中科第五纪刘年丰：具身智能没有GPT时刻 | AI奇点录

编辑

具身智能有属于自己的"GPT时刻"吗？当行业还在追逐世界模型、押注人形本体时，为什么中科第五纪偏偏先扎进工厂？工业场景之外，这家公司眼中真正的护城河又是什么？

文｜孟雯

出品｜奇点研究社

最近两年，具身智能领域最热衷的叙事，就是寻找机器人的GPT时刻。

有人期待世界模型，有人押注VLA，有人相信Scaling Law会继续生效。市场也在不断强化这种期待。

2026年过半，行业融资超过900亿元，宇树IPO注册获批，智元机器人交付突破15000台……资本、技术、产业似乎都在证明，一个属于机器人的GPT时刻正在逼近。

对于这些判断，中科第五纪创始人兼CEO刘年丰认为，它们代表着行业对技术演进方向的积极探索，也具备充分的前瞻性，但结合中科第五纪过去两年在工业场景的落地实践，他分享了另一种观察视角。

“具身智能没有GPT时刻。”

在他看来，大语言模型之所以迎来ChatGPT的爆发，是因为互联网数据、算力、训练管线等基础设施早已成熟，Transformer只是完成了最后一块拼图，才使得其完成了指数级跃迁。

机器人却不是。

今天具身智能最核心的基础设施——真实世界里、真机跑出来的交互数据几乎还是一片空白。中科第五纪青年首席科学家、中科院自动化所研究员黄岩补充道，相比大语言模型已经拥有百亿、千亿级的数据规模，当前整个具身智能行业积累的真机数据仍只有千万级以内，二者之间相差三到五个数量级。没有海量真实数据打底，再先进的模型也很难获得真正的泛化能力。

因此，相比追逐"GPT时刻"，刘年丰更关心如何让机器人进工厂，把活干好。公司首席运营官、商业化负责人曹恩华则用“以人为本”做了进一步解释，工业场景不仅拥有明确的商业回报，也是机器人最容易创造真实价值的地方。

工厂里大量重复、高危、单调的岗位，本就存在强烈的替代需求，让机器人承担这些工作，不只是为了提升效率，也是为了把人从重复劳动中解放出来。

料箱搬运、上下料、冷媒检测、电力巡操等重复性、高危性的工业操作是中科第五纪目前几大主要落地场景，原因简单且务实，ROI可以测算，客户付费意愿明确，更重要的是，机器人能够持续获得真实场景的数据，形成模型迭代的闭环。

真实环境里多样化、亲身体验实践出来的数据，是当下具身智能行业最稀缺、也最重要的基础设施。

成立仅两年，中科第五纪已连续完成多轮融资，同时拿下海外多家头部企业数亿元订单。

即便如此，在刘年丰看来，具身智能行业依旧很新，“虽然客户足够多，但目前还没有哪家公司能够真正大规模交付”，市场处于“供不应求”的建设初期，谈竞争也为时尚早。

作为头部本体公司的“大脑”供应商，刘年丰认为他们之间更像合作伙伴，而非零和博弈。哪怕只看工业场景，全球也是一个以亿级劳动力计的庞大市场。不同企业各自扎进不同的细分场景，整个行业把供给能力做起来，比抢占市场份额更重要。

以下为奇点研究社与刘年丰的对话实录，经编辑修改：

编辑

具身智能没有GPT时刻，数据稀缺是最大痛点

1、外界看你们既是头部机器人本体公司的大脑供应商，又自己做轮式双臂整机，你们属于大脑派还是全栈派？

刘年丰：我们看似既做轮式又做大脑，本质上还是个大脑公司。"客户购买机器人，不是因为它长得像不像人，或者外形有多特别，而是因为它是否能完成任务。这个‘能干活’的能力，核心就是大脑。"

历史上很少有公司纯靠硬件做到头部，都需要“软硬一体”，比如华为的“大脑”加上赛力斯的整车制造，苹果的iOS系统加上中国的硬件供应链，硬件不能成为短板，但也很难成为长板。

纵观中国具身大脑公司，也很少有不做硬件的，尤其在早期行业没那么成熟时，一定是自己的本体加自己的大脑更适配。

2、第一款产品为什么选轮式双臂，而不是当下更火的人形？

刘年丰：我们的长期方向是工业。工业现场最看重的是成本、稳定性、可靠性和可维护性。现阶段，在很多工业任务里，轮式双臂相比人形机器人更适合交付，也更容易形成可测算的ROI。

