2025年6月，國內(nèi)具身智能領(lǐng)域宇樹科技、非夕科技、銀河通用三起億級(jí)、十億級(jí)重磅融資幾乎同時(shí)官宣，具身智能熱潮繼續(xù)升溫。

那么被視為全球科技競(jìng)爭(zhēng)高地的具身智能產(chǎn)業(yè)，現(xiàn)在究竟發(fā)展如何，又有哪些瓶頸？

6月24日，2025阿里云中企出海峰會(huì)·深圳站，在廣東省人工智能與機(jī)器人產(chǎn)業(yè)聯(lián)盟指導(dǎo)下，阿里云組織了一場(chǎng)以具身智能為主題的研討會(huì)。

在這場(chǎng)研討會(huì)上，十四位具身智能產(chǎn)業(yè)不同領(lǐng)域的關(guān)鍵從業(yè)者，就具身智能的數(shù)據(jù)、架構(gòu)和商業(yè)路徑三大話題進(jìn)行了一場(chǎng)激烈的研討，并在研討中給出了自己的答案。

01 數(shù)據(jù)難題：線下采集 or 仿真合成

據(jù)IDC此前預(yù)測(cè)數(shù)據(jù)顯示，2024年全球?qū)⑸?59.2ZB數(shù)據(jù)，2028年將增加一倍以上，達(dá)到384.6ZB，復(fù)合增長率為24.4%。

然而，數(shù)據(jù)量不足卻依舊是具身智能領(lǐng)域一大難題。

據(jù)中國信通院聯(lián)合北京人形機(jī)器人創(chuàng)新中心發(fā)布的《具身智能發(fā)展報(bào)告（2024年）》指出，缺乏數(shù)據(jù)已經(jīng)成為具身智能能力突破的重要壁壘。

這時(shí)，通過機(jī)器人在真實(shí)環(huán)境中采集數(shù)據(jù)和在虛擬環(huán)境合成仿真數(shù)據(jù)就成了當(dāng)下破解具身智能數(shù)據(jù)難題的兩條主流路徑。

京津冀智能制造裝備產(chǎn)業(yè)聯(lián)盟秘書長張歡喜早在2006年就進(jìn)入了工業(yè)機(jī)器人領(lǐng)域，他在研討會(huì)中指出：

“機(jī)器人產(chǎn)業(yè)早在諸如工業(yè)機(jī)器人和工業(yè)自動(dòng)化解決方案發(fā)展過程中就遇到了數(shù)據(jù)問題，當(dāng)時(shí)工業(yè)機(jī)器人對(duì)數(shù)據(jù)要求不算高，通過并聯(lián)識(shí)別等相關(guān)技術(shù)對(duì)機(jī)器人進(jìn)行訓(xùn)練，就能有不錯(cuò)的成效。但隨著具身智能對(duì)機(jī)器人能力要求越來越高，僅僅依靠這類傳統(tǒng)模式已經(jīng)無法適用。”

要想大幅提升具身智能機(jī)器人的能力，數(shù)據(jù)驅(qū)動(dòng)、模型驅(qū)動(dòng)就成了必然的發(fā)展方向。

正因如此，越來越多具身智能團(tuán)隊(duì)開始在全國各地建數(shù)據(jù)采集場(chǎng)，例如智元機(jī)器人在上海投建了具身智能機(jī)器人的數(shù)據(jù)采集場(chǎng)，帕西尼感知科技也在天津投建了數(shù)據(jù)采集場(chǎng)。

要讓具身智能在真實(shí)物理世界中具備交互能力，在真實(shí)世界中采集高質(zhì)量數(shù)據(jù)固然重要，但由此產(chǎn)生的數(shù)據(jù)不僅成本高昂，而且數(shù)據(jù)量往往難以形成規(guī)模，通過仿真數(shù)據(jù)訓(xùn)練具身智能機(jī)器人，就成了另一條主流路徑。

跨維智能創(chuàng)始人兼CEO賈奎是這條技術(shù)路徑的絕對(duì)擁躉。賈奎在研討會(huì)上指出，“與大語言模型要學(xué)習(xí)的智能不同，具身智能本質(zhì)上是世界物理規(guī)律的智能，從廣義空間來看，更像是一個(gè)牛頓體系的智能。”

