過去一年，具身智能及人形機器人領(lǐng)域，既有草根團隊投身其中，也有商湯科技這樣的頭部玩家強勢下場。不管哪種力量入局，都繞不開規(guī)?；慨a(chǎn)與體系化運營的支撐。

“我們的團隊并非盡善盡美，仍有諸多短板亟待補強，要想在這一領(lǐng)域站穩(wěn)腳跟，需要多維度的綜合能力?！鄙虦萍悸?lián)合創(chuàng)始人、執(zhí)行董事、大曉機器人董事長王曉剛在大曉機器人首場品牌發(fā)布會期間，接受《汽車觀察》等媒體采訪時說道。

這份對綜合能力的深耕，正轉(zhuǎn)化為大曉機器人實打?qū)嵉募夹g(shù)突破與產(chǎn)品落地：率先發(fā)布行業(yè)首創(chuàng)的ACE具身研發(fā)范式、發(fā)布首個開源且商業(yè)化應(yīng)用的世界模型——開悟世界模型3.0、發(fā)布具身超級大腦模組A1……

每一項成果都精準錨定具身智能核心痛點，得益于大曉機器人構(gòu)建了一套從“環(huán)境式數(shù)據(jù)采集-開悟世界模型3.0-具身交互”的全鏈路技術(shù)體系，有效解決行業(yè)數(shù)據(jù)荒、常識差、泛化難和通用性不足等問題。

產(chǎn)學研天團坐鎮(zhèn)，11年積淀賦能

去年12月，王曉剛正式入選工信部人形機器人標準化技術(shù)委員會，牽頭推進我國人形機器人行業(yè)標準體系建設(shè)。目前看來，具身智能標準體系建設(shè)存在哪些難點？從企業(yè)視角轉(zhuǎn)向國家頂層設(shè)計視角，看待行業(yè)發(fā)展有何不同？

王曉剛對《汽車觀察》強調(diào)，人形機器人產(chǎn)業(yè)仍處于發(fā)展早期，亟需提供標準指導，同時標準化建設(shè)也需要全行業(yè)協(xié)同推進，目前難點主要集中在三方面。

一是數(shù)據(jù)共享標準缺失，企業(yè)間數(shù)據(jù)無法互通，造成大量重復(fù)工作；二是安全責任與法規(guī)空白，機器人進入家庭后可能會存在安全隱患，但相關(guān)責任界定、法律法規(guī)尚未明確，需要通過技術(shù)手段和質(zhì)量要求規(guī)避風險；三是質(zhì)量標準亟待完善，當前多數(shù)機器人難以實現(xiàn)兩年保質(zhì)期。

在王曉剛看來，具身智能是一條需要長期投入、持續(xù)創(chuàng)新的賽道，并非依靠單點突破就能成功。為此，在組建團隊時，王曉剛特意融合了由高校教授領(lǐng)銜的科研團隊，以及具備豐富產(chǎn)業(yè)化落地經(jīng)驗的執(zhí)行團隊。

尤其是大曉機器人首席科學家陶大程，兼具頂尖學術(shù)造詣與深厚產(chǎn)業(yè)實踐積淀。在學術(shù)領(lǐng)域，作為澳大利亞科學院院士與歐洲科學院外籍院士“雙院士”，陶大程持續(xù)推動人工智能基礎(chǔ)研究的邊界拓展；在產(chǎn)業(yè)實踐中，陶大程曾出任京東探索研究院創(chuàng)始院長、優(yōu)必選人工智能首席科學家，深度參與過科技公司技術(shù)戰(zhàn)略布局與產(chǎn)品落地實踐。

除世界級AI科學家陶大程外，大曉機器人還匯集了一批全球稀缺的AI領(lǐng)域前沿科學家：呂健勤、李鴻升、劉子緯、潘新鋼、趙恒爽、劉?；?，這些來自南洋理工大學、香港大學和香港中文大學的科技人才，均是環(huán)境智能、世界模型、具身模型領(lǐng)域的開拓者（參數(shù)丨圖片），同時也是全球頂尖AI實驗室MMLab的核心成員，助力大曉機器人搶占技術(shù)制高點。

“客戶得知我們?nèi)刖志呱碇悄苜惖篮?，普遍抱有較高期待，因為他們認可我們對應(yīng)用痛點的把握能力?！蓖鯐詣偙硎?，商湯科技深耕人工智能領(lǐng)域11年，具備獨特優(yōu)勢，對行業(yè)應(yīng)用場景的理解足夠深入；并提前布局具身智能領(lǐng)域，涵蓋本體、零部件和觸覺傳感器等，為大曉機器人供應(yīng)鏈奠定良好基礎(chǔ)。

