2026年被認為是具身智能場景落地的元年。在機器人「飛檐走壁」的當下，它們何時才能走入真實場景去幹活兒？總台央視記者張春玲通過深度調研以及行業分析，為您拆解一下具身智能技術仍需突破的幾大難點。
從飛檐走壁到下場幹活兒，不知道你是否也有這個疑問，具身智能機器人何時能走向真正的場景落地？
近日，宇樹科技的一份招股書從一個側面折射出行業的發展現狀——技術路線尚未突破，通用機器人的消費級市場尚未形成剛需。這份報告背後，我們機器人行業依然面臨著幾大難題。
第一，數據不足。宇樹說要把近一半的募資投向模型和數據，這裡面就和機器人學習動作有關係。像我們從小就是在無數的真實場景里反覆地學習、練習，但是機器人沒有這樣的成長過程，它只能靠海量的數據去「刷題」，靠「見多識廣」去彌補自己能力。而如果想讓機器人真正變得更通用、更靈活，能在不同場景里完成更多任務，行業認為，所需數據量至少要達到百萬級小時。
第二，場景不深。宇樹說，當前人形機器人應用生態和市場培育周期很長。的確，現在的機器人應用看起來似乎已經不少了，但是在那些真正高頻、剛需的真實生活場景里，比如大家期待的幹家務，機器人依舊難以勝任。歸根結底，就是機器人的泛化能力還不足。在家庭這種環境各異、突髮狀況頻發的場景當中，機器人的應變能力、穩定性和安全性都還有待提升。
第三，路線不清。今天大家想讓機器人要變聰明，怎麼做？都在試。行業內比較主流的方案有「世界模型」，就是教會機器人物理規律，讓它憑常識決策行動。有「VLA」模型，是把機器人的視覺、語言和動作打通，讓機器人「看到」之後就能「理解」，「理解」之後就能「行動」。此外還有強化學習、分層框架等等方案。這就好像在一片黑森林裡摸索，方向很多，但哪條路能最快走向真實可用，現在還沒有答案。
北京智源人工智慧研究院院長 王仲遠：我們先會在特定的場景下採集足夠多的數據集，訓練出一些專用的模型，這些模型能夠使得機器人真正地干起活，形成商業的閉環。在這個過程中累積更多的數據，打磨我們的硬體本體，讓它更加可靠，更加安全，更加持久耐用。這些都需要我們有更充足的耐心。
2026年，機器人將會越來越多地走入場景落地之路，開始在真實世界打工、學習、成長、進化。雖然我們無法去預計那個爆發的奇點到底在哪裡，但是在全行業的努力探索下，走著走著，也許自然就會有了答案。
（總台央視記者 張春玲 李峻 吳昊）
來源：央視新聞客戶端
