网易首页 > 网易号 > 正文 申请入驻

九位具身大佬谈:去年量产遭遇哪些难题,今年落地仍有哪些瓶颈?

0
分享至



作者 | 山竹

出品 | 锌产业

春晚之后,2026年国内两大科技主线已经明确:

巨头之间的AI(大模型)之战,创业团队之间的具身(机器人)之战。

其中更为性感的、也更为产业所热议的,自然是后者,具身机器人之战,尤其是2026年正在成为具身机器人从“量产”到“落地”的关键一年。

仅仅是在开年这一周时间里,就出现了五起大额融资——千寻智能两轮近20亿元融资,智平方超10亿元B轮融资,银河通用25亿元A+轮融资,松延动力近10亿元B轮融资,以及优理奇3亿元股权融资。

经过这一轮资本加持,国内具身智能赛道已经跑出至少7家百亿级独角兽企业:宇树、智元、银河通用、星海图、智平方、自变量、千寻智能。

然而,在具身机器人经历了第一波量产尝试后,在市场热情再次被燃烧起来之时,整个产业更需要反思的是:

2025年,在第一波具身机器人量产过程中,暴露出了哪些问题?

2026年,在又一波具身机器人落地浪潮下,有哪些确定性瓶颈和趋势?

就这两个关乎具身机器人产业未来走向的问题,我是在近期举办的人形机器人与具身智能标准化年会上,听到了一场含金量极高的对话,参与这场对话的均为国内具身领域头部机构的从业者——

智源研究院院长王仲远、星动纪元创始人陈建宇、星海图创始人高继扬、清华大学教授汪玉、自变量机器人创始人王潜、众擎机器人创始人赵同阳、 帕西尼创始人许晋诚、加速进化创始人程昊,以及它石智航首席科学家丁文超。



从这九位具身机器人头部机构从业者的深入研讨中,我们找到了上述两个问题的些许答案。

01 具身机器人量产,N个“一致性”难题

问:具身机器人量产过程中,最难啃的“骨头”是什么?

陈建宇:量产过程中,我们认为有两个比较大的问题:

第一,“一致性”问题。

因为机器人链条很长,从供应链、零部件,到整机、系统、算法,每个环节都可能出现一些小的变量影响一致性。

例如,我们之前遇到过这样一个问题:

同一批次造出的人形机器人,有几台走路走得总是不好,后来查了半天发现,工人在电机组装的打胶水环节中,有几台打得不太好,这种问题在实际生产环境中并不少见。

后来的解决方案是,我们设置了多层关卡和闸门,一层层把风险排除掉。

第二,因为具身机器人这类产品太新了,我们往往无法提前考虑到所有问题,特别是在我们自己小批量内测时,可能会存在没有考虑到的问题。

例如我们之前有一款在售产品,推出一段时间并没有出现任何问题,后来我们一位大客户,买的量比较多、用得比较久,使用场景也比较重,在他们使用过程中,出现了一些我们完全没有预料到的问题。

这样的问题是目前难以避免的,但是我们可以做两件事情:

第一,快速迭代, 遇到问题后,快速想办法把问题分析解决掉;

第二,形成经验“错题本”,不断积累,避免下次出现同类问题。



高继扬:整机和智能的联动是一个很重要的问题。

我们通过生产、工艺能够保证一定的一致性,但最终发现,每台机器人之间依然存在细微差异,加上基础模型之后,这些细微差异就会被放大。

这就需要有一个标定的过程,将整机中的各种传感器、机械结构,在一个统一的数学空间中做出标定,并与模型完成联动。

基于此,不仅整机有量产,智能也有了一个量产的过程,中间的联动就靠标定,这是在机器人或者具身智能量产过程中,比较独特的问题。

王潜:两位讲的都是我们所能控制的部分,在我们自己的生产、标定当中,依然存在一部分我们自己控制不了的部门,就是供应链问题。

我印象特别深刻的是,有一次我们有一个电机,老是出现一些不规则的、难以预测的损坏情况,我们当时觉得很奇怪,为什么在我们友商那里,用同样的电机,他们没有碰到这样的问题。

