對話大曉機器人董事長王曉剛，解碼具身智能落地“三部曲”

過去一年，具身智能及人形機器人領域，既有草根團隊投身其中，也有商湯科技這樣的頭部玩家強勢下場。不管哪種力量入局，都繞不開規模化量產與體系化運營的支撐。

“我們的團隊并非盡善盡美，仍有諸多短板亟待補強，要想在這一領域站穩腳跟，需要多維度的綜合能力。”商湯科技聯合創始人、執行董事、大曉機器人董事長王曉剛在大曉機器人首場品牌發布會期間，接受《汽車觀察》等媒體采訪時說道。

這份對綜合能力的深耕，正轉化為大曉機器人實打實的技術突破與產品落地：率先發布行業首創的ACE具身研發范式、發布首個開源且商業化應用的世界模型——開悟世界模型3.0、發布具身超級大腦模組A1……

每一項成果都精準錨定具身智能核心痛點，得益于大曉機器人構建了一套從“環境式數據采集-開悟世界模型3.0-具身交互”的全鏈路技術體系，有效解決行業數據荒、常識差、泛化難和通用性不足等問題。

產學研天團坐鎮，11年積淀賦能

去年12月，王曉剛正式入選工信部人形機器人標準化技術委員會，牽頭推進我國人形機器人行業標準體系建設。目前看來，具身智能標準體系建設存在哪些難點？從企業視角轉向國家頂層設計視角，看待行業發展有何不同？

王曉剛對《汽車觀察》強調，人形機器人產業仍處于發展早期，亟需提供標準指導，同時標準化建設也需要全行業協同推進，目前難點主要集中在三方面。

一是數據共享標準缺失，企業間數據無法互通，造成大量重復工作；二是安全責任與法規空白，機器人進入家庭后可能會存在安全隱患，但相關責任界定、法律法規尚未明確，需要通過技術手段和質量要求規避風險；三是質量標準亟待完善，當前多數機器人難以實現兩年保質期。

在王曉剛看來，具身智能是一條需要長期投入、持續創新的賽道，并非依靠單點突破就能成功。為此，在組建團隊時，王曉剛特意融合了由高校教授領銜的科研團隊，以及具備豐富產業化落地經驗的執行團隊。

尤其是大曉機器人首席科學家陶大程，兼具頂尖學術造詣與深厚產業實踐積淀。在學術領域，作為澳大利亞科學院院士與歐洲科學院外籍院士“雙院士”，陶大程持續推動人工智能基礎研究的邊界拓展；在產業實踐中，陶大程曾出任京東探索研究院創始院長、優必選人工智能首席科學家，深度參與過科技公司技術戰略布局與產品落地實踐。

除世界級AI科學家陶大程外，大曉機器人還匯集了一批全球稀缺的AI領域前沿科學家：呂健勤、李鴻升、劉子緯、潘新鋼、趙恒爽、劉希慧，這些來自南洋理工大學、香港大學和香港中文大學的科技人才，均是環境智能、世界模型、具身模型領域的開拓者（參數丨圖片），同時也是全球頂尖AI實驗室MMLab的核心成員，助力大曉機器人搶占技術制高點。

“客戶得知我們入局具身智能賽道后，普遍抱有較高期待，因為他們認可我們對應用痛點的把握能力。”王曉剛表示，商湯科技深耕人工智能領域11年，具備獨特優勢，對行業應用場景的理解足夠深入；并提前布局具身智能領域，涵蓋本體、零部件和觸覺傳感器等，為大曉機器人供應鏈奠定良好基礎。

以方舟平臺為例，十年前商湯科技就積累了豐富的場景運營經驗。如今，機器人成為移動終端，本質上的應用需求痛點并未改變。入局具身智能賽道后，可以快速捕捉核心需求，將機器人與方舟平臺深度融合，而這正是商湯科技區別于其他參與者的顯著優勢。

三代AI躍遷，倒逼ACE范式革命

AI 1.0人工標注時代，包含1400萬張圖像、覆蓋數萬個類別ImageNet數據集，若由單人全職完成全部標注，需長達10.5年。

AI 2.0大語言模型時代，數據規模實現指數級躍升，以Common Crawl為代表的互聯網文本數據集，讓單人全職進行原創撰寫需超過12萬年才能完成。

AI 3.0具身智能時代，行業面臨數據量級的斷崖式缺口。以智能駕駛為例，特斯拉FSD V14在世界模型仿真器的加持下，每日訓練量相當于人類駕駛員400萬小時，約等于500年的駕駛經驗，但當前具身智能領域的真機數據量級僅為10萬小時。