要想實(shí)現(xiàn)這樣的具身智能，賈奎認(rèn)為，“唯一的方式就是建立一個(gè)引擎世界，將物理世界、物理規(guī)律，以及機(jī)器人在這個(gè)世界中與物體、環(huán)境的交互方式以仿真形式建立起來，這樣的引擎才是具身智能機(jī)器人最佳的訓(xùn)練場(chǎng)，這與地球在過去幾十億年演化出了不同的生物一樣。”

當(dāng)然，大語言模型仍在具身智能產(chǎn)業(yè)中發(fā)揮著作用。

成立于2024年的流昇科技是一家致力于提高人工智能通用性的企業(yè)，流昇科技CEO林澤騰在研討會(huì)上分享稱，“在觀察到中國企業(yè)出海，尤其是中國智能硬件產(chǎn)品出海時(shí)，普遍會(huì)遇到語言難題后，如何讓中國企業(yè)的智能硬件產(chǎn)品賣到不同的國家和地區(qū)，甚至讓受教育程度不高的當(dāng)?shù)厝嗣裼蒙现袊a(chǎn)品，就成了我們創(chuàng)業(yè)之初思考的問題。”

為此，流昇科技團(tuán)隊(duì)找來了在全球廣為流傳的經(jīng)典文獻(xiàn)，這些經(jīng)典文獻(xiàn)在傳播到不同國家和地區(qū)時(shí)會(huì)被翻譯為當(dāng)?shù)卣Z言，這樣的語言體系有時(shí)甚至都不是以文字形式呈現(xiàn)，而是以音頻形式呈現(xiàn)，流昇科技不斷將這些文獻(xiàn)收集起來。

據(jù)林澤騰透露，他們當(dāng)時(shí)一共在全球收集了4000多種語言的全球經(jīng)典文獻(xiàn)，通過數(shù)據(jù)清洗，將能夠用來做訓(xùn)練的四分之一的數(shù)據(jù)保留，并將這些數(shù)據(jù)與300多種國際通用語言進(jìn)行對(duì)齊、清洗掉不合適的內(nèi)容、找人工團(tuán)隊(duì)將數(shù)據(jù)進(jìn)行補(bǔ)全，最終這些數(shù)據(jù)被用來訓(xùn)練大語言模型。

據(jù)悉，流昇科技由此訓(xùn)練出的一款名為“萌萌心語”的產(chǎn)品可以識(shí)別4017種語言，支持1107種語言的同時(shí)翻譯轉(zhuǎn)換，可用于諸如割草機(jī)器人、掃地機(jī)器人等具身智能機(jī)器人產(chǎn)品出海。

阿里云在過往具身智能爆火的這一年里，也已經(jīng)服務(wù)了不少具身智能企業(yè)，尤其在數(shù)據(jù)管線服務(wù)上做了大量工作。

阿里云智能集團(tuán)公共云事業(yè)部華南大區(qū)高級(jí)解決方案架構(gòu)師武潤鵬就指出：

“具身智能的數(shù)據(jù)管線可以分為數(shù)據(jù)采集、數(shù)據(jù)清洗和預(yù)處理、數(shù)據(jù)增廣、數(shù)據(jù)質(zhì)量控制、數(shù)據(jù)標(biāo)注、數(shù)據(jù)存儲(chǔ)與檢索、數(shù)據(jù)權(quán)限劃分等環(huán)節(jié)，阿里云在這些相對(duì)共性的需求或者說面臨的挑戰(zhàn)上面基于云上豐富的產(chǎn)品線已經(jīng)構(gòu)建了相對(duì)成熟的解決方案。

這些方案覆蓋了從存儲(chǔ)到異構(gòu)算力，從模型全生命周期的管控到數(shù)據(jù)權(quán)限的劃分，由此讓具身智能企業(yè)能夠從繁瑣的infra工作中抽身，把寶貴的時(shí)間精力放到最核心的業(yè)務(wù)研發(fā)上，來快速迭代自己的產(chǎn)品。”

02 具身架構(gòu)：大小腦 or 端到端

2023年7月28日，谷歌DeepMind推出了一款新的機(jī)器人模型Robotics Transformer 2，也就是RT-2，這一視覺-語言-動(dòng)作大模型表現(xiàn)出了不錯(cuò)的泛化性，也成了在具身智能領(lǐng)域關(guān)注度頗高的端到端具身大模型。