以方舟平臺為例，十年前商湯科技就積累了豐富的場景運營經(jīng)驗。如今，機器人成為移動終端，本質(zhì)上的應(yīng)用需求痛點并未改變。入局具身智能賽道后，可以快速捕捉核心需求，將機器人與方舟平臺深度融合，而這正是商湯科技區(qū)別于其他參與者的顯著優(yōu)勢。

三代AI躍遷，倒逼ACE范式革命

AI 1.0人工標注時代，包含1400萬張圖像、覆蓋數(shù)萬個類別ImageNet數(shù)據(jù)集，若由單人全職完成全部標注，需長達10.5年。

AI 2.0大語言模型時代，數(shù)據(jù)規(guī)模實現(xiàn)指數(shù)級躍升，以Common Crawl為代表的互聯(lián)網(wǎng)文本數(shù)據(jù)集，讓單人全職進行原創(chuàng)撰寫需超過12萬年才能完成。

AI 3.0具身智能時代，行業(yè)面臨數(shù)據(jù)量級的斷崖式缺口。以智能駕駛為例，特斯拉FSD V14在世界模型仿真器的加持下，每日訓練量相當于人類駕駛員400萬小時，約等于500年的駕駛經(jīng)驗，但當前具身智能領(lǐng)域的真機數(shù)據(jù)量級僅為10萬小時。

懸殊差距表明：具身智能研發(fā)無法延續(xù)傳統(tǒng)路徑，必須實現(xiàn)范式上的根本性革新，才能突破發(fā)展瓶頸。

而“以機器為中心”的研發(fā)范式，根本局限性在于將機器人本體及其硬件參數(shù)置于研發(fā)流程的核心，本質(zhì)上是用極高的資源消耗換取有限且僵化的智能，實則是讓人去適配和遷就機器的多樣性。

這一路徑導致數(shù)據(jù)采集成本高昂、效率低下，且產(chǎn)出的技能模型嚴重綁定于特定硬件，相當于把“智能”禁錮在單一軀殼內(nèi)，無法形成通用的認知與適應(yīng)能力，成為行業(yè)向規(guī)?；?、通用化發(fā)展的關(guān)鍵障礙。

基于以上原因，特斯拉和Figure AI放棄了此前依賴的真機遙操路徑，轉(zhuǎn)而探索純視覺學習方案，希望機器人通過觀看海量視頻，直接學習人類動作與智慧。但這種學習方式缺乏對三維物理世界力學規(guī)律、物理屬性和動作意圖的理解，難以逾越現(xiàn)實鴻溝。

上述兩種路徑，均無法理解人類所處世界的物理規(guī)律和人類行為的因果一致性，前者是“為難人”，后者是“為難機器”。困局面前，大曉機器人徹底顛覆傳統(tǒng)邏輯，率先發(fā)布了“以人為中心（Human-centric）”的行業(yè)首創(chuàng)ACE具身研發(fā)范式，為具身智能行業(yè)帶來四大核心數(shù)據(jù)價值。

其一，數(shù)據(jù)維度更全面，現(xiàn)已完成超10個視角、8種模態(tài)和4大類物品屬性的多模態(tài)數(shù)據(jù)升級，實現(xiàn)全要素覆蓋；其二，任務(wù)覆蓋更長程，支撐分鐘級、數(shù)百種原子動作的復(fù)雜任務(wù)；其三，交互精度更高，達到亞像素級標準，可精準追蹤人手精細化操作等復(fù)雜動作；其四，采集效率更具規(guī)?；?，能快速完成從十萬小時到千萬小時的海量數(shù)據(jù)積累。

填平數(shù)據(jù)鴻溝：環(huán)境式采集VS遙操采集

相較于遙操采集，環(huán)境式數(shù)據(jù)采集能降低多少成本？數(shù)據(jù)質(zhì)量能提升多少？據(jù)悉，ACE具身研發(fā)范式中環(huán)境式數(shù)據(jù)采集可實現(xiàn)一年千萬小時的數(shù)據(jù)收集，加之開悟世界模型3.0不斷放大的真實數(shù)據(jù)價值，能夠使其達到上億小時數(shù)據(jù)規(guī)模。