懸殊差距表明：具身智能研發無法延續傳統路徑，必須實現范式上的根本性革新，才能突破發展瓶頸。

而“以機器為中心”的研發范式，根本局限性在于將機器人本體及其硬件參數置于研發流程的核心，本質上是用極高的資源消耗換取有限且僵化的智能，實則是讓人去適配和遷就機器的多樣性。

這一路徑導致數據采集成本高昂、效率低下，且產出的技能模型嚴重綁定于特定硬件，相當于把“智能”禁錮在單一軀殼內，無法形成通用的認知與適應能力，成為行業向規模化、通用化發展的關鍵障礙。

基于以上原因，特斯拉和Figure AI放棄了此前依賴的真機遙操路徑，轉而探索純視覺學習方案，希望機器人通過觀看海量視頻，直接學習人類動作與智慧。但這種學習方式缺乏對三維物理世界力學規律、物理屬性和動作意圖的理解，難以逾越現實鴻溝。

上述兩種路徑，均無法理解人類所處世界的物理規律和人類行為的因果一致性，前者是“為難人”，后者是“為難機器”。困局面前，大曉機器人徹底顛覆傳統邏輯，率先發布了“以人為中心（Human-centric）”的行業首創ACE具身研發范式，為具身智能行業帶來四大核心數據價值。

其一，數據維度更全面，現已完成超10個視角、8種模態和4大類物品屬性的多模態數據升級，實現全要素覆蓋；其二，任務覆蓋更長程，支撐分鐘級、數百種原子動作的復雜任務；其三，交互精度更高，達到亞像素級標準，可精準追蹤人手精細化操作等復雜動作；其四，采集效率更具規模化，能快速完成從十萬小時到千萬小時的海量數據積累。

填平數據鴻溝：環境式采集VS遙操采集

相較于遙操采集，環境式數據采集能降低多少成本？數據質量能提升多少？據悉，ACE具身研發范式中環境式數據采集可實現一年千萬小時的數據收集，加之開悟世界模型3.0不斷放大的真實數據價值，能夠使其達到上億小時數據規模。

首先，環境式數據采集成本更低、效率更高。遙操采集需采購單價數十萬元的機器人，硬件投入成本較高，同時還需投入專人開展實驗室采集工作，人力成本也不低；而環境式數據采集無需額外硬件與專職人力，即可完成數據采集，實現數倍效率提升。

且隨著數據采集規模的擴大，環境式數據采集所用的傳感器、AI眼鏡等設備均為成熟量產產品，成本具備下降空間；而遙操采集所依賴的機器人，目前尚未形成規模化量產，成本很難降低。

其次，環境式數據采集具備更強的可復制性。以閃購倉場景為例，工作人員只需佩戴采集設備，正常作業即可完成數據采集，無需額外搭建實驗室或配備專職團隊，這種模式可快速進行規模化復制，為行業帶來根本性技術革新。

“正因如此，我們的數據采集規模才能實現兩個數量級的跨越，從原本的十萬小時突破至千萬小時。”王曉剛在總結環境式數據采集優勢時指出，更多人員能便捷參與采集過程，是規模化的核心前提。這一點與自動駕駛領域的特斯拉類似：特斯拉依托數百萬輛量產車，通過司機日常駕駛同步完成數據反饋與采集，若依賴自建采集車隊，絕無可能達到如此龐大的數據規模。

開源并非降低收益，而是促成技術適配

世界模型較早應用于智能駕駛領域，如今又延伸至機器人領域，如何看待世界模型與強化學習在機器人領域的作用？實際上，強化學習與世界模型的結合在自動駕駛領域已有實踐，特斯拉最新自動駕駛研發路線就是引入了世界模型與強化學習的融合方案。

“二者并不矛盾。強化學習需要高度逼真、場景豐富的仿真環境，而世界模型正是一個強大的仿真器。”王曉剛強調，這一邏輯在機器人領域同樣成立，誰擁有優質的世界模型，誰就能更好地發揮強化學習的作用。

