VLA模型仍存在明顯缺陷 大曉機器人攜ACE范式入局

出品 | 網易科技《態度AGI》對話

作者 | 崔玉賢

編輯 | 丁廣勝

2025年，具身智能賽道正以驚人的速度從實驗室邁向產業前沿。一方面，資本熱情高漲，機器人企業融資捷報頻傳，估值屢創新高；另一方面，機器人訂單量快速攀升，喜報刷屏。此時，如此擁擠的賽道，依然有新的創業公司加入。

2025年12月18日，大曉機器人正式宣告亮相。與一般創業公司不同的是，大曉機器人依托于商湯科技，創業團隊匯集來自AI、互聯網、機器人、智能駕駛等領域的頂尖產業專家：

商湯科技聯合創始人、執行董事王曉剛出任董事長，世界級AI科學家陶大程擔任首席科學家。

對于此時進入具身智能賽道的機會點與原因，王曉剛在與網易科技等媒體交流時表示，具身智能賽道頭部卡位尚未完成，該領域還遠未成熟。

從技術路線來看，王曉剛認為技術路線還未收斂，機器人原有的技術路線比如VLA模型存在明顯缺陷。“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。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?！?/p>

在產業落地方面，也尚未出現規?；膽?。“盡管機器人賽道如今十分火爆，但現實情況是，目前能夠成規模量產的機器人場景，要么是提供情緒價值的表演性質產品，要么是作為科研平臺存在，尚未出現能大幅提升生產力的規?；瘧?。”

而在產業鏈整合方面，王曉剛認為，機器人行業的產業鏈分工尚未完善，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。而這正是大曉機器人的機會。

大曉機器人推出了首創的ACE技術范式，其構建了“環境式采集+世界模型+具身基模型”的全鏈路技術體系。

“我們采集的數據是以人為中心的，人帶上第一視角傳感器，比如視覺或觸覺傳感器，同時結合周圍其他第三視角的攝像頭和傳感器，觀察人在真實生產生活中的行為，再通過視覺手段、多模態手段分析人的活動，而非關注機器的活動。這樣一來，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。”王曉剛解釋道，“另外，我們也會使用合成數據，但這種合成數據并非來自傳統仿真器——它是通過世界模型完成的。世界模型的優勢在于，可以快速、無限地放大現有的真實數據，并且能實現各種元素的編輯可控。”

將這兩種技術路線結合起來就是大曉機器人目前要走的技術路線，這也是大曉機器人最核心的優勢，但不是唯一。據王曉剛介紹，大曉機器人強項不僅在于大腦和軟件，還有軟硬一體方案。

“現有本體硬件與實際需求差距大，必須根據場景聯合優化、重新設計?！彼硎荆髸砸淹顿Y鈦虎、鹿明等硬件企業，與國內領先的具身智能企業合作，推出“具身超級大腦模組A1”，賦予機器狗空間自主導航能力，并與商湯“方舟”視覺平臺打通，延展上百種AI應用功能。

在落地節奏上，王曉剛提出了三個階段的目標：短期（1年內）：以具備自主導航能力的四足機器狗為主，在安防、巡檢等B端場景快速推廣；中期（2-3年）：聚焦前置倉、閃購倉等物流場景，解決人力密集型作業痛點；長期（5年以上）：探索家庭場景，但需解決安全性、責任界定等復雜問題。

（一排從左往右：李鴻升、陶大程、王曉剛、潘新鋼

二排從左往右：呂健勤、趙恒爽、劉子緯、劉?；郏?/p>

以下為網易科技等媒體與大曉機器人董事長王曉剛的對話部分內容：

一、發布首創ACE技術范式 公司對標Figure AI

提問：大曉機器人的名字是如何確定的，以及這些名字背后有著怎樣的意義？

王曉剛：關于這個名字的由來，我們確實琢磨了很久。它取自大程名字里的一個字，也用了我名字中的一個字，背后是有特別寓意的。你看，這大千世界里，機器人與生命的聯結本身就充滿想象空間，未來這個賽道必然廣闊，潛力更是無限。而我們希望通過科技的力量，讓機器人真正落地應用，精準洞察人們生產生活的需求，用具體可感的服務切實改變大家的生活。這便是這個名字所承載的心意了。

