i黑馬訊 11月20日，在智源研究院成立七周年之際舉辦的“2025具身智能開放日”媒體交流會上，院長王仲遠與數(shù)十位媒體展開了近兩小時的深度對話。他坦誠回應(yīng)了人形機器人發(fā)展階段、家庭落地時間表、數(shù)據(jù)路徑之爭、遙控演示與自主化、量產(chǎn)真?zhèn)涡枨蟆⑹澜缒Ｐ?、行業(yè)融資熱與潛在寒冬等16個話題。這16個觀點看似分散，實則構(gòu)成一個高度自洽、層層遞進的完整產(chǎn)業(yè)判斷體系：從技術(shù)本質(zhì)出發(fā)→推導出最優(yōu)路徑→給出階段判斷與風險預警→提出資源最優(yōu)配置方案→最終落腳于生態(tài)分工。整個邏輯環(huán)環(huán)相扣，體現(xiàn)出極強的系統(tǒng)性思維。以下是黑智對于王仲遠部分觀點的整理。
人形機器人仍處“非常早期”，家庭場景遙遠，工業(yè)更快
王仲遠判斷，整個人形機器人產(chǎn)業(yè)仍處于非常早期的階段?！皬娜ツ昴茏咂饋?，到今年能跑起來、全身控制能力還是有非常大的進展……能連續(xù)翻十幾二十個跟頭、長時間跳舞、甚至拖動汽車，但硬件穩(wěn)定性依然不太夠?！?/p>
他透露，智源曾一次性采購10臺某款機器人，一兩個月內(nèi)壞掉5臺?！罢麄€硬件穩(wěn)定性依然阻礙它進入到真實工業(yè)化場景或家庭場景?！?/p>
他進一步指出，家庭陪伴型或特種機器人（如割草機器人）有可能較早出現(xiàn)新形態(tài)，但真正的人形機器人進入家庭“至少5-10年起”。工業(yè)場景會明顯更快落地。
視頻數(shù)據(jù)為主、真機微調(diào)為輔，是可行的現(xiàn)實路徑
針對具身智能數(shù)據(jù)之爭，王仲遠的核心觀點是在缺乏海量真實機器人數(shù)據(jù)的前提下，利用視頻數(shù)據(jù)訓練具身大模型是當前“最為可行”的技術(shù)路徑。
訓練強大的具身智能模型需要海量高質(zhì)量的機器人交互數(shù)據(jù)。但現(xiàn)實中部署千萬甚至上億臺機器人來采集數(shù)據(jù)是不現(xiàn)實的，因此必須尋找替代方案。智源找到的替代方案是“視頻數(shù)據(jù)”。首先，智源研究院提出來以長視頻數(shù)據(jù)為主，是遵循第一性原理，與人類從眼睛觀察學習世界一樣。其次，視頻是唯一能夠規(guī)?；@取、且包含了時空、因果、邏輯、意圖、圖像、聲音等多種關(guān)鍵信息的綜合性數(shù)據(jù)。
基于視頻數(shù)據(jù)，智源研究院首先利用海量視頻數(shù)據(jù)訓練一個通用的多模態(tài)基座模型（如智源的悟界·Emu3.5）。這個模型能力廣泛，不僅服務(wù)于機器人，也能夠生成圖像、視頻等。其次，在基座模型的基礎(chǔ)上，再用相對少量的真機采集的數(shù)據(jù)進行微調(diào)，就像“示范教學”，使模型能適配不同的機器人任務(wù)。
對于觸覺、力控等視頻缺失的信息，他承認這確實是視頻數(shù)據(jù)的短板，但強調(diào)力反饋是重要模態(tài)，目前已有帶力反饋的采集設(shè)備在實驗室使用。
遙控演示≠玩具屬性，先專用后通用是必經(jīng)之路
在各類科技展會與互動演示中，不少觀眾發(fā)現(xiàn)，許多機器人仍然需要通過遙控器來完成指令執(zhí)行與動作展示。這一現(xiàn)象引發(fā)外界疑問：機器人何時才能擺脫“高級玩具”的標簽，實現(xiàn)真正的自主智能？
針對這一問題，王仲遠指出，當前依靠遙控操作的機器人屬于“專用模型”階段。每一個預設(shè)動作，都依賴于專門采集的數(shù)據(jù)與針對性訓練，只能在特定場景下運行，缺乏跨場景通用性。
