專訪大曉機器人王曉剛：具身智能的“大腦”必須先理解物理世界

速途網專訪（報道：王佩）一只搭載全景相機的機器狗正嘗試理解紅燈停綠燈行的含義，而在它背后，一群頂尖AI科學家正試圖用“以人為中心”的新范式，重新定義機器人與物理世界的交互方式。

“現有的本體硬件與實際需求仍存在較大差距。”面對速途網關于技術路線的追問，大曉機器人董事長王曉剛直言不諱。

圖：大曉機器人董事長王曉剛

在這場采訪中，王曉剛系統闡述了大曉機器人的技術路線——具身智能被期待擁有一個強大的“大腦”，這源于過去幾年在大語言模型和多模態模型上取得的突破，大家期待將這種語言模型的能力賦予機器人，以實現通用化能力。

但是，我們能夠看到現有技術路線的明顯缺陷，包括VLA模型。

VLA模型是以機器為中心的，通過輸入指令、圖像和視頻，直接輸出動作，它不太需要去理解真實的物理世界和物理規律。我們期待將來有一個更強的“大腦”能去理解世界，這就是大曉提出的世界模型，與之伴隨的是ACE環境式采集范式。

王曉剛表示，以前以機器為中心，基于不同物理結構的本體采集真機數據，很難綜合得到一個比較通用化的“大腦”。現在環境式采集“以人為中心”，通過第一視角、第三視角和多模態數據，更好地對人和物理世界的交互進行建模，并利用這些數據訓練我們的世界模型。簡單粗暴地使用端到端或VLA并不能解決具身智能對“大腦”的期望。

特斯拉“視覺方案”路線與大曉的“世界模型”

像特斯拉和Figure AI提出的所謂“視覺方案”，只有視覺維度也會存在缺陷。在王曉剛看來，視覺確實是機器人理解世界的第一步，但要真正掌握物理規律、實現與人的自然交互，觸覺、壓力等力學感知必不可少。

具身智能的核心，本質是研究“人與物理世界如何接觸”。對人體的理解，不能只看外在動作，還要洞察力的傳遞、肌肉的協作。對世界的建模，也不能脫離人的需求和交互場景，畢竟我們所處的世界本就是圍繞人建立的。

過去很多技術研發，只是讓機器人“完成任務”，卻沒有記錄人與環境真實的交互邏輯。比如打拳、跳舞或許能脫離具體環境，但穿衣、遞物這些日常動作，核心是人與物體的力感反饋和精準配合，這才是真正的難點。

大曉提出的“世界模型”更像是一個理解物理世界的“大腦”。該模型分為三部分：多模態數據融合、復雜行為生成與預測功能。通過這三者的結合，機器人不僅能理解環境，還能生成具備物理和因果一致性的長時序行為。

與特斯拉從自動駕駛繼承而來的純視覺方案不同，大曉強調多模態融合的必要性。“自動駕駛場景中不會發生物理接觸，而具身智能需要與周圍物體和環境產生物理接觸，因此必須納入其他維度的信息。”王曉剛解釋道。

數據革命：以人為中心的環境式采集

傳統機器人數據采集面臨兩大困境：真機數據采集效率低下，仿真數據與真實差距過大。

大曉的解決方案是“環境式采集”——讓人戴上第一視角傳感器，結合周圍第三視角攝像頭，記錄人在真實生產生活中的行為。“采集效率會非常高，且能在真實場景中完成，還能記錄人在長程、復雜環境下完成的動作。”王曉剛表示。

這種方式與特斯拉和Figure AI近期采取的數據采集方式有相似之處，但大曉有更多環境視角數據，并通過世界模型進一步放大了數據價值。“通過世界模型，我們能將有限的真實采集數據迅速放大。”

今年年初，團隊發布了Ego Life數據集，記錄了人們在真實環境中數百小時的數據。此外，他們還與西南設計院合作，獲取大量房屋戶型數據，用于訓練機器人在不同家庭環境中的適應能力。

落地邏輯：從機器狗到家庭場景的漸進路徑

具身智能的落地路徑一直備受關注，大曉選擇了一條從易到難、從B端到C端的漸進式路線。

短期來看，搭載導航能力與各類AI應用的四足機器狗是規模化落地的突破口。“此前這類產品未能廣泛應用，很大原因在于空間自主能力不足。”王曉剛指出。

中期目標則聚焦于工業與商業服務場景，特別是閃購倉、前置倉等物流場景。這些場景需要大量人力支持7×24小時服務，機器人具備較強的可復制性。

家庭場景被列為遠期目標。“我們期待機器人完成一些復雜任務，但安全性是關鍵問題。”王曉剛坦言，“就像自動駕駛領域有主動安全機制，機器人進入家庭后，如果碰到人，責任該如何界定？這些都是需要解決的問題。”

行業卡位：頭部未定，格局遠未成型

盡管機器人賽道熱度空前，但王曉剛認為行業頭部卡位遠未完成。

“從技術路線來看，目前機器人行業原有的技術路線存在明顯缺陷。”他舉例說，“特斯拉和Figure AI在過去兩三個月內，都放棄了以真機為主的技術路線，轉向以視覺為主的技術路線。”

在產業鏈層面，機器人行業的分工也尚未完善。“從零部件、傳感器到計算芯片等環節，都存在很大的垂直整合空間。”王曉剛指出，當前機器人成本依然很高，在質量、可靠性、一致性等方面，行業還處于相對初期的階段。

這種不成熟的狀態，反而給了新入局者機會。大曉背靠商湯積累的客戶資源與技術能力，試圖在具身智能領域找到自己的生態位。“商湯過去十幾年積累了幾千家客戶，覆蓋眾多行業方向，但此前缺少機器人載體的軟硬件平臺。”

團隊底色：教授創業團的默契

大曉團隊的組成頗具特色——匯聚了陶大程等多位頂尖AI科學家。這支以教授為主的團隊，有著深厚的學術背景與彼此間的默契。

“我和大程在碩士階段跟著湯老師讀書時就是室友，有很好的默契；其他幾位老師也都是我們的學生。”王曉剛透露。這種基于師生關系的信任網絡，成為團隊協作的重要基礎。

在王曉剛看來，具身智能賽道仍需要持續創新。“很多教授自己也想過創業，這些明星教授任何一位都可以去創業，但今天我們要團結起來，集中科研力量和創新能力去做更大的事。”

團隊分工上，陶大程主要負責帶領教授團隊聚焦具身智能方向的持續研究創新，王曉剛則負責公司整體戰略規劃與商業落地。“這樣就能把研究上的領先性、創新性與現實中的落地工程化能力結合起來。”

商湯布局的“1+X”戰略正在顯現其前瞻性。大曉作為“X”中的重要一環，承載著一代AI科學家由創新技術向產業落地的初心。在商湯的方舟平臺已接入幾十萬路攝像頭數據的背景下，一旦具身智能體與方舟打通，上百種AI應用都可以遷移到具身平臺上。

在速途網看來，具身智能的競賽不僅是技術路線的比拼，更是數據采集范式與產業生態的較量。當特斯拉和Figure AI轉向視覺路線時，大曉堅持的多模態融合與以人為中心的ACE范式能否成為破局關鍵，將決定其在即將到來的機器人量產之年能占據怎樣的位置。

世界模型開源、與國產芯片廠商合作、構建自己的數據采集體系——大曉正在下一盤多維度的棋。而棋盤的另一端，眾多參賽者也在加速布局。具身智能的頭部卡位戰，或許才剛剛開始。