銀河通用聯(lián)合創(chuàng)始人兼大模型負(fù)責(zé)人張直政，千尋智能聯(lián)席首席科學(xué)家解浚源，自變量機器人創(chuàng)始人兼CEO王潛，清華大學(xué)助理教授、星海圖首席科學(xué)家趙行，傅利葉智能創(chuàng)始人兼首席執(zhí)行官顧捷，加速進化副總裁趙維晨，北京人形機器人創(chuàng)新中心CTO唐劍……

當(dāng)人形機器人領(lǐng)域的這些活躍人物，出現(xiàn)在云棲大會同一場活動——2025阿里云具身智能行業(yè)論壇，氣氛變得微妙起來。

一方面，他們對一個終極愿景抱有高度共識：讓機器人能在家庭和工業(yè)場景中自如完成各類任務(wù)，最終邁向通用人工智能的“圣杯”。

然而，當(dāng)話題轉(zhuǎn)向“如何抵達(dá)”這一現(xiàn)實路徑時，瞬間呈現(xiàn)出緊張感，各家的嘗試天馬行空，甚至互不兼容。

有人認(rèn)為仿真數(shù)據(jù)能解決99%的問題，也有人直言最核心的數(shù)據(jù)必須源于現(xiàn)實世界；有人推崇端到端的統(tǒng)一模型，也有人主張分層系統(tǒng)更為實際，還有人試圖跳出非此即彼的框架：“別爭了，其實可以整合到一起?！?/p>

就連并未參會的王興興，也因不久前在另一場大會上提出的爭議觀點，被“請”到了臺前。

這其實是一件很有意思且極為重要的事。技術(shù)路徑的分化，標(biāo)志著一個更具深度的探索階段的到來。而在這個過程中出現(xiàn)的每一條岔路，都可能藏著通向終極答案的鑰匙。

數(shù)據(jù)之爭

真機數(shù)據(jù)還是仿真合成數(shù)據(jù)？

與文本、圖像等可輕松抓取的互聯(lián)網(wǎng)數(shù)據(jù)不同，具身智能依賴的是機器人與物理世界交互的行為數(shù)據(jù)。

這類數(shù)據(jù)天然稀缺、獲取門檻極高，已成為行業(yè)共識，但如何破解這一瓶頸成了“非共識”的問題。于是，便有了“真機數(shù)據(jù)采集”與“仿真數(shù)據(jù)生成”之爭。

第一位上臺分享的銀河通用張直政，堅定地站在仿真合成數(shù)據(jù)一方——這兩天湖濱步行街開出的杭州首家機器人售賣店，便是這家公司的商業(yè)化嘗試。他認(rèn)為以仿真數(shù)據(jù)為主導(dǎo)的路線，不僅能實現(xiàn)千倍訓(xùn)練效率的提升，長期來看也更具可行性與性價比優(yōu)勢。

銀河通用機器人貨架取商品

年初，銀河通用就已發(fā)布完全基于仿真合成大數(shù)據(jù)進行預(yù)訓(xùn)練的具身大模型，目前生產(chǎn)出10億級別的仿真合成數(shù)據(jù)，據(jù)說內(nèi)部已經(jīng)進一步將數(shù)量級擴大至百億和千億級別。

沒有對上一位演講嘉賓的直接反駁，PPT一放，千尋智能解浚源的立場已不言自明：其中一頁的標(biāo)題寫著：“唯有高質(zhì)量的真實數(shù)據(jù)才能訓(xùn)練出世界領(lǐng)先的模型。”

這家?guī)в姓愦?清華基因的公司，構(gòu)建了一套三級訓(xùn)練體系：先用海量互聯(lián)網(wǎng)視頻預(yù)訓(xùn)練為系統(tǒng)注入先驗認(rèn)知，再通過真實機器人采集的模仿學(xué)習(xí)數(shù)據(jù)進行動作映射，最后通過強化學(xué)習(xí)將完成度推向接近完美。