后来我们发现,因为大家使用的工况不同,友商使用的是比较常见的工况,供应商针对这个工况做的优化比较好,我们虽然也在供应商标定工况之内,但是可能供应商有点偷懒,没有把那部分的测试和优化做好。

这也凸显出了标准工作的重要性,如果我们有一套足够完备的标准,能够把这类情况规范起来,就可以避免这类问题发生的。

但是目前阶段,还是不可避免地会走一些弯路,依然需要我们不断积累,在各类环境中大量使用和测试,包括量产,才可能让这些问题暴露出来,这是产业链一个发展过程。



赵同阳:首先,关于量产,我们要有一个清晰的定义。

从去年到现在,人形机器人数千台规模的出货量,相较于汽车行业而言,只能算是“小批量试产”。

相对于百年的汽车行业而言,机器人现在所处的阶段还远未到量产阶段,这是一个事实。

这其中,供应链的发展也还远未达到量产阶段。

像汽车,从轮胎、减速器,到玻璃、方向盘,每一个零部件都有几十家,乃至上百家成熟的供应商,经过近百年的发展,而机器人行业,尤其是人形机器人行业,只是在近两三年才得到高速发展。

从机器人的供应商来看,目前可选的并不多,质量也还在一起探索阶段。

另外,这个行业到目前依然处于快速发展阶段,产品迭代很快,这使得像模具的生产制造,大家都不敢放开手去做。

由于行业发展非常快,一个产品可能只有1-2年的竞争力,假如企业备了几十万台的货,有可能在下次竞争中就会被淘汰,导致企业出现大量库存,这就使得我们和供应链厂商都不敢大规模进行产品量产,也就导致整个供应链会有一点卡滞。



此外,小型人形机器人和大型人形机器人的标准要求也不一样,小型人形机器人运动能力对机械强度等方面要求不是特别高,但大尺寸人形机器人要又蹦又跳,要承受10g-20g的加速度,还要保证齿轮不断裂,需要从仿真到设计上慢慢验证。

有些东西甚至无法仿真或设计出来,只能测试出来,这些都是我们整个行业在现阶段要去解决的问题。

丁文超:大家讲的很多是关节的、控制的一致性,我们遇到的一个问题是,如何保证大脑、小脑以及本体协同的一致性。

例如机器人要送去进行作业,机器人全生命周期的各种动态性能,包括力触的感知都是动态变化的,但企业发布的其实是“本体+模型”,如何保证大脑也具有一致性、量产性,其实是我们现在正在解决的问题。

这个问题不仅仅是一个硬件问题,还有很多大脑层面的训练、数据使用技巧都可以加进去,让机器人在整个生命周期,无论遇到怎样的损耗、老化,都可以保持模型的泛化能力。

02 具身机器人落地,26年如何造大脑?

问:2026年,要让机器人真正具备泛化能力,并在各个场景中发挥价值,还需要在哪些方面进行突破?

王仲远:过去这几年机器人之所以受到如此高的关注,不仅是因为硬件的发展,也是由于人工智能,尤其是大模型的突破,为具身智能带来了新的变数。

具身智能和传统的大模型相比,它需要和硬件耦合在一起,不像纯数字世界,可能大模型本身可以直接发挥价值,但具身智能既需要有模型能力本身的提升,又要依赖硬件,复杂性更高。

具身智能现在依然非常缺乏高质量数据,这就要求具身智能的数据除了从互联网仿真环境中获取以外,一定要有真机数据。

当然,这些真机数据如何高质量、标准化地获得,这就是标委会可以重点推进的一些事项。

展望未来,尤其是今年,我觉得可能分两部分:

第一,就企业实际落地来看,我相信依然会以VLM+VLA,或者纯VLA为主,在具体的场景中做数据闭环打磨;

第二,就科研角度来看,会将重心放在世界模型,放在推进下一代真正具备泛化性的具身智能模型。



陈建宇:2026年,我们有两个重点:

第一,数据闭环。

经过过去两年的发展,端到端VLA模型的一些范式已经开始标准化,这时,提升数据质量就成了提升模型能力最高效的途径。

第二,模型范式的提升。

当前比较标准的VLA模型主要是基于模仿学习的范式,如何为机器人建立更好的理解物理世界的模型,帮助机器人更好、更范化、更精细地完成各类物理世界中的任务,这也需要进行范式的探索。

