在人工智能技术快速发展的今天，具身智能作为连接虚拟世界与物理世界的关键桥梁，正逐渐成为产业关注的焦点。具身智能是指通过具有物理实体的智能体，在真实环境中感知、交互和学习，从而实现更接近人类的智能行为。这一领域的发展不仅关乎技术进步，更将深刻改变人类的生产生活方式。
一、形态之争：类人形态 VS 功能形态
在具身智能的产品形态上，行业存在两种截然不同的思路：一种追求"类人形态"的极致拟人，另一种则强调"功能形态"的极致效率。这一选择背后反映的是对机器人本质的不同理解与定位。
类人形态的优劣势
支持类人形态的观点认为，人类经过数百万年进化形成的身体结构，是适应自然环境和人类社会环境的最佳方案。优必选研究院A1大模型与交互部负责人石海林指出："人之所以成为人形，我们的四肢，我们的手有五个手指头，我们的五官在头上，我们大部分人的眼睛的距离平均在6厘米，为什么大家都是这样的，其实背后是因为适应了自然环境和我们人类社会环境的结果。"
类人形态的优势主要体现在三个方面：
- 环境适应性：人类形态已经证明能够适应绝大多数人类生活环境，无需额外改造环境。
- 数据获取效率：通过人类进行遥操作或动作捕捉来采集数据，算法在数据闭环中迭代更高效。
- 社会接受度：拟人化设计更容易被人类接受，降低心理障碍。
功能形态的实用价值
然而，本末科技创始人兼CEO张笛提出了不同看法："拟人作为一个大行业的入场券，没有任何的设计参照，开始想尽办法去开启一个行业，这个起始点非常好。但是随着一个行业的向下发展，总会发现，其实垫脚石下一步踩在哪？英雄老路未必是最优解。"
功能形态的优势同样明显：
- 效率最大化：针对特定任务设计的机器人往往比人形机器人更高效、更精准。
- 成本优势：非人形结构通常制造成本更低，维护更简单。
- 创新空间：摆脱人类形态的束缚，可以探索更多可能的设计方案。
轮足技术的崛起
在实际应用中，轮足技术作为一种介于传统轮式和足式之间的折中方案，正在获得越来越多的关注。张笛介绍："本末我们自己一方面有一个直驱型的机器人关节的特色技术平台，另外一块是以轮足为特色的具身智能的机器人技术平台。"
轮足技术结合了轮式移动的高效率和足式移动的适应性，特别适合在复杂环境中作业。这种"非拟人、非仿生"的设计思路，代表了具身智能形态探索的一个重要方向。
二、技术路线之争：「先验模型」VS「数据规模」
在具身智能的技术发展路径上，行业存在两种不同的方法论：一种强调基于模型的先验知识，另一种则主张依靠数据规模的驱动。这两种方法各有优劣，也反映了不同团队的技术哲学。
先验模型的价值
极佳视界创始人兼CEO黄冠认为："世界模型是物理AGI最后的瓶颈，并且它不是要5年、10年被攻克掉，实际上我们已经看到了它被解决的曙光，得益于整个生成式AI的发展。"
先验模型的优势在于：
- 数据效率：通过模型理解世界规律，可以减少对大量真实数据的依赖。
- 泛化能力：基于物理规律构建的模型更容易适应新环境。
- 可控性：模型驱动的系统行为更加可预测、可控制。
数据规模的重要性
然而，香港大学数据科学研究院助理教授李弘扬指出："具身领域太缺数据了，这会导致驾驶模型和具身模型非常不一样的发展路径。"
数据驱动方法的优势包括：
- 直接学习：从真实数据中学习，避免模型偏差。
- 适应性强：能够捕捉到难以建模的复杂环境特征。
- 迭代快速：随着数据积累，系统性能持续提升。
世界模型的突破
黄冠详细介绍了世界模型在具身智能领域的三大价值：
数据来源："世界模型提供了一种非常高效生成世界的方式，虽然它目前并不完美，但已经展现出巨大的价值，它是一个数据引擎，能够为具身智能提供无限的所需的数据。"
学习范式："世界模型实际上为强化学习提供了一个非常好的闭环环境，它是能够被action驱动的，来预测未来环境变化的模型。对，所以我们叫它是可以Scale的强化学习。"
本质突破："世界行动模型，可以替代VLA，L为什么会对action一定必须呢？我们过去做自动驾驶也没有语言，所以VLA依赖这个L问题是很大的，要真正实现智能，就得迈向世界行动模型。"
