具身智能的“反共识”：为什么必须先“去通用”才能“真通用”？

独角兽早知道 iponews

｜资讯撬动新资本｜

近日，在商汤善惠SenseMart OS发布会的圆桌论坛上，商汤善惠CTO刘恒一抛出了一个尖锐的问题：垂直场景与通用场景，究竟谁先到达Physical AGI？

零次方机器人创始人兼CEO闵宇恒、大晓机器人研发副总裁刘春晓、大咖机器人联合创始人兼CTO徐文强、深圳九天元枢科技联合创始人兼CEO许伟胜的回答，共同指向了一条与行业主流叙事截然相反的路径：在具身智能的早期阶段，企业必须先进入具体行业和具体任务，在真实场景中建立生产力，再通过数据积累和技能迁移，逐步形成垂直领域内的通用能力。

当许多公司还在展示机器人翻跟头、开冰箱的“全能”演示时，这批务实的创业者已经转向了更朴素的问题：机器人今天能在哪个真实的商业场景里，把一笔订单的账算平。闵宇恒的总结一针见血：“每一个细分行业的垂直领域玩家，最终才有机会去竞争通用的果实。”

综合 | 商汤善惠 编辑 | Echo

本文仅为信息交流之用，不构成任何交易建议

数据鸿沟：

“先垂直”是物理约束，而非战略偏好

选择垂直场景，首先是一个关于数据的物理约束。

大语言模型能有今天的能力，靠的是互联网上万亿级的文本数据。但机器人学“干活”，需要的是力觉、触觉、物体硬度、滑动摩擦等真实的物理交互数据，这些数据互联网上并不存在，只能靠在真实场景中一点点采集。

闵宇恒的解法非常直接：“一边赚钱，一边赚数据”。零次方最初的目标是进入家庭场景，但团队算过一笔账：中国每个家庭每年新增的SKU只有100到200个，而全球每年新上架、认证的商品差不多有1.5亿种。“这个数据的鸿沟意味着，要不然就需要进入几百万个家庭，才能把这些数据分布完；要不然，就去商品可能买得到的地方。”测试结果显示，通往家庭场景“差值最小”的路径是零售整理，而清洁至少需要全公司两年投入才可能有回报，零售整理这条线大概只要半年。

选择垂直场景，本质上是在数据的稀缺性和获取成本之间，找一个商业上可持续的平衡点。在一个真实的便利店里，每一笔抓取都有明确的成功或失败反馈，这些“带着结果的数据”是仿真环境和实验室演示无法替代的。

从“伪通用”到“真通用”：

垂直场景是能力进化的必经阶梯

闵宇恒提出过一个三阶段框架：“伪通用”—“去通用”—“真通用”。

“伪通用”是在精心布置的演示环境中表现出的有限泛化能力，一旦面对真实世界的光照变化、桌面杂物、突发干扰，便会迅速失效。真正通往通用能力的路径，不是直接训练一个“什么都能做”的模型，而是主动收敛场景，在可复制的商业环境中，以极高的鲁棒性解决真实问题。只有把多个“去通用”的垂直场景深度融合，才能真的走通“通用之路”。

这个逻辑在垂直场景中得到了验证。零次方聚焦商超拣货等垂直商业场景，已在全国20余个地标场景完成验证，成功跑通“以商业闭环锻造真通用”的路径。

刘春晓则从工程落地的角度提出了三个必须回答的问题：场景泛化（不同便利店布局不同）、持续作业能力（从下单到拣选、打包、交付的整条流程闭环）、规模化一致性（单店表现好不代表多店推广后系统仍然一致）。这三个问题，没有任何一个可以在实验室里被完整回答。

许伟胜的工业场景实践为“垂类通用”提供了更具体的注脚。九天元枢选择工业，不是因为工业场景简单，而是因为现场存在明确的痛点：许多非标、接触密集的任务仍依赖人工，传统自动化需要大量产线改造。工业场景的价值在于，它能让机器人直接面对真实的生产指标，让客户看到明确的投入产出关系。在此基础上，泛化才成为可能。

行业正在形成的“三步走”共识

垂直场景优先，并非某一家公司的孤例判断。在2026年的多个行业论坛上，一条“三步走”的落地共识正在浮现：先搞定单个场景闭环，把投入产出账算明白；再作标准化复制，批量推广；最后变成常态化的运营服务。

大晓机器人发布的“晓满”“晓新”“晓途”三套行业方案，分别对应即时零售、酒店洗衣和户外开放场景，走的就是这条路径。大咖机器人CTO徐文强带队研发的两仪具身世界模型，也选择先在泛零售、泛物流等高价值场景中完成百台级交付和规模化部署。

商汤善惠的SenseMart OS则提供了一个系统层的参照：以烧卖购机器人小店为载体，在全国20余家门店落地，覆盖学校、商场、产业园区、景区等多元场景，单店人力仅0.2至0.3人，一人可支持3至5家门店运营，最快15秒完成一笔订单。系统已沉淀30万种商品的2D与3D建模资产，商品识别业务每日处理150万至200万笔订单。这些数据意味着，零售场景不仅跑通了商业闭环，还在持续产生可用于模型迭代的真实交互数据。

从“伪通用”到“真通用”，中间的桥梁不是更大的模型参数，而是一个个被跑通、被算平、被复制的垂直场景。闵宇恒的“去通用”判断，本质上是在承认一个工程现实：物理世界的复杂性，无法被一次性建模。许伟胜在工业场景中的实践进一步说明，通用模型并不能直接拿来解决所有问题，真正的能力是在一个具体工厂中按照工业标准完成人工替代后，再逐步提炼和迁移出来的。

这条路看起来比“通用具身智能”的叙事更慢、更窄，但在数据鸿沟仍然以数量级计算的当下，它可能是唯一一条把Demo变成生意的路。垂直场景是起点，真实生产是验证，技能迁移是路径。真正的通用，不是机器人一开始什么都会，而是它能够在进入新场景时，更快理解任务，更快完成适应，并把过去积累的能力带到下一个真实世界。

注：本文素材来源于互联网公开渠道，如有侵权请联系删除。内容所述仅代表个人观点，不作为指导依据，据此操作风险自担！

【公司回顾】

好文！别忘点“推荐”