源策未来李天羽：多环节稳定性仍是最大挑战，具身大脑必将小型化

作者：苏打

编辑：tuya

出品：财经涂鸦（ID：caijingtuya）

“从现在整个具身智能尤其算法行业来看，硬件还处于比较早期的阶段，主要应用还是在数据采集、科研教育、和娱乐相关场景。”

公司情报专家《财经涂鸦》获悉，近日，2026腾讯数字生态大会期间，源策未来联合创始人兼 CEO李天羽在“AI 能否成为企业的创新力”主题群访中，就当前具身智能模型的泛化能力、具身“大脑”的实质进展以及商业化时间表进行分享。

在硬件尚处于早期阶段，GPT、腾讯混元等等优秀大模型展现出各种各样的能力，某种程度上催生了“具身智能模型泛化将很快到来”的观点。

但李天羽坦言，泛化和稳定性仍旧是当前具身智能走向生活的主要难点之一，长远来看，人形机器人还是要具备比较强的端侧算力，“硬件本身的稳定性、噪音、返修周期，都是阻碍大规模应用的关键环节。”

谈及与腾讯的合作，李天羽表示，目前源策模型的大脑、小脑训练，整个数据的存储、处理管线，包括数据到真机部署的链路，大量都会部署在整个腾讯云生态里，公司因此受益颇多。

公开资料显示，上海源策未来智能成立于2026年3月，研发总部位于上海漕河泾开发区，专注研发通用全身人形基座模型，构建全身智能，为人形机器人提供类人全身移动操作的能力，以加快具身智能进入日常生活，其全身控制模型 Anchor 1，聚焦人形机器人全身动作的精准、稳定执行。

多环节稳定性仍是具身走向生活最大挑战

现场，李天羽拆解了目前具身智能走进生活场景的两个主要难点，一是智能本身的泛化及稳定性，二是具身智能对环境本身的适应性。

“如果我们拍一张照片，问用GPT或者元宝这是什么，它们可能答得八九不离十，因为视频理解能力稳定性已经比较高。但无论成功率是90% 还是80%，都不是具身智能要求的99.99%。”

因此，在泛化性基础上具备特别强的稳定性，仍旧是具身智能需要客服的首要难题。“具身智能在物理世界中，我们希望它是长时间稳定运行的智能，而不是每执行十次任务就打碎一个杯子。”李天羽指出。

具身智能对环境本身的适应性是另一个难点。目前，大部分具身智能的本体形态，仍旧以固定机械手臂或者轮式底盘的机械臂为主。但在一些比较狭窄的场景，空间布局都是为人类形态定义的，这是源策看好足式人形机器人的原因之一。

此外，“在攻克泛化性和稳定性之后，生活场景中最贴近、最匹配的本体形态就是足式人形机器人。叠加比较强的大模型泛化性后，足式人形机器人可被快速推动到我们生活场景，这也是我们公司愿景。”李天羽表示。

由于算法稳定性往往是指操作上最终任务的成功率，因此这一链路中会牵扯到多环节的稳定性，包括硬件平台的稳定性、软件平台的稳定性、通信的稳定性、云端网络可用性，最后才是算法的稳定性。

“这些链路里，大家直观能看到的是智能（稳定性），但其实硬件和通信也是非常难以逾越的。”李天羽进一步指出。

比如一个房间里，十台机器人并行工作，算力可能不在本体，而在云端或者边侧。因此，十台机器人的视频流同时上传，对当前的通信架构本身就是非常大的挑战——几乎没有一种现有的通信协议，是为这种数据量大、要求时延低又稳定的场景设计的。

“这些环节里，我们认为长远来看，人形机器人还是要具备比较强的端侧算力。硬件本身的稳定性、噪音、返修周期，都是阻碍大规模应用的关键环节。”

