具身智能正被視為通往通用人工智能（AGI）的關鍵拼圖。

從去年的蹣跚學步，到如今能夠完成連續翻跟斗、跳舞、打拳擊甚至拖動汽車等動作，具身智能的發展速度似乎正在超越人們的想象。然而，在這些炫目的演示背后，行業是否真的來到了爆發的前夜？

11月20日，智源研究院院長王仲遠在接受包括《每日經濟新聞》記者（以下簡稱“每經記者”）在內的媒體采訪時表示，當前具身智能面臨兩大核心痛點：高質量數據的極度匱乏，以及商業化落地中偽需求帶來的泡沫風險。在他看來，具身智能距離真正的“ChatGPT時刻”尚有距離，未來兩三年內，機器人不會在家庭場景中“滿街跑”。

談數據困境：幾十萬小時的數據依然不能叫“海量”

過去七十年的人工智能發展史上，每一次重要躍遷都由數據、算力和模型規模三者疊加推動。具身智能也不例外?！皵祿绕涫歉哔|量的數據，決定模型能力的上限?！蓖踔龠h對每經記者表示。

要讓機器人具備像人類一樣理解物理世界并進行決策的大腦，現有的數據路徑面臨巨大挑戰，具身智能的數據難題在于行業缺乏海量的真機采集數據。

針對行業熱議的真機數據與仿真數據，王仲遠認為，即便是擁有幾萬臺機器人日夜不停地采集數據，在現階段依然難以稱之為海量。他表示，如果某一天，全球有上億臺機器人每天在真實環境中產生動作、觸覺、決策等全模態數據，那將會是具身智能的“ChatGPT時刻”。但顯然，距離那一天還非常遙遠。

幾十萬小時的仿真數據，遠未達到引發智能涌現的量級。“即使是幾十萬小時的數據，依然不能叫海量數據，所以還遠沒有到具身ChatGPT的時刻。”

在此背景下，王仲遠認為，以視頻作為主數據源是最佳路徑。“視頻數據是最符合第一性原理、能夠規?；@取的。”他解釋。相比真實機器人采集的動作數據，視頻天然包含時間、空間、因果、意圖、圖像、文本，甚至可以拓展到聲音、3D信息，是少數能夠在現階段做到大規模的數據類型。

通過學習海量的互聯網視頻數據，模型可以建立起對物理世界運行規律的基礎認知。“我們在Emu系列原生多模態大模型的研發中發現，視頻數據可以作為一個基座。模型不需要刻意為特定機器人本體訓練調優，因為它學到了通用的物理常識?！?/p>

“行業里普遍的共識是數據非常重要。更具體地來講，高質量且規模化的數據是非常重要的?！钡?strong>王仲遠同時也表示，行業不能忽略數據是否真正能形成“飛輪”。他強調，數據必須最終回到模型與場景，而不是為了堆數據而堆數據。

對此，王仲遠給出的標準是，數據必須訓練出具備泛化能力的模型；模型必須能支持真正有商業價值的場景。

談商業化：警惕偽需求帶來的量產泡沫

盡管具身智能還在繼續加速跑，但商業化落地的考驗已經來到眼前。

2025年被不少業內人士稱為人形機器人的量產元年，部分企業甚至宣稱出貨量已過萬臺。王仲遠表示，這顯然是一個好現象，萬臺的出貨量是硬件打磨的重要開端。

不過，面對這一熱潮，王仲遠直言，當前的硬件穩定性依然是制約商業化的重要因素。

“我們自己買了10臺某款機器人，在一兩個月內就壞了5臺?！蓖踔龠h分享了一個真實的案例，在實驗室里，許多機械臂在長時間運行后會出現過熱保護，甚至需要在一旁架設電風扇降溫，仿佛需要找一個“保姆”來照顧機器人。

“這就意味著很多硬件還沒有到真正可用的階段。量產能夠在規?；倪^程中不斷打磨，從而解決硬件使用的時長、穩定性、安全性等問題。所以我也希望有更多硬件能夠實現量產，企業規模能夠不斷擴大?！蓖踔龠h表示。

與此同時，王仲遠提醒，行業需要分辨這種量產是由真實的商業需求驅動，還是僅僅由政策補貼和投資熱度催生的偽需求。

王仲遠認為，如果是由示范項目帶來的一次性小需求，可能撐不起持續的量產。一旦落地效果達不到預期，采購方會暫停購買，行業便可能進入低谷。但他也強調，從更長的周期看，他對具身智能依然樂觀。硬件一定要先達到可用，再到好用；量產一定要由真實需求驅動。這是產業走向成熟的唯一路徑。

基于對硬件現狀和市場邏輯的判斷，王仲遠給出了一個明確的預期：未來兩三年內，具身智能最大的確定性是“機器人不會進入家庭‘滿街跑’”。

他認為，家庭場景的復雜度、非結構化特征以及對成本的高度敏感，決定了它是最難攻克的高地。人形機器人要進入家庭，可能需要5到10年的技術沉淀。相比之下，工業場景中的專用機器人，或者具備一定泛化能力的特種機器人，將更快實現落地。

對于具身智能產業而言，數據與商業化落地仿佛已經互為掣肘?！叭绻幸惶欤瑱C器人數量越來越多，產生了海量機器人與真實世界交互的數據，這些數據能夠被企業廣泛用來訓練，也許能催生真正意義上的具備強大泛化能力的通用具身基礎模型。”

封面圖片來源：視覺中國-VCG211378353242