首先，環(huán)境式數(shù)據(jù)采集成本更低、效率更高。遙操采集需采購單價數(shù)十萬元的機器人，硬件投入成本較高，同時還需投入專人開展實驗室采集工作，人力成本也不低；而環(huán)境式數(shù)據(jù)采集無需額外硬件與專職人力，即可完成數(shù)據(jù)采集，實現(xiàn)數(shù)倍效率提升。

且隨著數(shù)據(jù)采集規(guī)模的擴大，環(huán)境式數(shù)據(jù)采集所用的傳感器、AI眼鏡等設(shè)備均為成熟量產(chǎn)產(chǎn)品，成本具備下降空間；而遙操采集所依賴的機器人，目前尚未形成規(guī)模化量產(chǎn)，成本很難降低。

其次，環(huán)境式數(shù)據(jù)采集具備更強的可復(fù)制性。以閃購倉場景為例，工作人員只需佩戴采集設(shè)備，正常作業(yè)即可完成數(shù)據(jù)采集，無需額外搭建實驗室或配備專職團隊，這種模式可快速進行規(guī)?；瘡?fù)制，為行業(yè)帶來根本性技術(shù)革新。

“正因如此，我們的數(shù)據(jù)采集規(guī)模才能實現(xiàn)兩個數(shù)量級的跨越，從原本的十萬小時突破至千萬小時?！蓖鯐詣傇诳偨Y(jié)環(huán)境式數(shù)據(jù)采集優(yōu)勢時指出，更多人員能便捷參與采集過程，是規(guī)?；暮诵那疤?。這一點與自動駕駛領(lǐng)域的特斯拉類似：特斯拉依托數(shù)百萬輛量產(chǎn)車，通過司機日常駕駛同步完成數(shù)據(jù)反饋與采集，若依賴自建采集車隊，絕無可能達到如此龐大的數(shù)據(jù)規(guī)模。

開源并非降低收益，而是促成技術(shù)適配

世界模型較早應(yīng)用于智能駕駛領(lǐng)域，如今又延伸至機器人領(lǐng)域，如何看待世界模型與強化學習在機器人領(lǐng)域的作用？實際上，強化學習與世界模型的結(jié)合在自動駕駛領(lǐng)域已有實踐，特斯拉最新自動駕駛研發(fā)路線就是引入了世界模型與強化學習的融合方案。

“二者并不矛盾。強化學習需要高度逼真、場景豐富的仿真環(huán)境，而世界模型正是一個強大的仿真器?！蓖鯐詣倧娬{(diào)，這一邏輯在機器人領(lǐng)域同樣成立，誰擁有優(yōu)質(zhì)的世界模型，誰就能更好地發(fā)揮強化學習的作用。

在此背景下，大曉機器人發(fā)布首個開源且商業(yè)化應(yīng)用的世界模型——開悟世界模型3.0，并形成了跨本體的統(tǒng)一世界理解框架，現(xiàn)已面向全行業(yè)開源。

開放API，意味著所有企業(yè)都可以使用開悟世界模型3.0工具鏈，一方面推動了各類具身智能產(chǎn)品的快速涌現(xiàn)，但另一方面也意味著收益降低，如何平衡生態(tài)開放與商業(yè)化收益問題？王曉剛給出答案：依托云服務(wù)平臺和開源生態(tài)兩大板塊協(xié)同布局。

首先，打造集創(chuàng)作、分享于一體的云服務(wù)產(chǎn)品平臺。用戶使用該平臺算力與存儲資源，會產(chǎn)生相應(yīng)的付費，憑借成熟的產(chǎn)品化能力，定能吸引大量用戶，使其成為商業(yè)化收益的核心來源之一。目前，大曉機器人已與商湯大裝置、騰訊云、火山引擎、商湯方舟、算豐信息等平臺構(gòu)建全流程支持體系，借助云服務(wù)商的算力調(diào)度能力，降低中小廠商的研發(fā)成本。

其次，開源并非與商業(yè)化相悖，而是為了推動技術(shù)適配與生態(tài)共建。開源可以讓開發(fā)者更便捷地開展軟硬件適配工作，就像DeepSeek開源后極大便利了國產(chǎn)芯片適配度一樣，開悟世界模型3.0也能從中收獲諸多反饋與合作機會。更重要的是，開源所帶來的廣泛用戶參與，有助于獲取海量的數(shù)據(jù)反饋、積累豐富的場景數(shù)據(jù)，最終反哺開悟世界模型3.0快速迭代。