首先我和陶老師，還有其他幾位教授之間，原本就有著很好的信任基礎。我們彼此之間，有的是湯老師的學生，有的是我的學生，現在有的已經成為教授，還有的是陶老師的學生。我今天想講的是，具身智能賽道之所以吸引我們，是因為人工智能的發展從1.0到2.0再到3.0，始終在不斷實現跨越式進步。而每進入一個新的發展階段，創業往往是推動創新、加速技術落地的最佳方式。我們這些教授組成的核心團隊之所以能聚在一起投身具身智能領域，也是因為這個賽道需要持續的創新驅動。

我和陶大程本身都是湯曉鷗教授的學生，在香港中文大學求學期間就建立了深厚的互信基礎。在這個團隊里，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，以強化我們的前沿科技屬性；我這邊則主要負責公司整體戰略規劃與商業落地，同時推動優秀研究成果的產業化、工程化轉化。

提問：商湯科技將具身智能業務剝離出來成為一個獨立的公司，是出于哪些方面的考量呢？

王曉剛：我們就是“1+X”的一個戰略，這本身就是商湯現階段既定的戰略。這個戰略其實也受到了市場和投資人的廣泛認可，因為它既能保障集團盡早實現盈利，又能在基礎設施和大模型方面保持領先，同時順應人工智能持續創新的發展趨勢，維持業務的生命力。今天提到的具身智能，我認為與商湯之前的業務相比，是一個難能可貴的拓展和補充機會。回顧商湯成立十多年來的發展，過去更多聚焦于To B軟件業務，是一家人工智能軟件公司。近年來隨著大模型的發展，我們布局了大裝置和基礎設施，但在端側的軟硬協同整體產品方面仍有空白。而機器人的出現恰好提供了這樣一個良好契機，讓我們有機會在具身智能賽道實現軟硬件整合，我們對大曉還是充滿了期待的。

提問：就您個人而言，從商湯到大曉的經歷對您來說是怎樣的角色轉換呢？

王曉剛：關于商湯這邊的情況，具體的業務管理工作我承擔的很少。我的精力會更多集中在AI產業落地的大曉業務上。另外，過去我在商湯曾負責過手機、互聯網、汽車等多條業務線，對商湯的研發體系也非常熟悉，各業務線的同事都曾是一起并肩作戰的戰友。所以現在我們能很好地推動商湯與大模型業務形成聯動，開展良好的合作，我覺得這一點是很有優勢的。

提問：大曉機器人主要側重于機器人本體還是大腦？

王曉剛：大曉機器人在產品化落地方面，輸出的是軟硬一體的方案，針對各個場景。長期以來，商湯在不同場景積累了較多經驗，對客戶需求理解比較充分。從我們團隊來看，比較強的部分在大腦和軟件。同時，在過去兩年里，商湯也投資了一系列本體和零部件公司。然而，在實際場景應用中，現有的本體硬件與實際需求仍存在較大差距。因此，我們會根據場景需求進行軟硬件聯合優化，協同供應鏈生態伙伴，重新設計硬件，使產品更符合客戶需求。

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，這就是我們提出的世界模型。與之伴隨的是我們提出的ACE環境式采集范式。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”。現在環境式采集是“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。

提問：你們正在構建以視覺為基礎的‘環境式采集+世界模型+具身智能模型’全鏈路技術體系。想請您介紹一下，這一技術體系在具體的大曉機器人產品上意味著什么，又能實現怎樣的效果？

王曉剛：環境式采集，它并非單純局限于視覺模態，而是融合了多種維度的信息。除了圖像、視頻外，還涵蓋相機位置、物體的3D軌跡等，未來還將納入力、觸覺等多維度、多模態的數據。我們的核心目標是對人和其所處環境進行建模——這里所說的世界模型，正是圍繞人與他所接觸的世界、所處的環境展開，需要對人與環境交互中的物理規律進行建模，這就離不開視覺之外的諸多維度。