在此背景下，大曉機器人發布首個開源且商業化應用的世界模型——開悟世界模型3.0，并形成了跨本體的統一世界理解框架，現已面向全行業開源。

開放API，意味著所有企業都可以使用開悟世界模型3.0工具鏈，一方面推動了各類具身智能產品的快速涌現，但另一方面也意味著收益降低，如何平衡生態開放與商業化收益問題？王曉剛給出答案：依托云服務平臺和開源生態兩大板塊協同布局。

首先，打造集創作、分享于一體的云服務產品平臺。用戶使用該平臺算力與存儲資源，會產生相應的付費，憑借成熟的產品化能力，定能吸引大量用戶，使其成為商業化收益的核心來源之一。目前，大曉機器人已與商湯大裝置、騰訊云、火山引擎、商湯方舟、算豐信息等平臺構建全流程支持體系，借助云服務商的算力調度能力，降低中小廠商的研發成本。

其次，開源并非與商業化相悖，而是為了推動技術適配與生態共建。開源可以讓開發者更便捷地開展軟硬件適配工作，就像DeepSeek開源后極大便利了國產芯片適配度一樣，開悟世界模型3.0也能從中收獲諸多反饋與合作機會。更重要的是，開源所帶來的廣泛用戶參與，有助于獲取海量的數據反饋、積累豐富的場景數據，最終反哺開悟世界模型3.0快速迭代。

英偉達芯片時代，模型無需過多適配就能流暢運行；但隨著國產芯片的發展，亟須有影響力的模型來做適配支撐。在與芯片公司合作過程中，王曉剛發現各家頂層架構及配套軟件差異顯著，形成了很高的技術壁壘，導致優化工作效率低下。如果依托開源生態聯合開發，就能大幅提升聯合優化的效率，從而降低技術壁壘。

所以，大曉機器人選擇開放模型，目前開悟世界模型3.0已與沐曦股份、壁仞科技、中科曙光、輝曦智能、影微創新等多款國產芯片完成適配。相比模型與底層架構均不開源的模式，這樣的做法能極大改善技術溝通與迭代演進的效率。

“一款有廣泛影響力的開源模型，對芯片企業的價值不言而喻，尤其在國產化芯片成為未來主流趨勢的背景下，開源的價值會進一步凸顯。”王曉剛表示，很多國產芯片公司上市后估值大漲，背后正是優質模型的支撐作用，而大曉機器人的開源策略正是瞄準這一產業機遇，通過生態影響力反哺商業化價值。

世界模型進化方向：從理解、生成到預測

在已積累海量數據的當下，世界模型的能力邊界在哪里？未來的拓展方向又是什么？“目前還只是起點，能夠提供的數據和可觸達的場景都十分有限，而這正是大曉機器人推出開悟世界模型3.0并將其開源的原因。”王曉剛如是說道。

作為行業首個“多模態理解-生成-預測”的世界模型，開悟世界模型3.0集成文生世界、像驅世界、跡塑世界等多模態生成能力，內置支持11個大類、54個細類，共計328個標簽，覆蓋115個垂類具身場景，不僅能理解物理世界因果規律，還能生成長時動靜態交互場景，進而預測萬千可能。

“覆蓋更多場景與人類動作，恰恰是我們的目標，這一目標能否實現，關鍵在于技術范式是否具備可拓展性。”王曉剛指出，用戶的使用過程其實就是持續豐富場景庫的過程，必然會推動世界模型的能力邊界與實際應用場景的迭代式協同拓展。

隨著世界模型的演進，機器人的能力進化將經歷哪些關鍵階段？王曉剛總結了兩點：首要變化是世界模型將顯著提升機器人對物理世界的理解能力，實現此前VLA架構難以完成的復雜長程任務；其次變化是機器人的任務泛化性也將迎來突破。

但訓練通用大腦所用的數據來自不同人類與場景，要想將這些數據適配到機器人身上，存在明顯的跨本體鴻溝，如何彌合這一技術鴻溝？王曉剛解釋道：“世界模型分為多個層次，并非一開始就單純依賴人類行為數據，而是在底層注入大量物理規律。正因如此，模型才具備了思維鏈能力，若不依托物理規律，僅靠傳統VLA方式是無法完成的。”

