟，而机器人领域同样是AI驱动端到端的物理世界，“更多的高质量数据，必然能孕育出更高的智能。”他认为，相较于自动驾驶赛道，具身智能拥有天然的落地优势：自动驾驶的下游场景仅有“上路”，且对安全性要求极高（有不出车祸的硬约束）；而具身智能的下游场景高度分散，且大量场景对速度和成功率的容忍度更高，试错成本低很多，“比如洗碗时打碎碗仅损失2元，爆米花烹煮失败重新制作仅损失1元，这类场景无需达到100%的成功率就可以投入使用。”

“进化”线路之争

“机器人最大的优势本应是泛化性，若无法突破这一瓶颈，其产业化价值将大打折扣。”一位业内人士向记者表示。

面对泛化能力瓶颈，行业企业正从数据、算法等多维度探索突破路径，涌现出星海图、自变量、千寻等聚焦具身智能大模型的头部企业，相关企业专注技术上层研发，正在协同推动行业进步。

“数据积累涵盖数量和质量两个维度。”罗天奇向记者表示，整个行业从2025年才开始上规模地积累数据，而星海图 2026 年的数据积累规模有望达到百万小时——这一量级有着重要的参考意义：一个人在长大成人的过程中，除睡觉以外，与真实世界的交互数据约为10万小时。在罗天奇看来，百万小时量级的真实高质量数据，基本上能够孕育出至少达到成人水平的机器人大脑。

证券时报记者了解到，在技术路线选择上，行业内存在真实数据为主和仿真数据为主的路径之争，星海图坚定站在“真实数据为主”的阵营，这一路线正逐步成为行业共识。

细化来看，真实数据其实也分为多种类型：既有通过遥操作机器人本体采集的数据，也有无本体的夹爪、手套方式采集的数据，还有人类第一视角下记录手部操作的头盔采集数据。“这些真实数据存在质量上的金字塔层级，塔尖的高质量数据在训练大脑时所需数量相对较少，而无本体等类型的数据采集难度、成本更低，但质量稍差。”罗天奇表示，通过对真实数据金字塔的各类数据进行科学配比，就能让训练出的机器人大脑具备更好的泛化性。

罗天奇提到，去年以来，有很多企业设立训练中心，它们的数据对于模型训练虽然有一定作用，但和真实环境、真实任务、真实工作流的数据相比，质量要差很多。“低质量数据不仅对模型训练无帮助，反而会陷入‘garbage in garbage out（垃圾进，垃圾出）’ 的困境，拉低模型的智力水平。”

在周勇看来，机器人“大脑”的核心价值在于替代人类完成各类复杂工作任务，这就需要有高效的交互能力与精准的作业能力，但目前整个行业在这两方面的解决方案均不够成熟，技术路线也尚未形成共识——无论是采用大模型（负责理解、决策、规划）、世界模型（让机器人在脑子里 “模拟未来”，预判环境变化）还是其他技术路线，都未能彻底破解泛化难题。

“边成熟边解锁”

2026年，被认为是具身智能企业验证技术、市场推广的“攻坚之年”。

在罗天奇看来，即便泛化能力瓶颈尚未完全破解，具身智能机器人也无需等到“大脑”极度成熟再落地，而是可以走出“边成熟边解锁”的路径，“用3岁的‘大脑’做3岁孩子能做的简单事，通过真实工作数据积累反哺模型训练，推动‘大脑’逐步成长到5岁、8岁直至成年，从而比自动驾驶更早进入数据飞轮的正向循环。”

就在今年2月11日，星海图完成10亿元B轮融资。“本轮融资将用于持续研发投入和加速产业场景落地。”罗天奇向记者表示，2026年公司研发投入将达数亿元，其中约80%用于“大脑”研发，“公司将全力提升数据的多样性、场景覆盖度与动作丰富度，迈入数十万小时级高质量数据的规模化训练阶段，力求做到国内乃至世界最好。”

在整个行业“高歌猛进”之际，也有传闻称，一家在春晚上亮相的具身智能机器人企业，因为宣传效果未达预期而出现股东与创始人的矛盾，这也让市场对资本的耐心产生疑问。对此一位投资人回应说，专业资本对具身智能落地的耐心远超市场想象。“但凡选择投资这一领域的专业投资人，都做过深度研究，清楚行业技术仍处早期，也认可其未来的巨大价值。”在这位投资人看来，只要企业能沿着正确的技术路线扎实推进，持续取得积极进展，资本愿意继续陪伴3—7年。

“从行业格局来看，2026 年具身智能行业正迎来快速收敛。”罗天奇判断，头部5—10家具身智能企业将占据80%以上的市场，从而在资金、资源等方面建立起不可撼动的优势。同时，行业头部企业也将陆续登陆资本市场，进一步加剧行业的深度分化。

“机器人领域和自动驾驶一样，都是AI驱动端到端的物理世界。”罗天奇向记者强调，大家都相信物理世界里的规模法则，越多的高质量数据，就能孕育出越高的智能，“接下来的技术突破只是时间问题，这是行业的共识。”