我們可以看到，像特斯拉和Figure AI提出的所謂“視覺方案”，實際上也并非只有視覺維度。特斯拉采用視覺方案的思路源于自動駕駛領域的啟發，畢竟基于視覺的自動駕駛解決方案已取得成功。但自動駕駛與具身智能存在本質差異：自動駕駛場景中不會發生物理接觸或交互碰撞，而具身智能場景下，無論是人還是機器人，都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。

其實在過去長期的研究中，人體工程學、力學等領域已對人體受力、觸覺相關信息有了深入研究，但由于此前的研究多以機器為中心而非以人為中心，這些成果無法直接應用于具身智能領域。如今我們提出的新研究思路，為人體工程學和力學的重要成果應用于具身領域打開了一扇門。

環境式采集是數據采集的關鍵入口，我們在這方面已有不少積累。比如今年年初，我們團隊的劉子緯教授帶領研究團隊發布了Ego Life數據集，通過各類傳感器記錄了人們在真實生產生活環境中數百小時的數據，基于這些數據開發出了具身世界模型。再比如去年商湯在巴黎奧運會上，通過架設的視覺傳感器實時分析乒乓球、三人籃球等項目中運動員的動作與球速，為現場解說提供支持，這些實踐都為我們奠定了良好基礎。

有了數據之后，如何利用數據構建強大的“大腦”——也就是理解世界的世界模型。我們的世界模型主要分為三個部分，而現有多數世界模型更多基于生成網絡，比如李飛飛團隊的World Lab等，多以生成為主要目的。今天我們提出的世界模型分為三部分，第一部分是多模態數據的融合理好的，這里面的多模態包含了剛才提到的圖像、視頻、相機位置、3D軌跡，還有力學元素、觸覺等一系列內容，它們能夠實現較好的融合。比如，最近我們團隊與南洋理工大學合作了一項名為Puffin的研究，在具身智能領域，輸入一張圖像就能反推出相機的位置。如果機械臂或機器人身上裝有攝像頭，當機械臂運動時，攝像頭隨之移動，我們就能推測出其看到的圖像和視頻會如何變化；反之，通過觀察變化的圖像和視頻，也能反推出機械臂的運動軌跡，這就與物理世界建立了關聯。

其次，理解物理世界后，需要生成復雜的機器具身行為，包括長時序行為，這些行為需具備物理和因果一致性，并形成長時間記憶。此次我們發布的具身世界模型“開悟”3.0，已開放基于云服務的API。用戶可以選擇不同場景，讓機器人完成各類動作，還能選擇不同類型的機器人本體，比如宇樹、芝能、銀河等品牌的機器人。系統會根據所選機器人本體、場景及任務，合成機器人完成動作的視頻，以及各關節軌跡參數。這些數據可用于訓練機器人“大腦”，利用世界模型合成的大量數據提升機器人性能。

第三部分是預測功能，根據所選機器人本體、觀察到的圖像及視頻狀態，可預測機器人后續動作。這種“理解-合成-預測”的融合能力，正是我們強大的世界模型的核心。最后，通過具身機模型，我們能將強大的具身“大腦”遷移到不同機器人本體上，指揮機器人完成各類操作。因此，環境式素材、世界模型與具身機模型共同構成了我們以人為中心的研發新范式。

提問：對于大曉機器人來說，有沒有明確的短期或長期目標？或者說，想要在行業內達到一個什么樣的位置？

王曉剛：我們有幾個方向，首先從產品目標來看，其實我們分為短期、中期和長期。最短期的話，除了剛才提到的提供情緒價值的表演類機器人外，我們認為短期內能夠規?；涞氐?，是搭載了導航能力與各類AI應用能力的四足機器狗。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。而現在我們已突破這一技術瓶頸，且將其與后端各類AI應用相結合，因此我們認為它有望實現廣泛應用。

中期目標則聚焦于未來兩到三年的時間范圍。我們看好工業場景與商業服務場景，其中會優先選擇閃購倉、前置倉這類商業服務場景。因為從明年開始，國內將出現大量前置倉與閃購倉，這類場景需要大量人力支持7×24小時服務，而機器人的加入不僅能提升生產效率，還具備較強的可復制性，能夠充分發揮其在這類環境中的優勢。

