2026智元创新日,上千名科研伙伴、开发者、商业伙伴以及媒体参会,热闹非凡。而智元也在一天之内密集发布了物理AI价值的度量衡Worken、具身基座模型GO-3Preview、具身Agent框架GenieMaster和重载具身工业机器人精灵G2Max、操作系统灵渠OS1.0、具身智能大模型WITAOmni1.0等等新品。
会场之外,行业氛围却远没有现场这样热:最近一段时间,机器人公司停摆、融资市场放缓的消息不断传出,“具身智能要过冬”的说法悄然流传。资本市场担心泡沫,从业者担心洗牌,而客户也在问机器人的“惊艳演示”,到底什么时候能变成替自己干活的“持续作业”?
智元联合创始人、联席总裁、具身业务体系总裁姚卯青在与多家媒体沟通中,谈到了行业洗牌、谈数据泡沫、谈通用大模型会不会“降维打击”具身模型,也给出了一道判断行业是否真正跨过规模化节点的硬指标:1万台以上的机器人在工厂里稳定作业。
![]()
洗牌不是寒冬,是每个热门赛道的必经之路
媒体的提问很直接:机器人公司停摆、融资放缓,行业正在经历变动,未来会如何洗牌?留在牌桌上的,会是什么样的企业?
“这也不是机器人行业特定的周期、特定的阶段,每个行业尤其是大热的科技型赛道普遍客观规律都会有资本和人才的大量涌入,出现非常多同质性发展,到某一个阶段之后,又基于到真实落地过程发现的问题,需要相应的技术储备、资金储备、再收敛的过程,都会发生。”姚卯青说。
在他的判断里,谁能留下,答案藏在“以终为始”四个字里:“真正能够健康长期发展的话,需要在全链路具备把技术和产品转换为可以被衡量、生产力的技术。'可衡量'的意思是为客户提供的成功率、节拍、稳定运行周期、综合运营成本维度,能够切切实实为用户提高服务、作业的生产力价值。”
这与智元在本次创新日上提出的判断一脉相承:衡量机器人的标准,不再是能否完成一次令人惊叹的演示,而是能否在真实环境中7×24小时稳定作业,并算得清ROI。用姚卯青自己的话说,“演示考验的是单点能力的上限,但生产力考验的是系统的下限”。
对于“过冬”一说,姚卯青的体感并不焦虑:“资本市场跟产业也不是完全映射关系,也有情绪存在。但我们的投资人、股东大部分还是非常坚定地相信具身必须做也肯定会做成的一件事,在智元最近资本市场的动作里也没有说很难获取相应的支持,还是很容易。”
他反而觉得,行业内正在出现足以鼓舞从业者的利好:“大模型能整体看到对于System2能力的提升,RoboDoJo的榜单现在打得也非常火热,比我们预期实现GPT Moment会来得更快一些。”
留在牌桌上的资格:全栈与“可衡量”
淘汰赛的资格线是什么?姚卯青给出的第一个答案是全栈。
“全栈是我们在很多实践过程中发现它非常耦合的效应。在真正很多行业应用过程中发现第一关就是你有没有非常稳定的本体,这其实已经拦住了绝大多数具身公司能稳定运行,并且在多机运行的情况下有非常高的一致性,不会说每一台机器出厂还有标定、参数不一样,要特调一些东西。”姚卯青解释说,数据要从本体侧获取,与本体天然耦合;模型则有预训练、后训练、部署后持续学习再到场景落地的多个环节,需要跟应用场景做大量系统性集成和联调,“这些环节属于'木桶效应',缺一个很可能整个完整闭环落地无法快速推进下去”。
有人观察到,一些参赛队伍经过后训练,在实际自主操作时仍然节拍慢,泛化性强一点的场景只能靠遥操作。姚卯青认为,这还是全栈耦合的问题,但更关键的,是行业需要一套"可衡量"的部署标准。
“从量化指标来看,应该是看它多少人/天能够部署类似的场景,像做自动驾驶,大家现在也有很多做交付的解决方案商,做的好的可能是10个人3个月能搞一个车型,但效率低的可能要投100个人一年才能搞出一个车型。机器人也一样,是否能够通过体系化从训练、测试准出、软件发版、OTA、数据闭环、问题闭环、Issue回流这些平台工具链建设,让你能以更高的人效快速部署新客户、新场景是最关键的。”
