具身智能企业CEO共议行业未来：模型成熟度成落地关键

6月12日至13日，备受瞩目的“第八届北京智源大会”在北京盛大举行。13日当天，具身智能CEO论坛成为焦点，吸引了众多行业目光。

在圆桌对话环节，五位来自估值超百亿元的具身智能企业的CEO齐聚一堂，围绕具身智能产业的核心问题展开了深入探讨。

据徽声在线了解，在这些CEO们看来，当前具身智能行业的融资热潮，主要目的在于“储备弹药”。随着行业进入大规模预训练阶段，资金消耗将大幅增加，今年成为了“抢身位”、争夺头部“上桌”机会的关键一年。

然而，几位CEO也坦诚地指出，当前机器人的各部件发展水平参差不齐。工业机械臂、手术机器人等相对成熟，而双足机器人、灵巧手以及配套的AI能力则还有很大的提升空间。他们预测，未来一年，数据采集模式将逐渐从操控机器人采数转向以人为中心的采集方案，模型范式也将基本全面转向具身世界模型。明年，有望成为机器人规模化部署落地的元年。

2026年：具身智能行业的关键转折点

论坛伊始，主持人便强调了这场对谈的“高门槛”——参与讨论的公司估值需超过百亿元。在此背景下，千寻智能创始人、CEO韩峰涛，蚂蚁灵波科技CEO朱兴，破壳机器人创始人许华哲，灵心巧手创始人、CEO周永，以及星源智创始人、CEO刘东等五位行业领袖登台亮相。

谈话首先聚焦在了当前具身智能产业的融资热潮上。CEO们对于融资的用途和商业化落地的节奏存在不同看法。韩峰涛认为，目前融资主要用于“储备弹药”，商业模式尚需后延。他强调，具身智能即将进入大规模预训练阶段，大模型“烧钱”是业内共识，因此大家都在“抢身位”和储备弹药。

刘东则提出了不同的观点，他认为储备资金与商业化落地的比例应是七三开，即70%的资金用于储备，30%用于商业化落地，特别是在工业自动化设备领域。

朱兴则认为，商业落地虽然有机会，但需要穿越一个漫长周期，当前还处于非常初期的阶段。他预计，今年开始，特定场景以及非常小规模的商业试点应该可以模糊地看见，明年会有加速。

周永的观点更为乐观，他认为当前的融资只是序章，未来还有更大的发展空间。他预计，当厂商出货量达到十万台时，每年的资金体量将是当前的十倍。

机器人本体成熟度：1.0阶段是机器人可以造机器人

在谈到机器人本体产业链时，韩峰涛对当前的各类机器人进行了“打分”。他假设完美形态的人形机器人综合能力为100分，那么各部件的发展水平差异很大。其中，工业机械臂、手术机器人相对成熟，能拿到50分；轮式底盘约40分；四足机器人30分；双足机器人15分；灵巧手仅5分；配套的AI能力分数更低，大概只有3分。

然而，韩峰涛也指出，大模型带来了技术变革，原本3分的AI能力如今有机会提升到30分甚至50分。这意味着现有硬件已经具备落地条件，背后蕴藏着巨大的市场潜力。

朱兴则持中立态度，他认为未来主脉络是AI重新定义硬件。他强调，硬件本身不仅要配合小脑，还要配合大脑。当大脑的智能提升时，它肯定会对硬件提出很多要求。

周永的观点更为直接，他认为硬件还不够成熟。他进一步解释称，成熟是一个相对概念，可分成三个阶段。第一阶段是机器人能够造机器人（本体），从而大幅降低成本。做到这一点可进入1.0阶段，成熟度可达到60分。

到了2.0阶段，就是机器人自行设计机器人。Agent触达用户需求后，由AI自行设计，再由机器人生产制造，全程没有人类参与。周永认为，做到这一点成熟度可以到80分。至于下一阶段，他认为机器人可以实现模块化，如能自行更换皮肤、电机等，也能快速响应，届时成熟度可以达到95分。

数据采集方式变革：以人为中心

在谈到数据话题时，各位CEO的观点开始趋向统一。他们普遍认为，数据是模型发展的核心瓶颈。

韩峰涛称，业内常说的模型三大核心要素是数据、参数、算力。其中，算力并不稀缺，各类模型架构、世界模型相关技术也层出不穷。但若数据供给跟不上，再优秀的架构也难以发挥其价值。

朱兴也认为，目前整个行业普遍存在真机数据大量重复的问题，具身智能的能力上限受数据制约。许华哲进一步指出，过去两三年，业内一直受限于数据采集方式。传统人工操控真机采集存在量产能力不足、硬件成本高昂、设备体量笨重等难点。而现在，他们更看好新型数据形态以及穿戴式采集方案。只需为人员配备数据采集手套或在头部加装小型摄像头就能完成数据收集。这种模式解决了过往难题，甚至可以招募参与者每月提供补贴邀请大家参与采集。

模型不成熟就落地等于“打童工”

在谈到落地话题时，CEO们之间的博弈更为激烈。

韩峰涛认为现阶段不必急于大规模落地场景，可以先开展场景探索，和客户共同梳理需求、加深场景理解，以此反哺硬件迭代与数据链路建设，但切忌全面铺开。他强调，目前基于现有模型制作演示方案还需额外做后训练与微调，往往耗时一两个月，成本根本撑不起规模化应用。反观当下的具身模型，能力还十分稚嫩，大概只相当于一两岁儿童的认知水平。因此，他主张让模型“安心学习成长”，而不是“打童工”。

刘东则认为在训练基座模型的同时必须同步挖掘可落地场景。模型从实验室走向真实应用通常需要一到两年的磨合周期。提早开展实景试点既能优化训练思路也能规避技术路线走偏。

至于模型的发展现状，朱兴认为未来一年内行业有望催生出物理原生基础模型，并期待在今年年底就能落地。周永则认为未来一到两年具身智能领域会诞生对标GPT-3、GPT-3.5级别的模型风格上会更贴近DeepSeek-R1。

刘东总结称在他看来未来一年行业会迎来三大变化。第一是数据采集模式行业会逐步从操控机器人采集数据转向以人为中心的采集方案。第二是模型范式迭代今年基本全面转向具身世界模型。第三明年将成为机器人规模化部署落地的元年。