更遠期的目標則指向五年后的家庭場景，但這更多涉及前沿技術的探索。例如Figure AI目前瞄準的就是這類場景，我們也將其作為重點研究方向。

若從技術與行業影響力的角度來看，首先是我們剛才提到的ACE這種新的具身智能范式，我們希望它能在行業中發揮引領作用。其次是我們的世界模型，在本次發布會上，我們將開源這一模型，并與云廠商及各類國產芯片廠商展開密切合作，以此找到關鍵生態位，推動整個世界模型生態的發展。

提問：您剛才多次提到的環境采集技術，目前主要的技術難點在哪里？大曉在開發過程中遇到了哪些技術卡點？積累的數據是否會構成公司未來的核心競爭壁壘？以及大曉公司的優勢方面有哪些？

王曉剛：今天提到的環境式采集，我認為首先在采集裝備方面，目前行業內還沒有一套已形成共識、足夠魯棒穩定的環境式采集設備，這是我們需要突破的方向，并且要實現規模化應用。這類設備的采集方式需要降低成本、便于部署，人穿戴后不影響正常生產生活，周圍部署時也應較為便捷。這其中還涉及硬件穩定性、數據同步等一系列問題，所以打造一套低成本、易部署、高可靠的設備是行業內比較關鍵且缺失的環節。

第二個方面，當這些設備完成數據采集后，我們需要借助自動化手段分析人的行為，有效提取多模態數據。由于環境式采集記錄的是人類行為，產生的數據量非常龐大，不可能完全依賴人工標注，因此更需要實現自動化的信息提取，這也是一個重要方向。

第三個點，正如我們之前提到的，今天的環境式素材不僅要基于視覺，還需結合力覺、人體工程學等其他維度。這些維度涉及的新技術、新度量指標以往不在我們的研究領域內，需要跨學科合作，將其他學科的研究成果引入環境式素材采集領域，這樣才能更充分地理解物理環境與物理規律。

二、具身智能卡位未確定 軟硬件一體更有優勢

提問：現在具身智能賽道的競爭其實已經非常激烈了，今年人形機器人的價格甚至已經降到萬元以內。在這個節點上，商湯宣布要加入具身智能賽道，您認為這背后的契機是什么？大曉的核心競爭力又體現在哪里？

王曉剛：我覺得有兩點，剛才說到的第一點是我們看到了一個與以往不同的新研究范式，也就是以人為中心的ACE研究范式。這種研究范式的轉變，往往會給行業帶來顛覆性的變化。比如特斯拉、Figure AI等企業都在迅速朝著這個方向調整，他們的新研究思路與我們在某些方面不謀而合。從時機角度來看，這是一個關鍵的時間點——如果一直沿著原有的范式前進，追趕或超越會非常困難，只有在這種革命性變化出現時，我們才有機會實現突破。

第二點是產業落地。雖然目前做具身的公司很多，但我們走訪了大量客戶后發現，他們對具身領域軟硬件一體的產品充滿期待。因為在過去十年里，商湯在各個垂直領域深入了解了客戶對人工智能的需求。商湯過去十幾年積累了幾千家客戶，覆蓋眾多行業方向，每個方向都有專門的應用開發團隊，但此前缺少機器人載體的軟硬件平臺。因此，當我們進入這個領域時，能夠快速實現規?；膱鼍奥涞?，讓機器人的價值成倍放大。

我舉個例子，這次發布會上我們推出的具備自主導航能力的機器狗，就解決了現有產品的痛點。目前市面上的機器狗大多需要人工操控，即便用于巡檢，也只能在固定線路依賴高精度地圖，在預設點位拍照，產業價值十分有限，而且缺乏空間自主能力。而我們這次發布的機管平臺可以同時控制多條機器狗，每條狗都具備獨立的空間導航和自主行動能力，在地圖上選定任意地點，它就能自主前往，無需人工干預。更重要的是，機器狗的視頻數據會與商湯后臺強大的視覺平臺“方舟”打通。方舟平臺目前已接入幾十萬路攝像頭的數據，能支持各類視覺應用和分析。一旦機器狗與方舟打通，上百種相關的人工智能應用都可以遷移到機器狗平臺上。相比之前只能在固定巡檢場景拍照，現在機器狗一下子被賦予了上百種AI功能，價值得到了充分釋放。更何況商湯在國內外擁有豐富的渠道和客戶資源，所以在這個時間點推動具身智能加速落地，正是市場所期待的。到26年，也就是明年、后年。