高继扬:现在看机器人大脑这件事,主要分为三部分:

数据的形态、预训练怎么做、后训练怎么做。

预训练,去年大家都在做VLA,今年明显的趋势是往世界模型在走,这是一个确定性的趋势;

后训练,去年主要是SFT的模仿学习微调,今年明确在向强化学习方向去走;

数据形态,现在具身智能有很丰富的数据形态,从传统的遥操作数据,到UMI数据,再到我们最近和英伟达有一个基于EgoScale框架的合作,是用POV数据观测自己的双手怎么去做,没有佩戴任何其它辅助设备,也有很好的预训练效果。



这三个方面,都会在今年有集中的体现。

汪玉:从算法发展的角度来看,后训练是从SFT向IL(模仿学习)、RL(强化学习)的方向走。

现在如何做强化学习,特别是如何将现有算力高效地用于强化学习,这是在云端要考虑的问题。

边端如何让机器人在百分之七八十准确率的情况下,进一步通过真机的强化学习能够将特定认为的准确率提升到99%,乃至100%,这是今年重点要突破的。

此外,就具身数据而言,数据的“量”很重要,“质”也很重要。

特别是针对数据的“质”,我们看到,做真机强化学习时,实际场景中没有做好的数据如何回流,如何加入到典型数据中,让机器人能够不断学自己做不好的事情,我觉得是一个关键问题。

王潜:模型架构本身是一个大的方向。

两年前,还有很多人在做单点任务的小模型,去年大家开始去做VLA,今年大家开始做世界模型。

整体上是在往越来越统一、越来越全能的方向发展。

但是我们看模型的输出,有输出动作,有输出世界模型对于未来状态的预测,但其实我们希望模型学到的倒不一定是这些东西,我们更希望模型学到一些物理世界的规律,例如物体的属性或者更加本质的东西。

其实我们自己认为,VLA模型、世界模型并不是相斥的关系,它们在更大框架下是相互帮助,所以我们提出了物理世界基础模型,这个词让大家稍微有一点费解,后来我们把这个词改成了世界动作模型。

我们的看法是,不同任务之间的相互协同是具身模型非常显著的特点。

不同时间的任务,互相之间有大量本质性交叉,这是基于预训练基础模型架构的一个大的发展趋势。

当然中间会有百花齐放,有的团队更注重世界模型,有的团队更注重动作的训练。

另一方面,最近两年后训练获得了很大的进展。例如很多团队已经能够在某些单点场景上做相当优秀的后训练,特别是强化学习,能够获得非常不错的、前几年做不到的一些效果。



这很大程度依赖于预训练模型的发展,不管是在具身模型上,还是之前在语言模型上看到的明显特点,如果预训练模型没有很好的基础,强化学习效果会很差。

关于数据,我看到的一个大趋势是,数据生产逐渐从单点的known-how转向工业体系。

之前大家对于数据的理解是在一个地方有一个口传心授的秘诀,另外一个地方有单点的模型进行处理,但是现在整体的趋势是,数据越来越向工业化的方向发展。

我们正在以一个完整、可控制、可大规模复制的方式去生产数据,我们也有成体系的 benchmark或模型闭环,这也是我们自己会非常重视和大力度投入的方向,基本上是这样。

赵同阳:早期我们把人形机器人当成一个工具去使用,看重的是机器人的工具属性,工具要做的就是足够快、足够精准、失败概率足够低,我们自己内部也在用世界模型、强化学习让它的失败概率更低一些。

但是人类已经有很多工具,还在乎多一种新的工具吗?