英偉達芯片時代，模型無需過多適配就能流暢運行；但隨著國產(chǎn)芯片的發(fā)展，亟須有影響力的模型來做適配支撐。在與芯片公司合作過程中，王曉剛發(fā)現(xiàn)各家頂層架構(gòu)及配套軟件差異顯著，形成了很高的技術(shù)壁壘，導致優(yōu)化工作效率低下。如果依托開源生態(tài)聯(lián)合開發(fā)，就能大幅提升聯(lián)合優(yōu)化的效率，從而降低技術(shù)壁壘。

所以，大曉機器人選擇開放模型，目前開悟世界模型3.0已與沐曦股份、壁仞科技、中科曙光、輝曦智能、影微創(chuàng)新等多款國產(chǎn)芯片完成適配。相比模型與底層架構(gòu)均不開源的模式，這樣的做法能極大改善技術(shù)溝通與迭代演進的效率。

“一款有廣泛影響力的開源模型，對芯片企業(yè)的價值不言而喻，尤其在國產(chǎn)化芯片成為未來主流趨勢的背景下，開源的價值會進一步凸顯?！蓖鯐詣偙硎?，很多國產(chǎn)芯片公司上市后估值大漲，背后正是優(yōu)質(zhì)模型的支撐作用，而大曉機器人的開源策略正是瞄準這一產(chǎn)業(yè)機遇，通過生態(tài)影響力反哺商業(yè)化價值。

世界模型進化方向：從理解、生成到預(yù)測

在已積累海量數(shù)據(jù)的當下，世界模型的能力邊界在哪里？未來的拓展方向又是什么？“目前還只是起點，能夠提供的數(shù)據(jù)和可觸達的場景都十分有限，而這正是大曉機器人推出開悟世界模型3.0并將其開源的原因?！蓖鯐詣?cè)缡钦f道。

作為行業(yè)首個“多模態(tài)理解-生成-預(yù)測”的世界模型，開悟世界模型3.0集成文生世界、像驅(qū)世界、跡塑世界等多模態(tài)生成能力，內(nèi)置支持11個大類、54個細類，共計328個標簽，覆蓋115個垂類具身場景，不僅能理解物理世界因果規(guī)律，還能生成長時動靜態(tài)交互場景，進而預(yù)測萬千可能。

“覆蓋更多場景與人類動作，恰恰是我們的目標，這一目標能否實現(xiàn)，關(guān)鍵在于技術(shù)范式是否具備可拓展性。”王曉剛指出，用戶的使用過程其實就是持續(xù)豐富場景庫的過程，必然會推動世界模型的能力邊界與實際應(yīng)用場景的迭代式協(xié)同拓展。

隨著世界模型的演進，機器人的能力進化將經(jīng)歷哪些關(guān)鍵階段？王曉剛總結(jié)了兩點：首要變化是世界模型將顯著提升機器人對物理世界的理解能力，實現(xiàn)此前VLA架構(gòu)難以完成的復(fù)雜長程任務(wù)；其次變化是機器人的任務(wù)泛化性也將迎來突破。

但訓練通用大腦所用的數(shù)據(jù)來自不同人類與場景，要想將這些數(shù)據(jù)適配到機器人身上，存在明顯的跨本體鴻溝，如何彌合這一技術(shù)鴻溝？王曉剛解釋道：“世界模型分為多個層次，并非一開始就單純依賴人類行為數(shù)據(jù)，而是在底層注入大量物理規(guī)律。正因如此，模型才具備了思維鏈能力，若不依托物理規(guī)律，僅靠傳統(tǒng)VLA方式是無法完成的?！?/p>

如何看待具身智能對于算力的需求？王曉剛認為，如果該領(lǐng)域數(shù)據(jù)積累量仍非常有限，遠未達到大語言模型的數(shù)據(jù)規(guī)模，算力則并非現(xiàn)階段制約其發(fā)展的最大障礙，但隨著環(huán)境式數(shù)據(jù)采集的推進，將使具身智能的算力需求遠超語言模型。

整體來看，具身智能算力需求將呈現(xiàn)螺旋式上升特征：在數(shù)據(jù)價值未被充分挖掘時，擴大算力規(guī)模能夠帶來顯著收益；當數(shù)據(jù)價值觸頂后，繼續(xù)增加算力的收益會大幅遞減，這一瓶頸將倒逼行業(yè)通過新方式生成新數(shù)據(jù)，從而開啟新一輪的“規(guī)模化法則”（Scaling Law）。