提問：就機器人賽道，尤其是具身智能賽道而言，過去一年熱度很高，已經涌現出不少本體廠商和零部件廠商，其中一些還在推動規?；涞?。商湯在此時進入具身智能賽道，想請教您如何看待商湯在整個市場中的生態卡位，以及相較于其他廠商，商湯具備哪些優勢？”

王曉剛：我們離具體場景和應用更近，目標是輸出軟硬結合的一體化產品，切實解決各行業及場景中的實際問題。因為行業里有多種本體硬件方案可供選擇，我們需要做的，就是結合場景需求，以及剛才提到的ACE新研發范式的要求，去選擇最適合其發展的硬件方案及組合，并與這些本體和零部件企業緊密合作，推動我們的機器人實現規?；茝V，最終達成共贏的目標。

提問：我們注意到大曉機器人項目匯聚了包括陶院士在內的全球頂尖AI科學家。想請教一下，這樣一支實力雄厚的團隊，在具身智能賽道上的核心優勢，將如何轉化為產業落地的實際效能？”

王曉剛：我覺得首先在具身這個賽道里，目前技術還沒有收斂，仍有很多創新點需要推進，所以這是一個需要持續創新的賽道。我和大程以及這些年輕教授正結合在一起形成合力，包括剛才提到的ACE新范式，從數據采集到具身基模型，要攻克的技術難點還有很多，單一團隊很難完成整個鏈條，所以我們需要更好地結合。我們這個團隊的基礎是非?；バ诺模液痛蟪淘诖T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，大家傳承著湯老師堅持原創的理念，能在合作中形成默契。其實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，把規模做大。同時，這些先進技術要落到產業中，大曉聚集了一批產業界卓越的專家，他們有豐富的產業落地經驗，負責搭建工程化軟硬件平臺，還會和硬件結合。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，讓項目持續領先，不斷擴大規模。

提問：目前這個具身智能這個行業里邊頭部卡位，您覺得它已經完成了嗎？新的創業公司他們的機會點會在哪？

王曉剛：我認為頭部卡位還沒有完成，這個領域其實還遠未成熟，首先從技術路線來看，目前機器人行業原有的技術路線存在明顯缺陷。比如特斯拉和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。但我剛才也提到，視覺為主的技術路線并非終極方案，所以我們提出了ACE研究范式。當研究范式和技術路線發生重大轉變時，會給整個產業帶來深遠影響——類比自動駕駛領域，過去長期的研發積累在端到端自動駕駛這一新路線出現后，包括數據、研發體系在內的前期成果很快被顛覆。而在正確技術路線的指引下，產品體驗和技術成熟度會快速提升，這是從研發范式角度的第一個觀點。

第二點看場景落地，盡管機器人賽道如今十分火爆，但現實情況是，目前能夠成規模量產的機器人場景，要么是提供情緒價值的表演性質產品，要么是作為科研平臺存在，尚未出現能大幅提升生產力的規?；瘧谩?b>各垂直領域的場景中，機器人還未廣泛進入并實現量產，這意味著巨大的發展機會。只有當機器人規模化進入場景，通過軟硬件協同迭代，整個產業格局才會發生顯著變化。

第三點是產業鏈層面，機器人行業的產業鏈分工尚未完善，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。

正如大家提到的成本問題，當前機器人成本依然很高，而在質量、可靠性、一致性等方面，行業也還處于相對初期的階段。因此，我認為整個機器人產業的格局遠遠沒有確定下來。

提問：在零部件方面，我們投資了一些企業。大曉機器人的硬件方面，包括傳感器、電機、減速器、控制器等，是與哪些企業合作？有沒有技術亮點和創新可以分享？

王曉剛：我們背投的企業中，例如鈦虎、鹿明等未來都會有合作關系，它們與硬件相關。在傳感器的方面，我們應用了全景相機?，F有的傳感器視角較窄，在路口等場景中，機器人可能看不清全路，例如機器狗過馬路看不到紅綠燈。我們與影石Insta360合作，將全景相機的能力賦予到機器人上，這是一個關鍵的零部件亮點。機器人的產業鏈條比較長，我們在場景應用中會不斷改進零部件，并與供應鏈上下游企業密切合作。

