機械人「智商」太低？百億估值掌門人同台談2026年如何破局

2026年03月29日19:30:24 科技 4244

當具身智能走過「量產元年」，接下來該往何處去？

2026中關村論壇年會上，幾家估值百億的具身智能企業「掌門人」同台，展開了一場名為《百億具身智能對話》的圓桌交流。銀河通用創始人王鶴作為對話主持人，接連拋出關於具身智能當前痛點、落地場景等行業關注的關鍵問題，智平方聯合創始人張鵬、千尋智能聯合創始人高陽、原力靈機創始人唐文斌、星動紀元聯合創始人席悅結合自身企業特點進行了分享。

2025年，具身智能行業「熱錢」湧入，技術更迭換代。但多位參與對話的嘉賓都表示，當前行業仍然處於初始階段，面臨著真實環境數據收集困難、真實場景交付量小等迫在眉睫的問題。

2026中關村論壇百億具身智能對話圓桌會議。主辦方供圖

行業押注「大腦」，機械人需要更「聰明」

「今天的機械人之所以應用不起來，是因為智商太低、模型太差，泛化能力不夠。」會議開場環節，唐文斌簡明扼要指出對於當前行業的判斷，並表示原力靈機將重點聚焦具身智能的模型和場景。

想讓機械人變得更「聰明」，原力靈機並非個例，新京報貝殼財經記者注意到，多傢具身智能企業都將具身大模型作為研發重點。

張鵬表示，智平方的第一個堅持是具身大模型自研原創，第二個堅持是軟件與算法結合，第三個堅持是通過真實場景驅動軟件、算法、硬件的迭代和進化。

高陽同樣提到，具身智能時代最大的瓶頸就是機械人的智能能力，千尋智能的主要目標是構建通用具身智能大腦。

對具身智能行業來說，當前仍處於初始階段。圓桌現場，唐文斌、張鵬都給出了這樣的判斷。

談及2025年對於具身智能行業的意義，張鵬認為，2025年最重要的一點是，機械人的場景驗證真正落到了實處，2026年將要解決讓機械人、具身模型在更多場景中落地的問題。

高陽認為，相比於大語言模型，具身智能模型需要解決一些額外的問題，其中最重要的是數據問題，2025年，具身智能行業解決了數據層面很多基礎設施問題，2026年的重心會是用越來越多的數據訓練越來越大的模型。類比頂尖大語言模型openai的進展，2025年到2026年是從具身智能gpt2跨越到gpt3的年份。

「2025年不少公司在數據訓練、模型等方面打下了很好的基礎，進展很快。」唐文斌亦有同感，他用「打基礎」來概括具身智能行業在2025年的表現，並表示2026年的關鍵詞也許是「泛化」，也就是具身模型在不同環境下依然能很好地工作。

收集真實場景數據仍是當務之急

置身具身智能行業之中，席悅感受到，2025年是全產業鏈、全行業加速發展的一年，「整個2025年，融資熱潮席捲，資本持續湧入，政策大量出台，具身智能基礎設施也在加速建設。」

儘管飛速發展，但行業仍然存在觸手可及的痛點。席悅認為，當前具身智能最大的技術難題在於數據，機械人要想真正地到工廠、特種環境中自主化工作，需要在這一真實環境中收集數據，但這首先需要場景方開放場景，其次還需投入較高的時間和金錢成本；而如果通過復刻真實場景來採集數據，則成本高且低效。

「我們需要讓機械人從真實場景中反饋數據，但這其實是雞和蛋的問題。」唐文斌表達了同樣的觀點，今天的機械人並沒有成熟到能夠批量部署，但只有當機械人在真實工作場景中被持續使用，才能收集和反饋數據，形成數據飛輪。

高陽則認為，機械人要想跨過基本的可用性階段，對數據量級有極大要求。從這一角度出發，他提供了機械人訓練的另一個思考方向：大語言模型能夠使用互聯網上的海量文本信息進行預訓練，那麼機械人的預訓練能否借鑒這一路徑？又如何利用人類視頻數據等做好預訓練？

數據之外，高陽認為，未來機械人需要「記憶」，在數據擴增的同時，需要把模型架構進行相應升級，讓整個系統在決策、記憶等方面，更加一體化。

邊跳舞邊幹活，機械人漸漸走上工作崗位

過去兩年，人形機械人先是學會走路，又完成後空翻、跑步、舞蹈等難度更高的動作，但在「炫技」之外，人們仍對機械人有着「進廠打工」、家庭照料等更高的期待。

2025年，多傢具身智能企業宣布機械人量產落地，但不時有機械人「偽裝成幹活的跳舞」等質疑聲出現，機械人在真實工作場景中落地使用的技術成熟性仍待驗證。

圓桌現場，唐文斌對這一現象表達了自己的觀點：「可能今天機械人的技術確實沒有那麼成熟，但是我們往前走了一步，機械人幹活可能還沒有那麼利索，但是提供了一定程度的情緒價值，所以我認為，機械人邊幹活邊跳舞，反而是很好的落地場景。」

同時，唐文斌也分享了原力靈機選擇機械人落地場景時的考量，由於目前機械人很難在真實場景中達到100%的成功率，因此原力靈機主要考慮讓機械人在可容錯的場景中使用；此外，可泛化、批量化使用也是必要條件。