解决数据瓶颈的创新
针对世界模型本身也需要数据的问题，黄冠解释道："世界模型所依赖的数据中，互联网的视频数据是最重要和基础的部分，这些视频数据看似没有直接呈现三维（3D）和physics，但实际上3D和physics都隐含在视频的隐空间里了。"
这一思路巧妙地利用了互联网上海量视频数据，通过深度学习技术提取其中的物理规律和三维结构，为世界模型训练提供了丰富的数据来源，打破了"模型需要数据，数据需要模型"的困境。
三、数据策略之争：仿真/合成数据 VS 真机数据
数据是具身智能发展的核心资源，然而如何高效获取高质量数据一直是行业面临的重大挑战。在数据采集策略上，仿真/合成数据与真机数据的取舍成为关键议题。
数据金字塔结构
李弘扬提出了"数据金字塔"的概念，认为不同来源的数据应该相互补充："互联网数据，即ego-centric data，加上simulation，加上遥操等等这些，互为补充吧。"
这种多层次的数据采集策略包括：
- 互联网数据：利用公开视频、图像等资源进行预训练。
- 仿真数据：在虚拟环境中生成大量标注数据。
- 遥操作数据：通过人类远程操控采集真实交互数据。
- 真机自主采集：机器人自主探索环境收集数据。
ImageNet时刻的可能性
关于具身智能领域是否会出现类似计算机视觉领域的ImageNet时刻，行业专家持有不同观点。
黄冠认为："我觉得很可能不会有ImageNet时刻，因为图像分类任务很标准化，给一张图片给了一个标签就行；但是具身机器人，所有的传感器、执行器、环境、物体都不一样，本体也不一样，具身不是打造一个数据集的问题。"
他进一步预测："并且我们其实觉得没那么遥远，最近硅谷密集的出来一波公司，已经积累了10万小时以上的真机数据。所以可能明年很关键，明年全球可能会有5-10家公司，会把数据的量至少做到百万小时的级别（当然这里面大家数据来源的分布可能会不一样），可能会有公司接近GPT-3时刻。"
真机数据采集的挑战
与黄冠的乐观态度不同，李弘扬相对谨慎："我没有那么乐观，跟黄总差不多，所以还是要遵循这个数据金字塔或者说pyramid的这种形式。"
真机数据采集面临的主要挑战包括：
- 成本高昂：需要大量硬件设备和人力投入。
- 效率低下：真实环境中的数据采集速度有限。
- 安全风险：机器人在真实环境中操作可能造成损坏或危险。
- 标准化困难：不同机器人、不同环境的数据难以统一处理。
AgiBot World的开源实践
针对数据共享的挑战，李弘扬介绍了他与智元联合开源的百万真机数据集AgiBot World："这个百万真机数据集，至少现在回过头来看，可以用于预训练、世界模型的训练，能给那些没有海量数据的高校实验室提供一个很好的平台。"
开源数据集的价值在于：
- 降低研究门槛：使更多研究者能够获取高质量数据。
- 促进标准化：推动行业数据格式和标注方法的统一。
- 加速创新：减少重复劳动，集中精力解决核心问题。
- 构建生态：形成围绕数据的合作与共享机制。
四、场景之争：工业场景 VS 家庭场景
具身智能的应用场景选择直接影响技术路线和产品形态。工业场景与家庭场景作为两大主要方向，各有其特点和挑战。
工业场景的优势
工业场景被认为是具身智能最先实现商业化的领域，主要优势包括：
- 需求明确：工业环境中的任务通常定义清晰，目标明确。
- 结构化程度高：工厂环境相对可控，有利于机器人操作。
- ROI清晰：工业应用的投资回报容易计算，企业决策更理性。
石海林介绍了优必选在工业场景的实践："在工业场景通过长期以来的应用，我们可以看到有大量的结构化任务，也有更大量的非结构化任务，这些非结构化的任务从需求出发，去要求产品和功能要具备更强的泛化能力。"
家庭场景的挑战
相比之下，家庭场景虽然市场潜力巨大，但面临更多挑战：
- 环境复杂多变：家庭环境高度非结构化，难以预测。