統(tǒng)一架構(gòu)成剛需，錨定端側(cè)通用平臺

此前，英偉達憑借CUDA生態(tài)在AI通算領(lǐng)域率先領(lǐng)跑。在未來端側(cè)領(lǐng)域，是否也需要搭建類似的通用平臺來支撐軟硬件的開發(fā)？“的確如此，隨著大量中端應(yīng)用機會的涌現(xiàn)，大家會愈發(fā)意識到：一個開源或統(tǒng)一的架構(gòu)，必將為產(chǎn)業(yè)生態(tài)的發(fā)展提供有力支撐?！蓖鯐詣偪隙ǖ?。

基于此，大曉機器人發(fā)布了具身超級大腦模組A1，應(yīng)用場景聚焦低速復(fù)雜場景，讓具身智能真正具備了走進產(chǎn)業(yè)一線的實用價值。例如，搭載具身超級大腦模組A1的機器狗，無需預(yù)采高精地圖，即可適應(yīng)復(fù)雜動態(tài)與陌生環(huán)境，并能完成自主巡檢、跟隨、避障等多樣任務(wù)。

與此同時，具身超級大腦模組A1還結(jié)合Insta360全景感知方案與商湯方舟通用視覺平臺，構(gòu)建了全方位、高精度的環(huán)境感知體系，不僅覆蓋超10個行業(yè)，還可實現(xiàn)超150個智能化應(yīng)用場景適配。

這不禁令人好奇，開悟世界模型3.0與具身超級大腦模組A1之間是否存在聯(lián)動？“前者可加載至后者中，但相關(guān)能力需分步落地，現(xiàn)階段僅具備空間智能自主能力，后續(xù)會逐步疊加操作能力，兩類能力會在演進中不斷融合?！蓖鯐詣傔M一步解釋道，方舟屬于后臺應(yīng)用，并非具身智能組成部分，其核心作用是將具身智能采集的數(shù)據(jù)轉(zhuǎn)化為實際應(yīng)用價值。

可以看出，具身超級大腦模組A1集成了傳感器、通訊模塊及芯片等多元組件，而非像友商一樣聚焦芯片這類更輕量化的硬件產(chǎn)品。這是因其在采購過現(xiàn)有機器人進行測試后發(fā)現(xiàn)，硬件存在諸多缺陷，如傳感器視野狹窄、機器狗搭載后看不清路況、無法識別紅綠燈、跟隨功能僅能覆蓋120°范圍等。

而大曉機器人要實現(xiàn)的是360°UWB信號覆蓋，讓機器人在任何場景下都能精準跟隨。所以，其打造“大體積”硬件的出發(fā)點是想讓產(chǎn)品更貼合場景需求，賦予機器人空間自主移動的能力，后續(xù)還會持續(xù)迭代優(yōu)化：一是降低成本，二是降低設(shè)備功耗。

巨頭聯(lián)手，破局全鏈路生態(tài)協(xié)同

在整個具身智能產(chǎn)業(yè)生態(tài)中，大曉機器人扮演著怎樣的角色？偏軟還是偏硬？是以提供模組為主，還是以提供完整機器人為主？“這需要結(jié)合行業(yè)發(fā)展階段來做判斷，長期來看，我們的方向是軟硬一體，核心目標是輸出成本更低、能切實解決用戶痛點的最優(yōu)產(chǎn)品?！蓖鯐詣偦卮鸬?。

在具身智能加速落地的關(guān)鍵階段，大曉機器人搭建了全鏈路自主可控的具身智能生態(tài)，分別與頂尖具身廠商、硬件廠商、芯片廠商、云服務(wù)商、數(shù)據(jù)廠商達成戰(zhàn)略合作，共同打通“模型-硬件-場景”產(chǎn)業(yè)閉環(huán)，推動技術(shù)從單點突破走向場景化落地。

在具身本體領(lǐng)域，大曉機器人已與智元機器人、銀河通用、鈦虎機器人、國地中心等多家頭部企業(yè)合作；在硬件領(lǐng)域，已與Insta360、臥龍電驅(qū)、帕西尼等伙伴深度綁定。其中，與銀河通用的合作最為典型。