端到端是當(dāng)下具身智能領(lǐng)域一條主流的技術(shù)路徑，這條技術(shù)路徑的一大特性是，將視覺、語言、動(dòng)作模型融合到了一個(gè)模型中，通過這一個(gè)特定模型，驅(qū)動(dòng)具身智能機(jī)器人執(zhí)行任務(wù)。

區(qū)別于端到端具身大模型的另一條主流技術(shù)路徑是，大小腦協(xié)作。

深圳市人工智能與機(jī)器人研究院研究員王凡更愿意將大小腦協(xié)作稱作分塊式路徑，王凡將這一類智能體的模式總結(jié)為，將小腦作為工具，用大腦調(diào)用小腦的模式。

在腦科學(xué)中有一個(gè)概念叫作代償機(jī)制，具體是指大腦在受到損傷或功能障礙時(shí)，可以通過重新分配或激活其他神經(jīng)通路和資源來維持或恢復(fù)被損傷的功能的現(xiàn)象。

王凡指出，“這是現(xiàn)在大小腦協(xié)作的具身智能體系中所不具備的，而如何將代償機(jī)制與分塊模式進(jìn)行結(jié)合，是我們研究院現(xiàn)在重點(diǎn)關(guān)注的一個(gè)領(lǐng)域，也是我們認(rèn)為具身智能未來很有潛力的一種模式。”

對(duì)于端到端模型的局限性，林澤騰同樣深有體會(huì)。

據(jù)林澤騰透露，流昇科技團(tuán)隊(duì)最近通過在輪式底盤上搭載兩個(gè)機(jī)械臂，在20平方米左右的家居環(huán)境中整理各種物體。

通過VLA模型，機(jī)械臂可以實(shí)現(xiàn)疊衣服的功能。不過，流昇科技團(tuán)隊(duì)發(fā)現(xiàn)，如果再在其中放入一個(gè)新物體，機(jī)械臂就無法保證完成任務(wù)，“當(dāng)具身智能需要面對(duì)的世界越來越復(fù)雜時(shí)，是否可以很好地學(xué)習(xí)新知識(shí)，這是VLA模型現(xiàn)在面臨的最大瓶頸。”

不僅僅是端到端的VLA模型存在諸多瓶頸，實(shí)際上，目前具身智能仍處于發(fā)展早期階段，市場(chǎng)快速變化，技術(shù)路線還未收斂，各類模型迭代速度也很快。

在這場(chǎng)速度的比拼過程中，擁有一個(gè)穩(wěn)定、先進(jìn)的基礎(chǔ)設(shè)施來快速保障業(yè)務(wù)發(fā)展顯得至關(guān)重要。

作為國內(nèi)最大的云和AI基礎(chǔ)設(shè)施供應(yīng)商，阿里云在這些方面有著頗多沉淀。

阿里云智能集團(tuán)資深產(chǎn)品解決方案總監(jiān)、大數(shù)據(jù)和人工智能平臺(tái)解決方案負(fù)責(zé)人魏博文在論壇上指出，“阿里云底層平臺(tái)可以處理非結(jié)構(gòu)化數(shù)據(jù)，并擁有數(shù)據(jù)清洗、數(shù)據(jù)拆分、數(shù)據(jù)標(biāo)注等能力，以實(shí)現(xiàn)更高效的多模態(tài)數(shù)據(jù)處理分析，也方便了具身智能模型的訓(xùn)練和推理。”

實(shí)際上，相較于智能輔助駕駛，具身智能領(lǐng)域的數(shù)據(jù)體量并不龐大，阿里云大數(shù)據(jù)和人工智能平臺(tái)在過去幾年里已經(jīng)通過千卡、萬卡規(guī)模算力集群承載了智能輔助駕駛的端到端大模型數(shù)據(jù)產(chǎn)線和模型訓(xùn)練，陪伴了中國智能汽車產(chǎn)業(yè)的發(fā)展，這種能力可以很好地延伸到具身智能產(chǎn)業(yè)上。