- 用户期望高：消费者对产品体验要求苛刻，容错率低。
- 成本敏感：家庭用户对价格敏感，难以接受高成本产品。
王丛（地瓜机器人CEO）指出："C端跑出来的东西绝对不是一个价格偏高，PMF（市场匹配度）没有的东西，所以C端消费电子产品的功能一定是一点点积累的。"
渐进式发展路径
针对如何让机器人走进千家万户，张笛提出了渐进式发展思路："当某一天我们在家里面看到自己的扫地机器人除了扫地以外，突然之间有了安防巡检功能的时候，它就向通用迈出一步。当它有了安防巡检之后，又有一定的家居物品要维护的时候，它又向前走了一小步。"
这种渐进式发展路径的特点是：
- 功能叠加：在现有产品基础上逐步增加新功能。
- 场景扩展：从单一场景向多场景延伸。
- 用户教育：通过实际使用培养用户习惯和期望。
- 成本控制：利用现有硬件平台，降低研发成本。
情绪价值的产品化
在家庭场景中，情绪价值成为一个重要考量因素。然而，如何将抽象的情绪需求转化为具体的产品定义，仍然是一个挑战。
张笛认为："纯粹的情绪需求把它翻译成商业需求的语言，肯定是能够去做的。不管你是孤独也好，甚至孤独也可以分成若干种，解决不同的孤独，可能会有不同的产品形式可以去做，这个时候你发现情绪需求并不依赖于一个全能的机器人，只要针对那样专门的情绪需求定向去设计产品。"
石海林则从技术角度分析："从我们行业内的观察、实践以及整个产业的推进节奏来看，这些技术的收敛速度会高过我们以前对它的预期。相对硬件来说，软件这两年其实是走在前面的，甚至如果我们今天把'情感陪伴'收窄到仅仅是'交互对话'这个范围的话，它其实已经是一个成熟的技术了。"
五、生态模式之争：生态开放 VS 全栈自研
在产业发展模式上，生态开放与全栈自研代表了两种不同的战略选择，各有其适用场景和优势。
全栈自研的优势
全栈自研模式的优势在于：
- 技术控制：对核心技术有完全掌控力。
- 系统优化：软硬件协同优化，性能更佳。
- 差异化竞争：构建独特的技术壁垒。
正如王丛所言："世界是多元的，两种路线都对，只是我们感性上的追求，让我们选择了生态开放这一端。"全栈自研的代表企业如苹果，证明了这种模式的成功可能性。
生态开放的价值
生态开放模式的优势则体现在：
- 资源整合：汇聚多方力量，加速创新。
- 市场覆盖：通过合作伙伴扩大市场影响力。
- 降低门槛：使更多企业能够参与生态建设。
王丛分享了地瓜机器人选择生态开放路线的原因："我觉得机器人行业就算发展十年，也依然会是非标市场——各行各业的机器人本体形态，大概率都会不一样。哪怕几年以后人形机器人变得非常泛化、智能，我也无法理解'用几十万的人形机器人来扫地'这件事——大家看的科幻电影里，未来是各种各样的机器人各司其职，我觉得现实的未来也会是这样。"
开源生态的建设
开源生态作为生态开放的重要组成部分，正在发挥越来越大的作用。李弘扬介绍了开源数据集的挑战与机遇："其实最开始2023年我就和姚卯青合计这个事，2024年的时候智元还处在比较早期的阶段，但他能有这样的雄心壮志——在上海张江有2000平的数采场，而不是在大学实验室的简单的pick-and-place，这一点才是最打动我的。"
开源生态的价值包括：
- 知识共享：降低技术门槛，促进创新扩散。
- 标准统一：推动行业技术标准的形成。
- 人才培养：为行业培养大量专业人才。
- 测试验证：提供公开的测试基准和平台。
产业生态的协同发展
未来具身智能产业的发展，很可能形成全栈自研与生态开放并存的多元化格局。正如王丛所预见的："虽然说这是我们的立场，但我觉得未来机器人公司有很多自研的，有很多会选择拥抱像地瓜这样的供应商，有很多公司会自研，这个太正常了。历史这么多年，每个行业都会有这样的分化：全栈自研的公司，比如苹果，是非常伟大的公司；拥抱生态开放的公司，比如英伟达，也是非常伟大的公司。"
六、人际关系之争：亲密共生 VS 警惕控制
