具身智能，作为人工智能领域的新兴前沿，正经历从学术研究向产业落地的关键转型期。然而，在这一变革的浪潮中，一系列挑战与机遇也随之浮现。在2025商汤技术交流日具身智能论坛上，来自学术界与产业界的专家学者、领军人物齐聚一堂，深入探讨具身智能与AI基础设施的协同创新，共同描绘具身智能的未来发展蓝图。
上海交通大学副教授、上海人工智能研究院首席科学家闫维新指出，当前具身智能在大小脑模型、仿真系统构建以及实际应用场景等方面均取得了显著进展。特别是在深度模仿学习与强化学习的深度融合下，具身智能的“小脑”进化速度惊人，机器人在复杂多变环境中的鲁棒性和泛化能力得到了大幅提升。与此同时，“大脑”方面的创新也在不断加速，这预示着具身智能在日常生活和工作场景中将会展现出更加广阔的应用前景。 例如，智能家居控制、辅助医疗等领域，都有望借助具身智能实现突破。
银河通用合伙人、大模型负责人张直政也表达了类似的乐观态度，认为具身智能领域正呈现出蓬勃发展的态势。他强调，在数据层面，无论是仿真合成数据还是真实采集数据，都在以惊人的速度积累；在架构层面，大小脑模型、分层端到端模型等创新理念层出不穷。此外，来自国家政策层面的大力支持，也进一步增强了行业对于具身智能规模化商业应用的信心。 但需要注意的是，目前的数据质量和标注精度，以及模型的泛化能力，仍然是制约具身智能发展的重要因素。
然而，在光鲜亮丽的背后，具身智能的发展仍然面临着诸多现实挑战。库帕思CEO黄海清指出，当前各企业之间的数据难以互通，数据构建成本居高不下，严重阻碍了模型的训练效率。此外，高昂的成本也限制了机器人在更广泛领域的普及速度。更重要的是，目前机器人在主动思考和复杂环境适应能力上，与人类相比仍然存在着巨大的差距，这直接导致了具身智能适用的场景相对有限。例如，在需要高度创造性和灵活性的工作中，具身智能的表现仍然难以令人满意。
松应科技创始人CEO聂凯旋则强调了物理AI仿真在促进具身智能模型训练中的核心作用。他认为，一个完善的物理AI仿真系统需要涵盖各类组件，确保机器人能够360度全方位感知物理世界。通过物理AI仿真技术，可以显著加速技术的迭代和验证过程，从而有力推动具身智能产业的整体发展。 物理AI仿真可以有效降低机器人研发的成本，并提升其在各种复杂环境下的适应能力，这对于具身智能的普及至关重要。
在算法、算力、数据这三大要素方面，中美两国在具身智能领域又存在哪些差距呢？与会嘉宾一致认为，在算法层面，中美之间的差距并不明显。张直政特别指出，VLA（Vision-Language-Action）模型将成为具身智能未来的核心技术路径，能够大幅提升环境感知、任务规划推理以及动作执行能力。在算力层面，美国仍然保持着领先优势，但随着国产算力的加速创新，中国正在迅速缩小差距。而在数据层面，中国在物理场景和应用数据的采集方面，拥有独特的全栈优势，这有望成为中国具身智能实现“弯道超车”的关键因素。 中国拥有庞大的人口和丰富的应用场景，这为具身智能的发展提供了得天独厚的数据优势。
关于具身智能的“打脸时刻”，各位嘉宾也纷纷表达了自己的期待。张直政认为，具身智能的“打脸时刻”将在各个行业悄然降临，以多层次、全方位的方式在不同领域实现突破。闫维新教授则以烹饪机器人为例，展示了具身智能自主完成复杂任务的强大能力。黄海清则提出了“打脸时刻”的两个关键标准：一是机器人在商业超市、工厂等场景中完成简单重复性任务的成本大幅降低；二是机器人具备一定的共情能力，能够在情感陪护、康养养老等场景中给予人们情感关怀。 这两个标准分别代表了具身智能在经济性和情感交互方面的突破。
尽管具身智能领域的热度持续攀升，但前不久创投圈一位知名投资人“批量退出具身智能”的言论也引发了广泛关注和热议。面对这一质疑，与会嘉宾普遍认为，行业内出现不同的讨论声音是正常现象，而消灭泡沫恰恰是科技创新的驱动力。只有直面质疑、经历质疑、克服质疑，行业才能真正从实验探索阶段走向产业落地阶段。 风险投资的调整是市场经济的正常反应，有助于挤出行业泡沫，促进行业的健康发展。
尽管面临着多重挑战，但与会嘉宾的共识是，泡沫争议的背后往往蕴藏着产业突破的前奏。从烹饪机器人的自主操作到低成本工业场景的规模化落地，从情感交互的突破到跨行业效率的革命性提升，具身智能的“打脸时刻”或许不会一蹴而就，但已经在各个细分领域悄然酝酿。唯有产学研协同攻坚、开放共享基础设施、直面质疑并迭代价值，才能真正将具身智能从资本的“想象力试验”转化为推动社会进步的“生产力引擎”。 这需要各方共同努力，才能实现具身智能的真正价值。