提問：我們現在一個單體的制造成本是怎么樣的？

王曉剛：這個方案目前仍處于持續優化階段。這次發布中，我們以這個機器狗，也就是四足機器人為例推出了一款“具身超級大腦模組A1”產品。該產品的本體部分目前采用的是現有的硬件方案，像宇樹、智元、云深處等品牌的機器狗都能較好地適配我們現有的導航零組件，從而使其具備空間自主能力。不過未來，我們還需要與各硬件生態企業展開合作，共同推動相關成本的降低。

提問：目前是否有已簽約的外部合作訂單？

王曉剛：關于具身智能超級大腦模組A1，我們本月將要發布。實際上，我們過去走訪了大量客戶，發布會后也正積極與這些客戶推進產品試點。從軟件層面來看，例如世界模型、具身相關大模型以及數據領域，我們已經有了一些訂單。但說到未來重點推出的軟硬一體產品，我們期待明年能實現大規模落地。

提問：目前大曉在數據規模層面區別于傳統模式？傳統模式多以純真實數據或純仿真數據為主導，而我們則在數據領域開辟了一種全新的范式？

王曉剛：是的。這種方式與特斯拉和Figure AI最近采取的記錄人類活動的數據采集方式比較接近。像Figure AI，目標場景是家庭場景。家庭場景會涉及不同的戶型和房屋結構，所以他們和Brookfield等知名的資產管理公司合作。這些公司在全球擁有幾百萬套不同的公寓戶型，他們可以進入各種不同戶型采集數據。不過現在我們有了世界模型這個手段，就可以在虛擬世界里改變這些戶型。比如這次發布會，我們也會和西南設計院合作，他們歷史上積累了大量不同的房屋戶型、布局和類型，這些數據能和我們現有機器人產生的數據相結合。這樣一來，我們就能讓機器人在合成的不同房屋布局、房型和戶型中模擬活動。

三、未來1-2將進入技術收斂關鍵期

提問：您覺得在機器人的整個產業鏈條中，是整機企業能夠成為產業鏈的鏈主，還是核心零部件企業在產業鏈中的話語權更大呢？

王曉剛：我認為目前輸出的應該是整軟硬一體協同產品，而且要以場景為導向。所以今天我們可以看到，咱們的機器人無論是軟件還是硬件，和場景需求之間的差距其實都比較大。而且機器人和汽車、手機不同——汽車和手機的通用性非常強，但機器人和各個場景的關聯度是非常密切的。這就是為什么我們覺得，在當下，只有從整機角度出發，以場景需求為出發點，才能把我們的公司乃至整個產業做大做強。

提問：目前真機數據與仿真數據存在爭議的產業狀況下，您更支持哪一種數據呢？

王曉剛：我們所說的“真機數據”，是指人操縱、搖控機器人所產生的數據，這是以前大家常用的數據采集方式，但它存在不少缺點。第一，采集效率非常低；第二，無法在真實的生產生活場景中采集數據，比如你沒辦法通過這種方式在工廠產線或家庭生活環境中獲取這類數據；另外，它只能采集一些簡單動作，可能持續十幾秒，但像打掃房間這類持續幾十分鐘甚至更長時間的長程動作，或是機器人與人之間的交互動作，都無法靠真機完成。

而你提到的“合成數據”，是通過3D仿真器、仿真引擎合成的數據，這類數據與真實數據之間存在較大差距。所以說，這兩種都是過去大家較多采用的數據采集方式，它們都無法解決當前具身智能領域的數據問題。

我們今天要做的，首先是——我們采集的數據是以人為中心的：人帶上第一視角傳感器，比如視覺或觸覺傳感器，同時結合周圍其他第三視角的攝像頭和傳感器，觀察人在真實生產生活中的行為，再通過視覺手段、多模態手段分析人的活動，而非關注機器的活動。