真實數(shù)據(jù)從哪里來？解浚源展示了其中兩種采集方式：一是遙操作（量小但質(zhì)量高），二是自研可穿戴機械臂（更靈活，成本僅遙操1/20）。

千尋機器人Moz1展示S型壓彎

同樣堅持真機數(shù)據(jù)為主導(dǎo)路線的，還有星海圖。這家公司新近發(fā)布的G0模型，便是基于100%開放的真實世界數(shù)據(jù)進行訓(xùn)練：機器人被放在漢庭、如家、711、羅森等真實場景，自主采集人類行為數(shù)據(jù)，并完成一系列復(fù)雜任務(wù)。

真機數(shù)據(jù)>互聯(lián)網(wǎng)數(shù)據(jù)>仿真數(shù)據(jù)，趙行現(xiàn)場還給數(shù)據(jù)價值排了個序。

一場論壇遠(yuǎn)不足以平息這場持續(xù)已久的數(shù)據(jù)之爭。什么樣的“數(shù)據(jù)配方”才是最理想的虛實比例？只有等待后續(xù)實踐去揭曉了。

模型之問

大模型如何賦能具身智能？

具身智能的“智”，究竟要怎么衡量？

解讀的維度很多：比如空間智能（對于位置、距離和環(huán)境的精準(zhǔn)感知），時間智能（記憶過去、預(yù)測未來），又比如執(zhí)行智能（拆解復(fù)雜任務(wù)并自主執(zhí)行），泛化能力（將所學(xué)遷移到新場景），等等。

當(dāng)下一個熱門的解決方案，就是VLA（視覺-語言-動作）端到端模型。它試圖讓機器人通過攝像頭“看見”世界，通過自然語言“聽懂”人的指令，并直接執(zhí)行相應(yīng)“動作”，從而構(gòu)建起“感知-理解-決策-執(zhí)行”的閉環(huán)。

“除此之外，還有大小腦分層架構(gòu)、世界模型，目前技術(shù)路線尚未收斂，并行探索。”北京大學(xué)計算機學(xué)院研究員仉尚航現(xiàn)場對這三類主流算法路徑，做了一個梳理。

大腦+小腦分層路線，采用多模態(tài)大模型作為“大腦”負(fù)責(zé)高層決策與推理，配以專門的“小腦”模型處理底層運動控制，通過分層協(xié)作實現(xiàn)更強的任務(wù)處理能力。世界模型路線，則代表更前沿的探索，旨在構(gòu)建對物理世界的完整建模，通過預(yù)測未來狀態(tài)來優(yōu)化動作決策。

現(xiàn)場的自變量和星海圖，恰好分別代表了端到端與分層模型兩種方向。前者將視覺、語言、觸覺、動作等所有模態(tài)信息，納入一個模型處理；后者則采用“大腦”+“小腦”，一方面減輕算法負(fù)擔(dān)，另一方面也更符合人體結(jié)構(gòu)。

星海圖機器人疊被子

并未參會的王興興，因此前在2025世界機器人大會上的觀點，在圓桌環(huán)節(jié)意外被cue。當(dāng)時，他在公開演講中表示，機器人數(shù)據(jù)被過分關(guān)注了，“現(xiàn)在最大的問題是模型，并不是數(shù)據(jù)問題。”同時，他對大熱門的VLA持較為懷疑態(tài)度，認(rèn)為這就是一個“相對傻瓜式的架構(gòu)”，在和真實世界交互時，數(shù)據(jù)質(zhì)量、能采集的數(shù)據(jù)都不太夠用。

有趣的是，剛才還在為端到端與分層路線交鋒的嘉賓，此時卻立場一致，或委婉或直接地表達(dá)了對這一觀點的不認(rèn)同。

文 | 童蔚

VIEW MORE

@時隔8年，又一位未來“預(yù)言家”來杭州開講 >>

@彈鋼琴是為了更好地洗碗？ >>

@今天，阿里一號位分享了他自己編排的PPT >>

@ 杭州這個創(chuàng)業(yè)社區(qū)，專門孵化“一人公司”>>