如何看待具身智能對于算力的需求？王曉剛認為，如果該領域數據積累量仍非常有限，遠未達到大語言模型的數據規模，算力則并非現階段制約其發展的最大障礙，但隨著環境式數據采集的推進，將使具身智能的算力需求遠超語言模型。

整體來看，具身智能算力需求將呈現螺旋式上升特征：在數據價值未被充分挖掘時，擴大算力規模能夠帶來顯著收益；當數據價值觸頂后，繼續增加算力的收益會大幅遞減，這一瓶頸將倒逼行業通過新方式生成新數據，從而開啟新一輪的“規模化法則”（Scaling Law）。

統一架構成剛需，錨定端側通用平臺

此前，英偉達憑借CUDA生態在AI通算領域率先領跑。在未來端側領域，是否也需要搭建類似的通用平臺來支撐軟硬件的開發？“的確如此，隨著大量中端應用機會的涌現，大家會愈發意識到：一個開源或統一的架構，必將為產業生態的發展提供有力支撐。”王曉剛肯定道。

基于此，大曉機器人發布了具身超級大腦模組A1，應用場景聚焦低速復雜場景，讓具身智能真正具備了走進產業一線的實用價值。例如，搭載具身超級大腦模組A1的機器狗，無需預采高精地圖，即可適應復雜動態與陌生環境，并能完成自主巡檢、跟隨、避障等多樣任務。

與此同時，具身超級大腦模組A1還結合Insta360全景感知方案與商湯方舟通用視覺平臺，構建了全方位、高精度的環境感知體系，不僅覆蓋超10個行業，還可實現超150個智能化應用場景適配。

這不禁令人好奇，開悟世界模型3.0與具身超級大腦模組A1之間是否存在聯動？“前者可加載至后者中，但相關能力需分步落地，現階段僅具備空間智能自主能力，后續會逐步疊加操作能力，兩類能力會在演進中不斷融合。”王曉剛進一步解釋道，方舟屬于后臺應用，并非具身智能組成部分，其核心作用是將具身智能采集的數據轉化為實際應用價值。

可以看出，具身超級大腦模組A1集成了傳感器、通訊模塊及芯片等多元組件，而非像友商一樣聚焦芯片這類更輕量化的硬件產品。這是因其在采購過現有機器人進行測試后發現，硬件存在諸多缺陷，如傳感器視野狹窄、機器狗搭載后看不清路況、無法識別紅綠燈、跟隨功能僅能覆蓋120°范圍等。

而大曉機器人要實現的是360°UWB信號覆蓋，讓機器人在任何場景下都能精準跟隨。所以，其打造“大體積”硬件的出發點是想讓產品更貼合場景需求，賦予機器人空間自主移動的能力，后續還會持續迭代優化：一是降低成本，二是降低設備功耗。

巨頭聯手，破局全鏈路生態協同

在整個具身智能產業生態中，大曉機器人扮演著怎樣的角色？偏軟還是偏硬？是以提供模組為主，還是以提供完整機器人為主？“這需要結合行業發展階段來做判斷，長期來看，我們的方向是軟硬一體，核心目標是輸出成本更低、能切實解決用戶痛點的最優產品。”王曉剛回答道。

在具身智能加速落地的關鍵階段，大曉機器人搭建了全鏈路自主可控的具身智能生態，分別與頂尖具身廠商、硬件廠商、芯片廠商、云服務商、數據廠商達成戰略合作，共同打通“模型-硬件-場景”產業閉環，推動技術從單點突破走向場景化落地。

在具身本體領域，大曉機器人已與智元機器人、銀河通用、鈦虎機器人、國地中心等多家頭部企業合作；在硬件領域，已與Insta360、臥龍電驅、帕西尼等伙伴深度綁定。其中，與銀河通用的合作最為典型。

作為全球頭部具身智能機器人公司，銀河通用擁有全球最大規模百億級具身數據集，其自主研發的具身智能大模型已在多任務泛化操作、人形機器人全身運動控制、跨本體自主導航和靈巧手精密操作等方面開創多項全球第一。然而，同樣擁有世界模型及開放平臺，大曉機器人與銀河通用的合作，是互補關系還是競合關系？