正如早期人工智能在人臉識別、圖像分類等垂直領(lǐng)域取得的突破一樣，這類專用模型雖在單一任務(wù)中表現(xiàn)優(yōu)異，但難以遷移到其他場景。而近年來興起的大語言模型，則展現(xiàn)出完全不同的發(fā)展路徑——其核心優(yōu)勢在于通用性，能夠跨越多種任務(wù)與場景進行泛化處理。他認為，機器人行業(yè)的發(fā)展或?qū)⒆裱嗨频能壽E：先通過專用“具身智能模型”在具體場景中落地應(yīng)用，逐步提升機器人在特定任務(wù)中的準確率與穩(wěn)定性，實現(xiàn)硬件可靠性與數(shù)據(jù)閉環(huán)，從而推動整個產(chǎn)業(yè)實現(xiàn)初步商業(yè)化。
在這一過程中，“遙控器”仍具備其現(xiàn)實意義。它不僅是一種操作手段，更可被視為一種高級指令形式。然而，這距離理想中的“具身智能”仍有差距。
要實現(xiàn)這一目標，關(guān)鍵在于數(shù)據(jù)積累與模型演進。目前，機器人尚未形成規(guī)?；摹皩贁?shù)據(jù)池”。王仲遠指出，只有當機器人的社會保有量達到一定規(guī)模，其所產(chǎn)生的海量行為數(shù)據(jù)被系統(tǒng)性地收集、開放并用于訓練，才有望催生真正意義上的“具身大模型”。這一模型將不再局限于預設(shè)動作，而是具備自適應(yīng)、自學習的能力，從而逐步接近人類的智能水平。“這顯然還是有很長路要走。”
世界模型不等于視頻生成模型
王仲遠特別澄清了當前業(yè)界對“世界模型”存在的普遍誤讀，即簡單將視頻生成能力等同于世界模型。他指出，視頻生成僅展現(xiàn)了世界模型中的一項關(guān)鍵能力——“下一狀態(tài)預測”（Next State Prediction），但這并非世界模型的全部內(nèi)涵。而且此類預測未必以視頻形式呈現(xiàn)，亦可體現(xiàn)為圖文信息、行為指令或機器可讀的狀態(tài)表達。
王仲遠進一步闡釋，理想中的世界模型應(yīng)具備對真實物理世界的感知與理解能力，能夠基于先前的時空狀態(tài)輸入，解析當前環(huán)境、預測未來狀態(tài)，并在此基礎(chǔ)上驅(qū)動機器人執(zhí)行相應(yīng)決策與動作——無論是手部操作還是語言回應(yīng)，皆屬于世界模型的能力范疇，其內(nèi)涵遠不止于視頻生成。
今年6月，智源研究院正式發(fā)布“悟界”系列大模型，作為此前“悟道”系列的自然延伸，該系列將研發(fā)重點完全聚焦于多模態(tài)模型與世界模型。王仲遠指出，“這是大模型融入物理世界的必經(jīng)之路?！庇捎谌诤狭硕嗄B(tài)理解與生成能力，“悟界”模型也被稱為“原生多模態(tài)世界模型”。
在世界模型被視作大模型進入物理世界的關(guān)鍵基座之外，智源研究院還布局了多個面向真實物理需求的模型系列。例如，面向機器人領(lǐng)域的RoboBrain（具身大腦系列模型）、面向腦科學研究的Brainμ，以及面向生命科學的OpenComplex系列模型。這些模型均具備多模態(tài)特性——蛋白質(zhì)模型需理解蛋白質(zhì)折疊狀態(tài)以預測其功能；腦科學模型則需解析多模態(tài)的腦神經(jīng)信號。
王仲遠強調(diào)，多模態(tài)大模型與世界模型是實現(xiàn)通用人工智能（AGI）并應(yīng)對物理世界復雜挑戰(zhàn)的核心路徑，因此已成為智源研究院的重點研究方向。他表示，未來一旦多模態(tài)技術(shù)路徑趨于成熟與收斂，研究院將推動相關(guān)技術(shù)向企業(yè)轉(zhuǎn)移，并在這一過程中持續(xù)孵化創(chuàng)新企業(yè)，加速技術(shù)落地與應(yīng)用實踐。