除了工具属性,接下来人形机器人会带来更多情绪价值。

我们赋予它“双眼”,让它能看清这个世界,赋予它“双耳”,让它能听懂这个世界,赋予它“触觉”,让它能够感知这个世界……

既然赋予了它这么多能力,我们希望它不仅能为人类带来工具属性的价值,还能带来情绪价值,世界模型的使用,包括情绪、情感、喜怒哀乐,我们要将它做得至少像一个人,而不仅仅是一个机器。

此外,具身机器人大脑的模型还完全没有收敛,每一家都有自己的做法,每过一两个月都会有新的算法出现。

它不像做腿足运动控制,现在已经能跑能跳,很多东西几乎已经超越人类现有水平,而现有的VLA模型很多还处于探索阶段,模型能力只能达到人类的1/3、1/4 ,甚至更糟糕的状态,我们也正在尝试解决这个问题。

许晋诚:我们一直尝试在做的就是泛化的定义,我们押注在与物理世界接触模态信息上,只有这些信息,才能提升整体任务的成功率。

我们在机器人实验中,加入了大量接触模态的传感器,例如触觉传感器,它可以让基于Pi0这样基座模型的一个任务的执行成功率,从20%提升到90%以上。

这很大程度上提升了任务执行的成功率和泛化性,这是我认为具身机器人未来很重要的一个发展方向。

物理接触模态的数据也很重要,我们现在也在把大量接触模态的多维触觉数据采集下来,这对提升整体任务的成功率很重要。

程昊:我们认为具身大脑是前期研发需要投入比较多的地方。

在整体路线变得越来越清晰的情况下,我们更侧重于在现有双足人形机器人上,尤其是在机器人全身运动已经越来越成熟,可能今年在很多任务执行上能够超过人类的情况下,现有的具身模型或VLA到底引入哪些新维度的数据,模型通过强化学习,还是更多模态的方式,能够在双足人形上有更好的效果提升,这是接下来两年我们在具身大脑上重点投入的方向。



丁文超:数据和模型是我们成立第一天起就开始解决的问题,我们公司第一天就提出了一个概念,叫作“以人为中心的数据”。

遥操作是通过VR/AR设备把动作映射到机器人上,让机器人去完成,而我们的想法是,通过可穿戴式设备,让人去做数据采集任务。

我们设计了一整套数据采集套件SenseHub,你可以佩戴第一人称的摄像头、穿戴手套,也可以佩戴二指指套,多种不同的终端。

这样一套数采设备很 大的好处真正能够深入到各行各业,所以我们现有数据不仅局限于数采中心,我们在真实场景下的各行各业,大家能想到人能去的场景,我们都能采到数据,这对于整个模型的泛化能力的提升非常关键。

在模型侧,我们有一个落地任务,它是一个长程、柔性、高精度的任务,这是这代具身智能需要解决的问题。

我们发现,在现在的世界动作模型落地过程中,关键在于如何将对世界的预测和动作有机结合起来。

现在很多世界模型单纯把它引入到VLA,很容易产生幻觉问题,对空间的幻觉、物理的幻觉会直接影响机器人最终执行的动作。

如何让机器人的物理感知,对物理的推测、对空间的推测没有幻觉,能够稳定可靠执行任务,这是过去这一年我们一直在解决的问题。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
广东省中山市委书记、市政府党组书记、市长尹念红简介

广东省中山市委书记、市政府党组书记、市长尹念红简介

探秘桂北
2026-11-01 08:21:08
台湾生活水准相当于大陆什么水平?这么说吧,台湾的生活水准,大致介于大陆二线城市和东部沿海发达城市之间

台湾生活水准相当于大陆什么水平?这么说吧,台湾的生活水准,大致介于大陆二线城市和东部沿海发达城市之间

扶苏聊历史
2026-11-02 13:50:13
医学实验图片疑似AI生成?监管部门:正核查是否存在学术不端

医学实验图片疑似AI生成?监管部门:正核查是否存在学术不端

新京报
2026-11-17 22:30:31
清华讲台,翁帆还没开口,衣服先替她说了话!她一出现,目光就被那身打扮勾住了,这样的翁帆,确实让人移不开眼!

清华讲台,翁帆还没开口,衣服先替她说了话!她一出现,目光就被那身打扮勾住了,这样的翁帆,确实让人移不开眼!