这条路径已经在真实产线上跑通:今年3月,智元精灵G2在龙旗工厂平板测试上下料工位规模化投产并稳定运行,随后扩展至更多产线。姚卯青透露,从运维角度,智元研发团队已经从现场撤出,把基础软件运维移交给了龙旗团队,"现在还是很轻量化的运维状态"。而在龙旗之外,“现在3C电子里已经有超过3家其他企业跟我们在合作,有些也已经完成了并线的动作”。
数据:既是护城河,也是泡沫重灾区
具身智能的竞争,绕不开数据。过去一年,“百万小时数据”成了各家争相宣布的门槛,但数据的水分也开始浮出水面。
“低质量运营肯定是其中的一个问题,因为很多人可能有一些盲目地进入到过程中,会先按自己预设的场景、方式、设备、人员管理方式去采集构建自己所谓的库存。但是,真正被用户验收使用之后很多供给发现有效率比较低。这是为什么网上会有人说某某家今年上半年买了100万小时数据,最后只有10%、20%是能用的,这是事实,很多家还是在盲采。”姚卯青毫不讳言。
什么是低质量数据?他的描述很具体:“低质量数据有很多维度,比如场景是低质量的,叠衣服,甚至还有人在数采厂里格子间桌面上叠衣服的,这种就是场景。还有动作画面低质量,掉帧、过爆、手经常不在画面里。”此外,多摄像头之间没有做到毫秒级时间同步、无法还原精确的3D/6D轨迹,都会让数据"完全不可用”。
数据价格随之走向分化。“确实一些非常同质化、没有太多附加值的数据,比如单目、室内场景的裸手数据,尤其是家居叠衣服这些太容易获取了,也很泛滥,肯定价格会下行。”姚卯青说,“但对于细分真实场景的双目、触觉、手套、腕部相机数据的需求非常强劲,且支付能力也很强,因为市场上的供应商数量没有那么多,单一供应商整体交付能力上限也没有那么大,所以价格还是比较坚挺的。”
尽管泥沙俱下,姚卯青认为数据规模的爆发本身符合预期:“去年大家都在做VLA早期的时候谁有1万小时的数据都是非常牛的存在……到今年很多家公司都已经宣称到达了百万小时级别的数据规模,曲线增长非常符合预期。”他透露,已有模型公司“正在冲击千万小时的数据规模”,对高质量、真实场景物理数据的需求“还是非常强劲的”。
通用大模型“降维打击”?
GO-3 Preview发布后,一个绕不开的问题是:具身模型会不会被通用大模型“降维打击”?
姚卯青的回答很干脆:“通用大模型做了很多在仿真Benchmark上的测试,确实具备了Encounter learning以后在闭环任务上的闭环能力,但也有非常大的局限。首先,动作非常慢,人做30秒、1分钟的事情可能通过大模型一点点试可能要一个小时、两个小时才能有一定概率能完成,慢是一方面,另一方面会消耗大量Token。”
最后一公里你如果要让它做高动态、快速、涉及到力触和反馈控制的环节,我们测试大模型成功率基本完全是零,因为先天就不具备也没有学习过操作能力。”他说。
“在姚卯青看来,未来大模型会在System2层面帮助系统提升长程规划能力,但任何Agentic系统都是分层的,VLA训练出来的技能是分层系统里被调用的工具,往下还有100-1000Hz的实时电机控制层,“所有这些和本体、和任务都是非常耦合的”。
他打了个比方:“在物理世界也一样,如果你不在物理世界里针对某一个具体任务,比如说搭宜家的家具,没有海量组装类的数据,通用模型可能连Planning、Reasoning那一层都不能做得很好。”
至于行业何时真正跨越规模化部署的节点,姚卯青没有给出唯一定义,但划出了两条硬线:“一是部署效率,二是全行业至少在中国什么时候能看到1万台以上的机器人在工厂里稳定作业、长时间作业,这是对于整个行业来讲重要的里程碑拐点。今年工博会的时候,上海也在说要积极推动8000台机器人进真实产业做落地,确实过万台对工业品类来讲是非常里程碑式的意义。”
在他的描述里,规模化的另一个标志是行业里的玩家“能够从中受益,而不是低质量做价格战”。
“如果大家都能在里面获得相对合理的利润,能够健康发展,这标志着这个行业已经进入到了可以规模化的阶段。”
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.