我们不是不看好人形，而是认为产品形态要服务于任务。客户要的是机器人把活干好，而不是一定要长成人的样子。

3、行业对“现阶段具身智能的主要矛盾是什么”存在分歧，有人认为是架构瓶颈，有人认为是端侧推理效率，有人认为是软硬件的耦合，您怎么看？

刘年丰：数据稀缺就是具身领域的主要矛盾，剩下都是次要矛盾。成熟的创业者要去抓主要矛盾，而不是解决一堆次要矛盾，主要矛盾没解决，次要矛盾就没有价值。

4、如何解决数据稀缺这一最大痛点？

刘年丰：先回答什么样的数据对机器人最重要？不是仿真数据，不是Ego-centric Data，也不是数采场采集的数据，一定是真实环境里多样化、亲身体验实践出来的数据。

"你看视频就能学游泳吗？看一万遍不下水，依旧学不会。"

就像十年前搞无人驾驶，单纯搞100万小时Ego的车数据，或者在仿真里搞一亿小时数据，并不能做出无人驾驶，只有那台车真正跑出来的数据，才有价值。

真机数据、真实场景、真实发生的数据，是最宝贵、最有价值的。我们的技术优势就是能发掘这些数据并高效利用。

只有让机器人进到真实场景里去拿，核心前提是商业化，你得让机器人进入真实场景，让它一边干活一边采数据，再用这些数据反哺模型。

所以我们强调少样本能力，机器人先快速上线，达到一个可用水平，然后在真实场景里持续学习，在“干中学”。

4、您认为具身智能何时迎来"ChatGPT时刻"？

刘年丰：具身智能没有GPT时刻。大语言模型之所以有GPT时刻，是因为数据、算力、管线等基础设施完善，只是忽然发现Transformer这种新架构比以前好了很多，才实现“智能涌现”。

但具身智能最核心的基础设施——真实场景真实数据——几乎为零。它是线性的、或者非线性的连续成长，无法跃迁。即使有资本想通过免费投放抢占数据入口，也因技术路线未收敛而难以为继，只能一步一个脚印慢慢做。

5、具身智能都有哪些技术路线？

刘年丰：现在引入的世界模型架构，还包括一些强化学习的路线。行业里有很多路线，具身智能不会只由单一技术路线解决，它一定是一套系统能力。

比如Action Model解决什么问题，强化学习解决什么问题，什么样的架构解决泛化问题，什么样的架构解决安全性问题，什么样的架构解决可靠性问题……只有等这些模块都有进展之后，才会到"大一统"的时候。

大家对模块认知不同，路线各异，看起来行业充满了非共识。但非共识不是坏事。

“非共识才有机会。全是共识就没机会了，谁钱多谁赢”

编辑

现在谈竞争，为时尚早

6、现在很多大脑公司也在自己做整机，本体公司也在自研大脑，您如何看待当下具身智能的竞争格局？

刘年丰：今天谈具身领域的竞争为时尚早。首先，行业还没有成熟到真正大规模竞争的阶段。其次，具身智能面对的是一个非常大的市场。哪怕只看工业场景，全球范围内也有大量重复性、高强度、高风险的工作需要被机器人替代或辅助。

今天真正的问题不是需求不够，而是供给能力不足。客户很多，但行业内能够稳定、大规模、可复制交付的公司还非常少。

所以我们和很多头部本体公司之间，更像是合作关系，它们在硬件、本体、场景上都有很强的能力，我们也需要产业链伙伴对我们的认可。具身智能市场足够大，不同公司可以切入不同场景。现阶段，把行业整体供给能力做起来，比争论谁抢了谁的客户更重要。

7、工业客户买单的决策逻辑是什么？更看重部署成功率、速度、还是投产比？

刘年丰：都要关注，机器人首先是个商品，客户最终看的还是能不能解决问题。但因为机器人还是一个“新事物”，客户在早期对价格容忍度会高一点，前提是你要证明它真的有价值。

"说到做到"是交付的关键。我们强调“少样本”快速启动，本质也是为解决交付时间长的问题。机器人进入现场后，不能等很久才可用。它需要一开始就能快速达到80%、90%的水平，快速符合客户诉求。

编辑

榜单只是能力验证，交付才是关键

8、你们的Bridge V2W世界模型能让机器人“预演未来”，这个技术在工业场景的核心价值是什么？工业场景对安全性的要求到什么程度？

刘年丰：我们是首个把世界模型引入到安全性评估的公司。

团队早在2019年就开始做VLN（基于视觉语言的导航），2013年，我们整个团队便在做多模态相关的事情。包括去年、前年开始做的小样本工作，也引领了行业潮流，包括斯坦福大学李飞飞团队在具身智能研究“Dream2Flow”中，很多工作也有引用我们团队研发的EC-Flow技术。

你会经常看到网上机器人倒地抽搐、干着干着活好像掉线了，这其实是执行之前，没有引入预判机制。这里就要引入世界模型的能力，给它一个Action List，它能想象出动作会是什么样子，预判这一分钟内的表现，对产线或人有没有伤害、是否危险，我认为这个能力需要引入到整个具身智能工业场景体系里。