這樣一來，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。

另外，我們也會使用合成數據，但這種合成數據并非來自傳統仿真器——它是通過世界模型完成的。世界模型的優勢在于，可以快速、無限地放大現有的真實數據，并且能實現各種元素的編輯可控。比如，我可以把桌子換成不同顏色，把水杯換成不同型號，甚至更換機械臂也能實現。通過世界模型，我們能將有限的真實采集數據迅速放大。把這兩種方式結合起來，就是我們要走的技術路線。

提問：具身智能的技術路線很多，您認為何時技術會出現收斂，然后收斂的關鍵因素是什么？

王曉剛：我認為今天我們提出的“以人為中心”的ACE范式，大方向是正確的。我們看到特斯拉、Figure AI等企業，其實也在朝著這個方向轉變。所以我覺得接下來的一兩年會是非常關鍵的時期。當然，盡管大方向明確，但仍有不少技術難題需要攻克，包括具體的實現細節，其收斂還需要一定時間。不過我想，我們今天已經找到了這個大方向，而要加速它的收斂，還需要充分結合場景驗證——從客戶的場景和需求出發，實現軟硬件的協同優化。

提問：有說法說是2025年是機器人的量產之年，請您預測具身智能在工業，家庭等場景的一個規?；逃玫臅r間表是什么樣的？

王曉剛：我認為機器人要在工業和家庭場景實現大規模應用，目前還有相當長的距離。先看工業領域，如果我們討論的是工廠產線這類場景，首先面臨的是方案復制性問題，在某一條產線或某個場景中開發出的機器人方案，能否快速推廣到其他工廠？這其實很難實現。另外，工業產線的數據安全性要求極高，各家產線都是核心機密，企業不愿讓數據外流，所以產線數據的打通也面臨巨大挑戰。

再看家庭場景，我們期待機器人完成一些復雜任務，同時安全性是關鍵問題。家里有老人和孩子，不能讓機器人傷到他們。就像自動駕駛領域有主動安全機制，L3、L4級自動駕駛若出事故，車廠和自動駕駛公司要承擔責任；而機器人進入家庭后，如果碰到人，或是給老人、孩子端茶送水、遞食物藥物時出了安全問題，責任該如何界定？這些都是需要解決的問題。

不過，在一些其他場景，比如機器狗已經能在開放環境中穩定移動，我認為在各類TO B場景中是可以快速落地的。像閃購倉、前置倉這類物流配送場景，各個倉的環境相對類似，容易實現規模化應用。但目前也存在一些問題：一是機器人的數據采集并非在真實的生產生活環境中進行；二是機器人技術開發，無論是硬件還是其他方面，很多時候與實際場景脫節，更多是做Demo來展示機器人本體某方面的強大能力，和落地場景的實際需求存在差異，這是接下來需要重點解決的問題。目前的情況進工廠其實是可以的，但要實現規模化，也就是在工廠場景中取得很好的商業成功，這比較難，進家庭的話，可能距離更遠一些。

提問：關于融資的問題，今年國內幾家機器人企業的融資情況都非常好，而且整體速度也非?？臁２贿^有觀點認為，機器人賽道的融資速度已經超過了行業正常發展的速度。作為業內人士，您怎么看待這一熱度現象？

王曉剛：我覺得這還是得看我們所處的賽道。畢竟機器人是一個幾十萬級的賽道，目前還處于相對發展的初期階段。和過去的手機、汽車等領域相比，它的體量要大得多。所以我認為，當下大家在融資和投入方面的這些動作，未來還會持續，最終能給市場帶來更大的回報。

另外，對比美國那些具身機器人公司，我覺得我們在融資和投入上還有進一步提升的空間。而且正如之前提到的，這個賽道還沒到收斂階段，仍在不斷涌現新的機會點。我們和投資人交流時發現，他們原本以為相關領域已經被投得差不多了，發展方向也趨于收斂，但當我們把自己的思路、落地規劃展示給他們時，他們還是看到了一些不一樣的亮點和新方向。