警惕“偽需求”驅(qū)動的虛假繁榮
“從迭代到真正進入到量產(chǎn)，進入到穩(wěn)定態(tài)，還有很長距離?，F(xiàn)在，硬件、模型、數(shù)據(jù)三條線并行，大家都在奔跑，各種各樣進展和成果涌現(xiàn)。但，每一條線也都是另外一條線的瓶頸，尚未形成系統(tǒng)性的化學反應(yīng)?！?/p>
對于2025年被廣泛稱為“量產(chǎn)元年”，王仲遠既樂觀又謹慎。他樂見靈巧手等硬件出貨量突破萬臺以及部分機器人企業(yè)宣布實現(xiàn)量產(chǎn)，但也擔心量產(chǎn)不是由真實需求驅(qū)動，而是由偽需求或者示范性驗證小需求形成的?！叭绻皇钦鎸嵭枨笸苿有纬傻牧慨a(chǎn)，就會在一定熱度之后，因為技術(shù)不夠成熟或者因沒達到場景方的預期而不再繼續(xù)購買，這就會出現(xiàn)問題，有可能出現(xiàn)冷卻、泡沫破裂，或者暫時低谷期。”
王仲遠強調(diào)，量產(chǎn)是推動硬件迭代的關(guān)鍵。“只有當出貨量達到一定程度，你才能夠知道硬件存在什么樣問題尤其是長尾問題，才能夠不斷迭代使得它真正進入到好用階段?！彼e例稱，某型號機器人在采購十臺中有五臺出現(xiàn)故障，反映出當前部分產(chǎn)品仍停留在科研階段。在其實驗室中，不少機械臂因過熱保護頻繁停機，甚至需額外配備電風扇散熱，這顯示許多硬件尚未達到量產(chǎn)可用的標準。唯有通過規(guī)?；瘧?yīng)用，才能有效驗證產(chǎn)品的使用時長、穩(wěn)定性和安全性。
目前，具身機器人企業(yè)正走在量產(chǎn)的路上。隨著機器人技術(shù)快速迭代，國內(nèi)機器人價格已從百萬級逐步下探至10萬元以內(nèi)。王仲遠指出，若未來機器人價格降至數(shù)千元級別，其普及速度將顯著加快。目前，陪伴型、導覽導購型等專用機器人因成本可控、解決具體問題，更易實現(xiàn)規(guī)?；瘧?yīng)用；而完全通用的復雜機器人技術(shù)仍需長期突破。他預測，未來兩三年內(nèi)，具身智能行業(yè)將迎來專用機器人在真實場景中批量落地的階段，但應(yīng)對通用能力的突破保持“客觀期待”?！按蠹覍C器人通用能力、泛化性要有更加客觀期待，不能有過高的期待。”
因此，在現(xiàn)在這樣的時間節(jié)點，對于機器人創(chuàng)業(yè)公司，王仲遠建議聚焦可復制、規(guī)?；恼鎸崍鼍?，深耕單一領(lǐng)域，確保產(chǎn)品能穩(wěn)定運行（如7×24小時工作），而非盲目追求“做萬能具身Anything”。“因為技術(shù)路線不收斂，除非有很強融資能力和活下來能力，能夠持續(xù)做科研，也許可以去做，但對于很多創(chuàng)業(yè)創(chuàng)始人來講，第一要義應(yīng)該先活下來。”
活動當天，智源研究院還向外界分享了最新科研進展。智源研究院聚焦于構(gòu)建通用大腦平臺、優(yōu)化人機交互、完善工具鏈與數(shù)據(jù)生態(tài)，并建立系統(tǒng)化評測體系。其核心進展包括：推出升級的RoboBrain 2.0 Pro及系列專用模型，提升時序、空間與靈巧操作能力；開發(fā)低延遲全雙工語音RoboBrain-Audio與終身記憶系統(tǒng)RoboBrain-Memory，實現(xiàn)擬人化交互；打造CoRobot、FlagOS-Robo等軟件框架與全流程開發(fā)平臺Robo X studio；聯(lián)合開源高質(zhì)量真機數(shù)據(jù)集RoboCOIN；并攜手多方建立透明、可信的評測生態(tài)，推動技術(shù)落地與應(yīng)用創(chuàng)新。
匿名用戶