9、人在环路强化学习，在工业场景里怎么落地？需要多少人工干预？

刘年丰：它其实不是需要人工干预，这是我们提的一个范式。机器人到厂里工作，很难确保它百分之百不出问题，即使引入世界模型做安全性评估，也需要对不同任务设定不同风险阀值。

普通物品和贵重物品，对风险的承受能力是不同的。普通物品可以容忍一定误差，但高价值物品一旦出现异常，损失可能就很大，所以系统必须把风险阈值设得更低。超过阈值就预警，选择人工干预，把人的能力和经验参与到机器人的工作中。

人既然帮助机器人了，那能不能把人帮助机器人的这一段能力提到模型里去？这就是引入人在环路强化学习——机器人干80%的活，20%是人帮他干的，那20%的东西一定要补进到模型能力里，不然就没有任何价值。

10、今年4月拿下WorldArena榜单总分全球榜首，7月又斩获CVPR2026冠军，它们和真实工厂落地的相关性有多高？

刘年丰：我们其实没有太多时间和精力去“打榜”，拿冠军只代表我们的基础模型能力很强。

榜单考验的指标，和工厂老板真正关心的指标并不完全一样。真实工厂更关心稳定性、安全性、部署周期、维护成本、ROI，以及机器人能不能持续干活。

榜单和落地之间虽然有gap，但还不至于到鸿沟，所以落地的版本模型肯定要做很多调整和优化。

对我们来说，比赛成绩只是能力的一种验证，真正重要的，是理解场景、适配任务，并把工程能力做扎实。

11、最近两三年的目标是什么？判断落地场景有哪些考量因素？

刘年丰：第一个目标是实现通用的搬运机器人——全世界任何需要搬东西的，都可以用我们的机器人，全世界有几千万人都在干这件事：料箱转运、快递搬箱子、各种纸盒、装卸工……我们要做料箱搬运这个场景里最通用的大脑。

在选择落地场景时，我们会考量多种因素，包括落地交付的ROI、客户付费意愿、工种对人的危险程度等。

12、有没有哪些场景是永远不会做的？

刘年丰：现在很难讲什么场景"肯定不会做"，只能讲什么场景我们现阶段"肯定会做"。在工业里，很多事情从长期看都可以由机器人完成，只是受限于时间和数据，今天做不到，未来一定都能做到。

就像做家庭场景，它不是做不到，而是需要更长时间，我判断家庭场景真正成熟可能需要十年左右。创业公司不能去做研究院做的事，研究院可以研究十年后甚至五十年后的东西，公司必须研究两三年内能落实的东西。

13、如何看待AI时代下的组织形态、团队建设与人才培养？

刘年丰：AI对企业组织是极大的效率加速器。比如Web Coding，写代码的人以前干一个月的事现在三天就能做出来，但你一定能把这个人取代掉吗？不能，核心判断还是要自己来。

14、具身领域什么样的人才最难招？

刘年丰：底层的模型能力的人才最难招。具身智能行业比较新，"纯血具身智能"的相关人才，可能都还没博士毕业。行业虽然有很多自动驾驶的人转去做具身智能，但自动驾驶的人强在数据管线、成熟体系，对本体、交互、力和空间的理解，还是有欠缺。

15、未来企业做到什么规模或取得什么成绩，在你眼里算成功？

刘年丰：别人提及中科第五纪，觉得我们是个靠谱的公司，在我眼里就算成功。

采访后记

我曾三次到访中科第五纪位于北京的总部，三次感受始终如一：没有追逐风口的热闹，只有交付节点的倒计时。

中科第五纪青年首席科学家、中科院自动化所研究员黄岩是典型技术人的严谨，会放慢语速、用多种表达方式给我这个技术门外汉讲清楚技术路线的核心；公司首席运营官、商业化负责人曹恩华谈及拿下海外头部客户时语速飞快，骄傲几乎要溢出来，但话题一转，又会立刻掰着手指算部署周期。两个人风格迥异，却共享同一种气质：聊起"落地"时眼里有光。

CEO刘年丰更甚。采访安排在下午三点，他在与我交谈的间隙才匆忙吃上今天的第一顿饭。我感叹创业不易，他笑着说："这样可以减肥，挺好。"这种近乎松弛的自嘲让我印象深刻。

如今中科第五纪的北京总部已有上百人，涵盖模型、硬件、研发等多个部门，组织管理和交付的压力一天比一天重，但他们激情不减。

比起描绘十年后机器人的形态，这个团队更热衷讨论的是多久完成部署、客户什么时候能上线。

当整个行业都在等待一个"时刻"的降临时，中科第五纪选择把“每个当下走好”。

不追热点、不画大饼，用真实数据喂养模型，用履约能力赢得信任，用"靠谱"构筑穿越周期的护城河，这或许就是他们找到的“成功之路”。