随着具身智能技术的进步，人机关系正在成为社会关注的重要议题。机器人越来越像人，是提升用户体验的必要设计，还是会模糊人机边界？如何定义"适度亲密"的交互阈值？这些问题需要技术、伦理和社会多方面的思考。
人机关系的演变
石海林从技术发展角度分析了人机关系的演变："从我们行业内的观察、实践以及整个产业的推进节奏来看，这些技术的收敛速度会高过我们以前对它的预期。相对硬件来说，软件这两年其实是走在前面的，甚至如果我们今天把'情感陪伴'收窄到仅仅是'交互对话'这个范围的话，它其实已经是一个成熟的技术了。"
这种技术进步正在推动人机关系从工具型向伙伴型转变：
- 功能互补：机器人承担人类不愿或无法完成的工作。
- 情感连接：提供陪伴、安慰等情感支持。
- 认知增强：辅助人类决策和问题解决。
- 身份认同：部分人类可能将机器人视为社会成员。
情绪价值的产品化
将抽象的情绪需求转化为具体的产品定义，是具身智能商业化的重要挑战。张笛提出了细分市场的思路："这几年我们在观察整个市场，包括我们也服务了非常多的客户，这个过程当中我们也看到，确实还是有一些情绪需求，可以靠这些能移动的机器人，或者不能移动的对话终端，来去解决，进而形成一个比较稳定的市场，也能形成一个未来有机会逐渐走向通用的这样的minimal available product。"
情绪价值产品化的路径包括：
- 场景细分：针对特定情绪需求设计专门产品。
- 功能聚焦：突出核心情感功能，避免功能堆砌。
- 个性化定制：允许用户根据自身需求调整交互方式。
- 渐进式体验：通过长期使用建立情感连接。
适度亲密的交互设计
在机器人设计过程中，如何平衡"亲密"与"距离"成为关键考量。石海林认为："从今天的技术势头来看，我们更应该思考的是怎么拥抱它、去接受它，怎么样更好地使用它，而不是抗拒这个趋势。"
适度亲密的交互设计原则包括：
- 尊重边界：明确人机关系的界限，避免过度拟人化。
- 用户控制：用户始终拥有最终决定权和控制权。
- 透明度：清楚传达机器人的能力限制和本质。
- 适应性：根据不同用户群体调整交互方式。
社会接受度的培养
提高社会对具身智能的接受度，需要多方共同努力：
- 教育普及：增进公众对机器人技术的理解和认识。
- 伦理规范：建立人机互动的伦理准则和规范。
- 法律保障：完善相关法律法规，保护各方权益。
- 循序渐进：通过小规模试点积累经验，逐步扩大应用范围。
石海林分享了自己的体验："我本人属于那种技术狂热者，我会主动去买悟空机器人这种陪伴型产品。其实不只是我，陪伴型机器人的目标人群会从现在的技术狂热者，逐步渗透到普通大众接受者，这个过程同样不受人的意志所转移。"
结语：多元共生的具身智能未来
具身智能作为一个快速发展的新兴领域，正处于技术突破与产业落地的关键阶段。从形态选择到技术路线，从数据策略到应用场景，从生态模式到人机关系，每一个议题都存在不同的观点和探索路径。
这种多样性恰恰反映了具身智能领域的活力与潜力。正如张笛所言："机器人这个赛道可以走伴生的模式非常多，但是现在似乎有太多狭隘，把所有的精力和资源投在一个角度上，这就是我们倾向于未来在双足和轮足上面，我们会朝着非拟人、非仿生这个方向探索的一个主要原因。"
未来，具身智能的发展很可能呈现多元化、场景化、个性化的特点，不同形态、不同技术路线、不同应用场景的机器人将共存于人类社会中，各司其职，共同服务。这一进程不仅需要技术创新，更需要社会各界的共同参与和思考，确保技术发展与人类价值观相协调，实现人机和谐共生的美好愿景。
在具身智能的探索之路上，没有唯一的正确答案，只有不断尝试、持续创新。正如王丛所期待的："任何一家公司做事情，创始人、CEO都会有对未来的画面感——地瓜机器人的画面感是什么？或者说，什么事能让我们这帮人发自内心地开心？不是我们自己做出一个多智能、多厉害的机器人，而是看到各行各业的消费电子、智能硬件，都能通过我们的技术赋能实现智能化，这才是我幻想中的画面，也是能让我们真正开心的事。"
这种开放、包容、多元的产业生态，或许是具身智能走向成熟的关键所在。