王曉剛坦言，大曉機器人才剛剛起步，不會獨立完成所有工作，而是會聯合生態伙伴協同研發生產，共同攻克關鍵零部件技術難題。一方面，大曉機器人憑借開悟世界模型3.0的技術積淀，構建起了全面領先的平臺架構；另一方面，銀河通用憑借智能硬件量產經驗，讓大曉機器人技術落地具備了更為扎實的產業基礎。

伴隨行業發展，具身智能對算力、模型適配性和全棧國產化能力提出更高要求。創新一體化解決方案，首當其沖成為具身智能規模化落地的核心突破口。基于此，大曉機器人與壁仞科技達成戰略合作，共同打造面向機器人廠商的具身智能研發全棧解決方案。

目前，開悟世界模型3.0與壁礪?系列通用GPU產品已實現“Day 0”適配。此次戰略合作將整合大曉機器人在世界模型與空間智能領域的技術積淀，發揮壁仞科技AI芯片與超節點算力優勢，共同打造“算力-模型-應用”全鏈路國產化交付能力。

頭部格局尚未形成

大曉機器人入局具身智能領域后，將聚焦哪些場景與方向？未來3-5年，哪些場景有望實現規模化落地？“家庭場景規模化落地需等五年以后，商業化與工業場景規模化落地值得重點關注。”王曉剛舉例道，如商業服務領域的前置倉、閃購倉等，標準化程度高且增長迅速，具備規模化推廣的條件，若機器人能實現該場景的替代，將催生十萬級的市場規模。

相比之下，工業場景的可復制性較難。由于不同工廠的產線數據敏感度高、企業開放意愿低，這給通用型機器人的規模化落地帶來較大阻礙，即便在單一工廠驗證成功，也難以橫向拓展，商業價值有限。而搭載空間智能自主能力模組的四足機器人，憑借穩定的硬件基礎，能夠突破工業應用的門檻，未來將在多個垂直領域具備大規模落地潛力。

對此，王曉剛規劃了大曉機器人3個市場目標：其一，核心目標是推動商業化落地，超級模組搭配機器人后實現空間自主能力；其二，2026年起，四足機器人有望大規模落地，核心優勢在于具備空間智能、可自主運行；其三，未來兩三年將重點發力前置倉、零售倉儲等場景，這類場景標準化程度高，處于快速增長階段，具備規模化拓展潛力，而工業機器人因產線更換后可復制性較弱，暫不作為核心發力方向。

未來，具身智能機器人賽道是否會出現覆蓋全應用場景、贏家通吃的超強通用大模型機器人？王曉剛認為，真正意義上能包攬所有任務的“通用大腦”還需時間打磨，市場對于機器人的期待是實現更高通用性，但這是一個漸進的過程。不過，這并不影響不同機器人共享底層的能力，這些能力可以賦能所有垂直領域。

隨著技術的發展，具身智能機器人是否會取代現有工業機器人？“工業機器人是基于多年積累的物理模型與規則構建的，專為特定任務設計，通用性較弱，但優勢在于可靠性已達百分之百。”王曉剛表示，現階段具身智能機器人與工業機器人之間是互補關系，前者的通用化能力適合柔性產線等場景，后者憑借成熟的穩定性持續發揮作用。

至于智能汽車產業與機器人產業之間存在哪些共通點？王曉剛總結道，二者共通之處主要集中在體系化建設與供應鏈管理層面，但機器人產業的成熟度遠不及智能汽車產業。所以，在行業生態尚未完善的階段，必須通過端到端的全鏈路打通，才能有效控制成本，否則產業鏈各環節的成本都會居高不下。

在王曉剛眼中，具身智能賽道尚未形成頭部格局，原因之一就是大量機器人聚焦導覽類工作。雖然導覽機器人的產品形態和市場規模相對有限，但在行業發展初期作用十分關鍵，起到市場普及的效果。這與人工智能的早期發展路徑相似——起初依靠工業領域的應用完成市場教育，后續才逐步考量成本與效率。

“任何新技術的落地，往往都是先通過小范圍驗證讓市場先熟悉起來，待價值得到充分驗證后，再推進規模化量產，最終實現可量化的投入產出比。”王曉剛如是說道。