财经要参
2026-09-30 19:39:44
盘点网友们分享的亲身经过的奇闻逸事,网友:有些事没法解释清楚

盘点网友们分享的亲身经过的奇闻逸事,网友:有些事没法解释清楚

另子维爱读史
2026-11-18 20:46:42
上海大学出手了!一名研究生被拟退学,校方公布的原因值得引起重视!

上海大学出手了!一名研究生被拟退学,校方公布的原因值得引起重视!

凯旋学长
2026-11-18 22:22:41
1968年,邓朴方身受重伤陷入绝境,北大王凤梧不顾重压救他,在邓公回归后又是怎么回报他的?

1968年,邓朴方身受重伤陷入绝境,北大王凤梧不顾重压救他,在邓公回归后又是怎么回报他的?

唠叨说历史
2026-11-13 14:31:10
美民主党抵制参院商务委员会投票,FCC共和党提名独自推进

美民主党抵制参院商务委员会投票,FCC共和党提名独自推进

时光慢旅人
2026-11-19 00:02:21
网上爆火的山姆包到底多好用?我们替你测了个遍

网上爆火的山姆包到底多好用?我们替你测了个遍

酷玩实验室
2026-11-18 10:49:05
高市早苗要去中国了,日网民叫她千万别做这些事

高市早苗要去中国了,日网民叫她千万别做这些事

这里是东京
2026-11-17 19:18:03
马克龙私密谈话流出,48岁仍未“断奶”,73岁布丽吉特成最大牺牲品

马克龙私密谈话流出,48岁仍未“断奶”,73岁布丽吉特成最大牺牲品

恒星文娱
2026-11-17 23:01:29
国安旧将索里亚诺谈加盟中超:那时我31岁了,要为自己考虑了

国安旧将索里亚诺谈加盟中超:那时我31岁了,要为自己考虑了

懂球帝
2026-11-19 00:19:11
一场2-2验出国足头号庸才,6.1分全队垫底,仅踢半场被邵佳一换下

一场2-2验出国足头号庸才,6.1分全队垫底,仅踢半场被邵佳一换下

小火箭爱体育
2026-11-18 08:38:09
普京抵华前一天,270米克里米亚大桥桥面被炸塌,乌克兰选在普京参加深圳APEC峰会前一天行动

普京抵华前一天,270米克里米亚大桥桥面被炸塌,乌克兰选在普京参加深圳APEC峰会前一天行动

蓝星杂谈
2026-11-18 09:59:46
曾收到5000份男友申请,“全球最抢手女友”在美国被铐走

曾收到5000份男友申请,“全球最抢手女友”在美国被铐走

启迪你的思维
2026-11-18 17:58:04
市场几乎清零!人们为何不再需要,灵活便宜的小型油车了?

市场几乎清零!人们为何不再需要,灵活便宜的小型油车了?

云霄纪史观
2026-11-18 01:57:05
马化腾:腾讯正在面临生死存亡

马化腾:腾讯正在面临生死存亡

科技头版Pro
2026-11-18 14:21:08
假山假景假脸,央视《多喜一家人》爆火,打脸多少流水线年代剧

假山假景假脸,央视《多喜一家人》爆火,打脸多少流水线年代剧

零号情报局
2026-11-17 19:56:24
两桶油急的是:油价他们说了不算,想降价不能降,销售量大幅减少

两桶油急的是:油价他们说了不算,想降价不能降,销售量大幅减少

侃故事的阿庆
2026-11-18 06:41:18
腾讯搬走后,科兴物价彻底崩了,一杯咖啡从25降到15

腾讯搬走后,科兴物价彻底崩了,一杯咖啡从25降到15

流苏晚晴
2026-09-18 14:24:54
2026-11-19 01:08:49
锌产业 incentive-icons
锌产业
用技术范式,给未来一个解释。
269文章数 34关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

亲子
健康
教育
游戏
家居

亲子要闻

宝宝气人但是聪明的4个行为

医生眼里"很伤腰"的椅子,很多人天天坐

教育要闻

济南市历下区燕山小学教育集团将出席2026第四届课博会,解码“做中学”视域下小学科学教育生态构建

PC Gamer试玩GTA6百小时:双主角出色但任务重复

家居要闻

2026建博会(广州) 公装联探展交流活动

无障碍浏览 进入关怀版