如果說雲端大模型通過學習海量文本與圖像數據，學會了“讀萬卷書”，那麼具身智能的目標，就是讓AI擁有身體，學會在複雜的物理世界中“行萬裏路”。這一步跨越，意味著人工智慧正從虛擬的數字世界，邁向真實的物理空間。

3月14日，在上海東方樞紐國際商務合作區舉辦的“申城策源·智鏈終端”人工智慧終端投融資峰會上，行業專家與投資者齊聚一堂，共同探討了端側AI領域的發展趨勢。與會者普遍認為，隨著AI從雲端走向手機、PC、汽車乃至各類機器人，如何讓這些智能終端理解並操作系統所在的物理環境，已成為產業爆發的核心命題。

具身智能的數據困境

“我們曾經講過讀萬卷書不如行萬裏路。”芯原股份創始人戴偉民在峰會上說，“現在機器人的‘小腦’（運動控制）做得很好，運動很靈活，但是‘大腦’（環境理解與決策）不行。”

“大腦”的困境源於數據的缺失。與語言模型可以輕易獲取整個互聯網的文本數據不同，具身智能需要的是與物理世界交互產生的數據，從中訓練出真正可以理解真實世界的智能。

上海國投先導私募基金管理有限公司副總經理吳緒成指出，當前整個具身智能產業的核心瓶頸是“數據供給嚴重不足”。與此同時，獲取數據的技術路線與訓練“大腦”的大模型技術路線都尚未收斂。究竟是採用直接學習“視覺-語言-行動”的VLA模型，還是構建一個能預測物理世界變化的“世界模型”，業界仍在探索。

VLA（Vision-Language-Action）模型試圖直接學習從“看到什麼（視覺）、聽到什麼指令（語言）”到“該做什麼（行動）”的映射關係，讓機器人的行動變得可以用文字解釋。另一種世界模型（World Model）的思路則致力於在模型內部構建一個關於物理世界的空間，真正做到理解物體、空間關係和物理規律，從而能夠讓機器像人一樣預測行動的後果。

然而，無論是哪一種演算法，都需要用物理世界的數據去訓練。在酷哇科技CEO何弢看來，整個具身智能賽道正陷入一個“先有規模還是先有智能”的先發悖論：沒有足夠智能的機器人，就無法在真實場景中大規模應用；而沒有大規模應用，就無法收集到訓練出更強“大腦”所必需的海量、高質量交互數據。如何打破這個迴圈，成為所有從業者必須回答的問題。

“路測法”與“落地法”之爭

“物理世界當中的交互數據怎麼樣能夠有效地捕獲，如何有效低成本地獲取？這是在端側模型發展目前面臨的首要問題。”何弢在峰會的主題分享中提到，並借鑒自動駕駛領域的發展歷程，提出瞭解決方案。

他將兩種數據獲取策略類比為穀歌Waymo的“路測法”和特斯拉的“落地法”。“路測法”即直接部署專門的測試車隊，一步到位地在真實道路上採集高質量數據， 其優勢在於目標純粹、數據高保真，但缺點在於規模擴張極度依賴高昂的資本開支，屬於典型的“燒錢模式”。

而“落地法”則另闢蹊徑。“特斯拉巧妙地利用了落地法，”何弢分析道，“先打磨出一個具備生產力價值的產品，比如一輛人類可以舒適駕駛的車。在交付產品、獲得收入的同時，獲取大量寶貴的數據。”這種模式雖然前期獲取數據的速度稍慢，但一旦產品形成規模，就能在不依賴資本持續輸血的情況下，形成一個“技術發展-商業落地-數據回饋”的良性飛輪。

遵循這一邏輯，何弢介紹道，酷哇科技致力於成為“世界模型驅動的城市具身智能全棧方案商”。通過打造智慧城市管家機器人、智慧出行小巴、智慧物業服務機器人等一系列能即刻產生商業價值的機器人產品，將其大規模部署到城市的大街小巷。

“我們通過打磨產品，在城市場景當中去把這個產品布出去了以後，一邊作業一邊獲回饋數據。”何弢說。目前，酷哇的城市管家機器人已經佔據市場上超過90%的份額，出貨量超過1萬臺。這些機器人構成了一個龐大的、持續運轉的數據採集網路，已經收集了超過50PB的物理真值數據。

具身智能的終極圖景：從城市邁向家庭

何弢表示，酷哇科技正在利用這些數據訓練更加“聰明”的端側機器人“大腦”。這個系統中不僅包含一個“世界模型”，讓機器人具備理解基本物理規律的直覺，也有部署在端側和雲端的推理模型，讓它們能夠進行邏輯推理這樣的“慢思考”。

在他看來，這種數據與演算法相互驅動的模式一旦成型，將帶來顯著的“馬太效應”。擁有最多落地場景和數據的企業，將能訓練出最強大的“世界模型”大腦；而最強大的大腦又能驅動機器人提供更好的服務，從而收割更多的市場份額與數據資產。

“頭部玩家的雪球越滾越大，底層推力正是數據與技術的飛輪效應。機器人大腦的技術演進越快，商業護城河就越深。”何弢說，即便現在已經出現使用AI合成的仿真數據來訓練模型的方式，真實世界數據的價值也難以取代。

基於這些原因，何弢認為，比起現在還沒有明確使用場景的人形機器人，具備精准場景定位、能迅速規模化落地的輪式或輪足機器人，例如自動駕駛汽車、商業清潔機器人、物流機器人等，反而可能是具身智能行業更好的起點，也能夠收集到更多的真實數據。

他告訴澎湃科技，具身智能發展的第二個階段可能是在更大範圍但仍受限的場景中，實現多智能體的協同作業。例如在一個社區或工業園區內，由一個統一的“世界模型”驅動無人小巴、配送機器人、清潔機器人協同服務，由一個“大腦”控制多個“身體”。“我認為是在三年內就可以看到。”他說。

何弢認為，機器人發展的最後一個階段是真正進入家庭，成為“給大家當保姆、做服務員”的通用機器人。他表示，家庭場景的複雜性和不確定性遠超前兩者，“居家機器人的能力，應該是結合上前面所有能力的集大成者。”

來源：中國澎湃新聞