就模型而言，阿里云智能集團(tuán)飛天實(shí)驗(yàn)室科學(xué)家胡露露指出：

“當(dāng)前大模型本質(zhì)上是基于對(duì)信息的的壓縮和表達(dá)，推理模型的誕生，顯著地增強(qiáng)了大模型在代碼、數(shù)學(xué)等問題上的能力，而再將Agent能力疊加到模型上后，會(huì)顯著地增強(qiáng)模型處理長鏈路復(fù)雜任務(wù)的能力。

阿里擁有全球領(lǐng)先的通義系列大模型，并逐漸將文本模型、語音模型，以及多模態(tài)模型逐漸開源出來，社區(qū)也有大量的基于通義大模型的具身模型誕生。這些模型將被越來越多地應(yīng)用到具身智能領(lǐng)域。”

此外，作為一個(gè)新興賽道，如何快速跑通工作流也是具身智能企業(yè)搶占市場(chǎng)先機(jī)的一個(gè)重點(diǎn)。

阿里云無影團(tuán)隊(duì)在2024年就一直關(guān)注具身智能行業(yè)，并在今年年初對(duì)外發(fā)布了基于RTX 5880 ADA顯卡的專業(yè)工作站。

據(jù)阿里云智能集團(tuán)無影事業(yè)部產(chǎn)品解決方案總監(jiān)鄭芳友介紹稱：

“通過無影專業(yè)工作站，具身智能團(tuán)隊(duì)可以快速在云端構(gòu)建可視化開發(fā)環(huán)境，在這一開發(fā)環(huán)境下完成數(shù)據(jù)標(biāo)注、訓(xùn)練參數(shù)調(diào)整，并可以與云上訓(xùn)練集群高效互動(dòng)，極大地提升了工作效率。

相較于傳統(tǒng)開發(fā)模式，以往需要兩三天的開發(fā)工作，基于無影專業(yè)工作站的全線上開發(fā)流程，現(xiàn)在只需要2-3小時(shí)就能實(shí)現(xiàn)。”

基于全球領(lǐng)先的通義SOTA開源模型能力、智算基礎(chǔ)設(shè)施的先進(jìn)技術(shù)和規(guī)模優(yōu)勢(shì)以及歷經(jīng)智能輔助駕駛磨練的平臺(tái)和工程能力，阿里云正在幫助具身智能企業(yè)用成本換速度、用品質(zhì)提速度、用經(jīng)驗(yàn)贏速度。

03 具身智能商業(yè)化落腳點(diǎn)

經(jīng)過具身智能團(tuán)隊(duì)在過去兩年里的紛至沓來、百家爭(zhēng)鳴，2025年被視為具身智能產(chǎn)業(yè)元年。

這一年里，越來越多具身智能機(jī)器人開始進(jìn)入各大汽車工廠實(shí)訓(xùn)、進(jìn)入商超酒旅場(chǎng)景演練，甚至進(jìn)入到運(yùn)動(dòng)會(huì)的賽場(chǎng)，開始跑馬拉松、打格斗賽，進(jìn)行各種實(shí)操技能的比拼。

成立于2022年的逐際動(dòng)力就是一家高度重視商業(yè)化的公司。

據(jù)逐際動(dòng)力聯(lián)合創(chuàng)始人龐博透露，“我們認(rèn)為現(xiàn)在人形機(jī)器人已經(jīng)到了用量產(chǎn)向投資人、向自己交卷的時(shí)候，所以我們現(xiàn)在是兩條腿走路，一方面憑借自己的技術(shù)優(yōu)勢(shì)面向?qū)嶋H應(yīng)用落地場(chǎng)景持續(xù)探索，另一方面是在真正商用落地之前，以某種過渡產(chǎn)品形態(tài)先在特定場(chǎng)景進(jìn)行量產(chǎn)落地。”

龐博認(rèn)為，“商業(yè)價(jià)值并不是說我們主觀覺得機(jī)器人用在哪里好，真正的商業(yè)價(jià)值是哪個(gè)行業(yè)中的哪個(gè)問題用機(jī)器人解決是性價(jià)比最高的解決方案。”

