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
大冷门!山东3-2江苏,终结对手三连胜,朱晋谊29分难救主

大冷门!山东3-2江苏,终结对手三连胜,朱晋谊29分难救主

极度说球
2026-11-18 21:19:45
雷军,紧张了

雷军,紧张了

中国新闻周刊
2026-11-18 10:08:12
陪名导睡十年被扫地出门,昔日当红小花,复出无人问津糊成素人

陪名导睡十年被扫地出门,昔日当红小花,复出无人问津糊成素人

手工制作阿歼
2026-11-16 18:17:50
“电诈”亲手毁掉了中国两个“最赚钱”的行业,全民信任彻底透支

“电诈”亲手毁掉了中国两个“最赚钱”的行业,全民信任彻底透支

云景侃记
2026-11-04 09:40:59
性学专家李银河说:你若50岁左右,人生余额已不多。不出意外…

性学专家李银河说:你若50岁左右,人生余额已不多。不出意外…

豁达宇宙
2025-10-22 18:31:20
日月谭天丨这场举世瞩目的盛会再次让岛内震撼!

日月谭天丨这场举世瞩目的盛会再次让岛内震撼!

极目新闻
2026-11-18 10:02:32
阿里员工:P7在杭州相亲市场地位大不如以前了。看中两个女生,一个护士,一个教师,联系方式都没给

阿里员工:P7在杭州相亲市场地位大不如以前了。看中两个女生,一个护士,一个教师,联系方式都没给

蚂蚁大喇叭
2026-11-18 16:37:48
江苏女排首败!吴梦洁低效,20岁接应空砍29分,天津全胜领跑

江苏女排首败!吴梦洁低效,20岁接应空砍29分,天津全胜领跑

跑者排球视角
2026-11-18 23:05:33
全球化退潮,APEC如何寻找新定位?

全球化退潮,APEC如何寻找新定位?

凤凰WEEKLY
2026-11-18 14:59:22
蒙古国总统辞职,暂不离岗

蒙古国总统辞职,暂不离岗

新民周刊
2026-11-18 09:04:53
表哥借住我市中心房子备考,归还时收拾得干干净净还买了谢礼,直到我无意中看了电子门锁日志,才知道他50天里出入了200多回

表哥借住我市中心房子备考,归还时收拾得干干净净还买了谢礼,直到我无意中看了电子门锁日志,才知道他50天里出入了200多回

小秋情感说
2026-11-17 08:34:31
特朗普刚走,留守白宫的万斯,一谈到中国,表现出了总统的风范

特朗普刚走,留守白宫的万斯,一谈到中国,表现出了总统的风范

影孖看世界
2026-11-18 22:37:35
章泽天33岁香港生日宴,刘嘉玲和名媛林恬儿为她庆生,梁朝伟也在

章泽天33岁香港生日宴,刘嘉玲和名媛林恬儿为她庆生,梁朝伟也在

阿废冷眼观察所
2026-11-18 12:44:54
炸裂!女子收留19岁外甥女吃住在家,不料与丈夫发生关系还怀了孕

炸裂!女子收留19岁外甥女吃住在家,不料与丈夫发生关系还怀了孕

诗意世界
2025-07-30 18:39:13
新问界M8最怕的现实曝光了,配置不如27万的车,却敢卖到40万我沉默了!

新问界M8最怕的现实曝光了,配置不如27万的车,却敢卖到40万我沉默了!

春雨说科技
2026-11-16 13:42:13
山姆新店情报:签约12家,10家新开,4家招聘,9家在建

山姆新店情报:签约12家,10家新开,4家招聘,9家在建

新零售财经
2026-11-18 14:11:12
减仓幅度已创下二十年来最大

减仓幅度已创下二十年来最大

边际财经实验室
2026-11-18 19:56:02
远超比亚迪,暴赚3000亿!出口94万辆,这个国产汽车闷声发大财

远超比亚迪,暴赚3000亿!出口94万辆,这个国产汽车闷声发大财

莹莹的历史说
2026-08-22 07:36:52
中国政法大学教授刘纪鹏:A股36年涨3600点,问题出在哪?

中国政法大学教授刘纪鹏:A股36年涨3600点,问题出在哪?

江启
2026-11-18 12:45:18
换了一圈手机,为何最后还是回到三星?聊聊三星手机真实的优缺点

换了一圈手机,为何最后还是回到三星?聊聊三星手机真实的优缺点

叮当当科技
2026-11-18 04:43:03
2026-11-19 01:00:49
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

离职后首份声明!黄仁勋认错愿回归

头条要闻

“感谢中方特殊安排” 特朗普又带着高规格代表团来了

头条要闻

“感谢中方特殊安排” 特朗普又带着高规格代表团来了

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

主持人张泉灵被曝猛料,公司成老赖

财经要闻

黄仁勋留下的高分成绩单,能延续吗?

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

家居
数码
游戏
手机
公开课

家居要闻

2026建博会(广州) 公装联探展交流活动

数码要闻

铭凡5L台式机T5 Max-388上市:48GB + 1TB,到手价9699元

《GTA6》首个BUG出现 博主怒喷“2077首发”重演

手机要闻

2nm双芯悬案!vivo X Fold7不跟风阔折叠,先把散热账算明白了

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版