他认为，早期整个机器人行业的发展节奏，还是要先有可控环境去做大规模部署，再到半可控、半结构化部署，最后才是变量更多的开放环境——例如家庭和公共空间。

具身大脑必然走向小型化

通用大模型的飞速进步是否会取代具身模型，并直接覆盖执行器、机械臂控制等硬件？

“我们的答案是，短期和长期都不能。”李天羽认为。

首先，足式人形机器人需要在相对比较高的动态下保持平衡和操作精准度，而灵巧手需要高速控制，这些目前的通用大模型几乎完全做不了。

即使是简单的机械臂控制，李天羽认为，目前通用大模型的主流方案，可以想象为“大模型把机器人当一个游戏在玩”。

“因为它在后训练时见过大量的3D代码、3D CAD这类任务，所以获得了通用的3D空间理解能力。但它在操作机械臂时，还要使用coding作为中介，或者使用大规模reasoning推理作为中介——这个推理的平均长度可能是数千Token。在这个Token量级下，它的执行频率不管再怎么优化也不可能达到1赫兹，远远达不到具身应用的需求。”

因此，长期看，模型可以小型化、可以优化，算力也可以优化，但在李天羽看来，成本仍是需要“优化”的问题。

“假设算力无限、Token能秒出，我们以10赫兹的速率控制一个机器人，按今天它的推理强度，如果让它7×24小时运行一个月，一个月要花千万级人民币的Token成本，这跟我们能够接受的价格差五到六个数量级。这个数量级的差距，不是今天芯片的发展能够弥补的。”

基于此，李天羽认为，之后即使是具身的、用来调度的大脑，也一定会向小型化发展。

重点攻克训练提效与意外恢复

针对“为什么要先投入大脑“这一问题，李天羽认为，其基础逻辑是，有了一个更强的基础预训练模型，再做下游任务适配时，所需要投入的数据采集量、采集难度会降低，从而具备更快、更大规模做应用的潜力。

目前，技术上完成各个任务本身已经不是难题，但具身“大脑”的大规模应用推广之所以难，主要由于完成这些任务需要投入大量后训练数据采集和研发能力，但解决的可能只是一个小场景。如果这些小场景的可复制性和收入规模有限，研发投入与回报就可能不成正比。

比如智元跟龙旗合作中，可以充分利用技术快速提升一个任务7×24小时的连续稳定性，但其中的投入和回报有很大问题，

“我们没办法每家工厂派一百个研发把这个项目搞定。这本身是做非标自动化的事情，这种非标自动化国内可能几千家公司在做，具身智能企业在这上面投入研发不太理智。所以具身智能大脑不是说能力太差、差到一点用不了，是可以用，但需要大量投入。”李天羽坦言。

伴随物理AI成为当前具身“大脑”的核心，常规工业应用中任务拆解和规划框架与智能体调度形成的泛化有很大差异，工业场景的框架往往由各种各样的调度软件决定，决定机器人当前完成哪些任务。

这便导致一个难点。“我们已经知道要让机械臂干哪个具体工作，但怎么才能把这个工作的成功率推到 99.99%，同时让它具备和人比较相近的执行能力。在这一类要求下，尤其针对工业或者物流这种落地比较直观的场景，大家实际的模型需要在各自场景、各自任务里去完成数据采集和后训练。”

基于此，李天羽透露，源策的具身“大脑”一方面会在上述需要下游后训练、特定场景、单一任务的场景上做训练提效，甚至可以“在预训练足够强之后，一条示范就能让模型把任务带起来只需要一条示范数据，就能让模型完成该任务”。但这样的数据带来的问题是执行会犹豫，速度和准确率上不来，这也是公司当前重点发力方向之一。

另一个方向是意外恢复。后训练到某一个任务时可能出一些意外，这些意外可能是数据采集过程中没碰到的。因此，训练一个更泛化的模型，在面对这些意外场景时，执行速度可以慢，但有80%或90%的泛化能力，对意外场景进行恢复便尤为重要。

“我们最终的路径是，训练一个快速基础模型把成功率达到三个九（99.9%），再配合意外恢复场景把成功率提高到四个九（99.99%）或者五个九（99.999%），最终实现从受控场景到半受控场景、再到最终开放大部分任务的执行。“李天羽透露。