這其中，機(jī)器人行業(yè)的一個(gè)關(guān)鍵轉(zhuǎn)變是，數(shù)據(jù)驅(qū)動(dòng)的模型正在取代傳統(tǒng)公式的模式來控制機(jī)器人運(yùn)動(dòng)，這種模式正在讓機(jī)器人走得更穩(wěn)。

正因如此，逐際動(dòng)力在2024年率先推出了雙輪足式機(jī)器人，用最簡(jiǎn)單的八個(gè)關(guān)節(jié)實(shí)現(xiàn)了全地形移動(dòng)能力。

成立于2024年3月的數(shù)字華夏同樣有著自己的商業(yè)化打算。

據(jù)數(shù)字華夏聯(lián)合創(chuàng)始人陳軍民透露：

“數(shù)字華夏定位有溫度的AI人形交互機(jī)器人，聚焦人形交互機(jī)器人的設(shè)計(jì)、研發(fā)與商業(yè)落地。通過多模態(tài)智能交互技術(shù)，讓機(jī)器人去服務(wù)人，讓機(jī)器人的應(yīng)用場(chǎng)景落地千行百業(yè)。

在服務(wù)人、與人類做朋友的過程中，機(jī)器人可以獲得我們?nèi)祟悓?duì)這個(gè)事情是如何看待，如何思考，如何解讀，如何具體實(shí)現(xiàn)等，拿到海量的人類實(shí)際工作與生活真實(shí)數(shù)據(jù)，然后不斷的通過AI來模擬與訓(xùn)練，為未來通向AGI之路提供堅(jiān)實(shí)的數(shù)據(jù)驅(qū)動(dòng)。

目前面向教培、文旅、金融、制造等場(chǎng)景，數(shù)字華夏主推的是雙足+輪式雙形態(tài)機(jī)器人星行俠P01。”

據(jù)陳軍民介紹稱，基于這一形態(tài)的機(jī)器人解決了三大問題：

第一，安全問題，通過輪式解決了雙足運(yùn)動(dòng)不穩(wěn)定的問題，解決了雙足機(jī)器人批量化商業(yè)落地安全問題；

第二，續(xù)航問題，目前市面上雙足人形機(jī)器人普遍續(xù)航在2-3小時(shí)，通過輪式底盤，星行俠P01相當(dāng)于又增加了8小時(shí)續(xù)航；

第三，成本問題，數(shù)字華夏這款雙形態(tài)機(jī)器人比市面上的雙足人形機(jī)器人成本要更低。

這是數(shù)字華夏在推動(dòng)具身智能機(jī)器人量產(chǎn)落地過程中找到的商業(yè)路徑。

相較于逐際動(dòng)力、數(shù)字華夏，成立于2025年3月的星燦智能的商業(yè)化路徑又有所不同，星燦智能CEO李戰(zhàn)斌是擁有八年自動(dòng)駕駛行業(yè)資深從業(yè)者，在創(chuàng)立星燦智能后，他的目標(biāo)轉(zhuǎn)向了研發(fā)家庭服務(wù)機(jī)器人。

之所以會(huì)選擇這一場(chǎng)景，是因?yàn)槔顟?zhàn)斌認(rèn)為，“隨著國內(nèi)老齡化日益加深，家庭養(yǎng)老和康養(yǎng)會(huì)是具身智能機(jī)器人兩個(gè)關(guān)鍵應(yīng)用場(chǎng)景。”

過往的自動(dòng)駕駛從業(yè)經(jīng)驗(yàn)讓李戰(zhàn)斌認(rèn)識(shí)到自動(dòng)駕駛發(fā)展到后期引入了先驗(yàn)知識(shí)，從數(shù)據(jù)驅(qū)動(dòng)轉(zhuǎn)向了“雙輪驅(qū)動(dòng)”。

到進(jìn)入具身智能機(jī)器人領(lǐng)域后，他們也在將家庭場(chǎng)景的先驗(yàn)知識(shí)落地到VLA模型的“L”中，以此推動(dòng)具身智能機(jī)器人在家庭養(yǎng)老和康養(yǎng)場(chǎng)景快速落地。

然而，在以數(shù)據(jù)驅(qū)動(dòng)的具身智能機(jī)器人落地過程中，核心是計(jì)算和推理，阿里云智能集團(tuán)公共云事業(yè)部華南大區(qū)資深解決方案架構(gòu)師姚蛟認(rèn)為，“這應(yīng)該是云邊端協(xié)同的計(jì)算推理。”

在家庭服務(wù)場(chǎng)景中，核心需要通過端側(cè)算力進(jìn)行推理，而在康養(yǎng)、酒店等集中式場(chǎng)景中，工作節(jié)拍比家庭場(chǎng)景更低、準(zhǔn)確度的要求卻更高、需要的模型尺寸也要更大，阿里云為此特別設(shè)計(jì)了邊緣推理設(shè)備，能夠同時(shí)支持上百臺(tái)機(jī)器人的推理計(jì)算。

針對(duì)那些對(duì)準(zhǔn)確度要求極高的場(chǎng)景，就需要通過云端的大算力和大模型來解決此類場(chǎng)景的推理難題。

姚蛟指出，“具身智能機(jī)器人其實(shí)是互聯(lián)網(wǎng)世界和物理世界之間的一個(gè)橋梁，過往這兩個(gè)世界比較割裂，現(xiàn)在有了具身智能，就可以彌合二者之間的縫隙，將兩個(gè)世界完美結(jié)合起來。”

而這，也正是具身智能的意義所在。

04 開啟具身智能的下一個(gè)十年

作為一個(gè)龐大的未來產(chǎn)業(yè)，具身智能如今已經(jīng)成為全球科技競(jìng)爭(zhēng)高地，我國也在今年首次將具身智能寫入了《政府工作報(bào)告》，全國各地對(duì)于具身智能這一未來產(chǎn)業(yè)的投資熱度也空前高漲。

廣東省更是在2025年6月6日正式成立了廣東省人工智能與機(jī)器人產(chǎn)業(yè)聯(lián)盟，這是一個(gè)由23位院士專家，331家人工智能、機(jī)器人創(chuàng)新主體的重要聯(lián)盟，旨在推動(dòng)產(chǎn)業(yè)鏈上下游協(xié)同、產(chǎn)學(xué)研深度融合，形成高效聯(lián)動(dòng)的創(chuàng)新生態(tài)。

實(shí)際上，作為國內(nèi)具身智能重鎮(zhèn)，深圳一直以來都在真金白銀投資具身智能產(chǎn)業(yè)發(fā)展，深圳市南山區(qū)已經(jīng)形成了機(jī)器人谷，龍崗區(qū)則準(zhǔn)備三年拿出100億訂單陪伴機(jī)器人產(chǎn)業(yè)穿越周期……

作為國內(nèi)云計(jì)算與AI基礎(chǔ)設(shè)施核心供應(yīng)商，阿里云如今也在積極布局具身智能賽道。阿里云智能集團(tuán)副總裁、市場(chǎng)營銷部負(fù)責(zé)人劉湘雯在論壇上指出，“阿里巴巴不但投資了逐際動(dòng)力、星動(dòng)紀(jì)元等具身智能團(tuán)隊(duì)，還在通過先進(jìn)的基礎(chǔ)設(shè)施服務(wù)具身智能團(tuán)隊(duì)。”

利好的政策、雄厚的資金、集聚的產(chǎn)業(yè)帶，以及完備的云計(jì)算和AI基礎(chǔ)設(shè)施，正在為中國具身智能開啟一個(gè)快速進(jìn)化的十年。

作為這場(chǎng)具身智能研討會(huì)的主持人，至頂科技CEO兼總編輯高飛也特別指出：

“大語言模型的奇跡已然發(fā)生，具身智能的‘GPT時(shí)刻’何時(shí)到來，正成為產(chǎn)業(yè)關(guān)注的下一個(gè)焦點(diǎn)。

不過，這一歷史性時(shí)刻的發(fā)生地，并不一定在硅谷。

因?yàn)榫呱碇悄芗纫?lsquo;會(huì)思考的大腦’，也要有‘能行動(dòng)的身體’，而中國，正是全球唯一同時(shí)擁有這兩者制造能力與完整產(chǎn)業(yè)鏈的沃土。”

更難得的是，國內(nèi)家政、養(yǎng)老、商業(yè)、工業(yè)等千行百業(yè)的真實(shí)需求，也正在為技術(shù)落地注入源源不斷的現(xiàn)實(shí)動(dòng)力。