作為全球頭部具身智能機器人公司，銀河通用擁有全球最大規(guī)模百億級具身數(shù)據(jù)集，其自主研發(fā)的具身智能大模型已在多任務(wù)泛化操作、人形機器人全身運動控制、跨本體自主導航和靈巧手精密操作等方面開創(chuàng)多項全球第一。然而，同樣擁有世界模型及開放平臺，大曉機器人與銀河通用的合作，是互補關(guān)系還是競合關(guān)系？

王曉剛坦言，大曉機器人才剛剛起步，不會獨立完成所有工作，而是會聯(lián)合生態(tài)伙伴協(xié)同研發(fā)生產(chǎn)，共同攻克關(guān)鍵零部件技術(shù)難題。一方面，大曉機器人憑借開悟世界模型3.0的技術(shù)積淀，構(gòu)建起了全面領(lǐng)先的平臺架構(gòu)；另一方面，銀河通用憑借智能硬件量產(chǎn)經(jīng)驗，讓大曉機器人技術(shù)落地具備了更為扎實的產(chǎn)業(yè)基礎(chǔ)。

伴隨行業(yè)發(fā)展，具身智能對算力、模型適配性和全棧國產(chǎn)化能力提出更高要求。創(chuàng)新一體化解決方案，首當其沖成為具身智能規(guī)?；涞氐暮诵耐黄瓶??；诖?，大曉機器人與壁仞科技達成戰(zhàn)略合作，共同打造面向機器人廠商的具身智能研發(fā)全棧解決方案。

目前，開悟世界模型3.0與壁礪?系列通用GPU產(chǎn)品已實現(xiàn)“Day 0”適配。此次戰(zhàn)略合作將整合大曉機器人在世界模型與空間智能領(lǐng)域的技術(shù)積淀，發(fā)揮壁仞科技AI芯片與超節(jié)點算力優(yōu)勢，共同打造“算力-模型-應(yīng)用”全鏈路國產(chǎn)化交付能力。

頭部格局尚未形成

大曉機器人入局具身智能領(lǐng)域后，將聚焦哪些場景與方向？未來3-5年，哪些場景有望實現(xiàn)規(guī)?；涞兀俊凹彝鼍耙?guī)?；涞匦璧任迥暌院?，商業(yè)化與工業(yè)場景規(guī)?；涞刂档弥攸c關(guān)注?！蓖鯐詣偱e例道，如商業(yè)服務(wù)領(lǐng)域的前置倉、閃購倉等，標準化程度高且增長迅速，具備規(guī)?；茝V的條件，若機器人能實現(xiàn)該場景的替代，將催生十萬級的市場規(guī)模。

相比之下，工業(yè)場景的可復(fù)制性較難。由于不同工廠的產(chǎn)線數(shù)據(jù)敏感度高、企業(yè)開放意愿低，這給通用型機器人的規(guī)模化落地帶來較大阻礙，即便在單一工廠驗證成功，也難以橫向拓展，商業(yè)價值有限。而搭載空間智能自主能力模組的四足機器人，憑借穩(wěn)定的硬件基礎(chǔ)，能夠突破工業(yè)應(yīng)用的門檻，未來將在多個垂直領(lǐng)域具備大規(guī)模落地潛力。

對此，王曉剛規(guī)劃了大曉機器人3個市場目標：其一，核心目標是推動商業(yè)化落地，超級模組搭配機器人后實現(xiàn)空間自主能力；其二，2026年起，四足機器人有望大規(guī)模落地，核心優(yōu)勢在于具備空間智能、可自主運行；其三，未來兩三年將重點發(fā)力前置倉、零售倉儲等場景，這類場景標準化程度高，處于快速增長階段，具備規(guī)?；卣?jié)摿ΓI(yè)機器人因產(chǎn)線更換后可復(fù)制性較弱，暫不作為核心發(fā)力方向。

未來，具身智能機器人賽道是否會出現(xiàn)覆蓋全應(yīng)用場景、贏家通吃的超強通用大模型機器人？王曉剛認為，真正意義上能包攬所有任務(wù)的“通用大腦”還需時間打磨，市場對于機器人的期待是實現(xiàn)更高通用性，但這是一個漸進的過程。不過，這并不影響不同機器人共享底層的能力，這些能力可以賦能所有垂直領(lǐng)域。

隨著技術(shù)的發(fā)展，具身智能機器人是否會取代現(xiàn)有工業(yè)機器人？“工業(yè)機器人是基于多年積累的物理模型與規(guī)則構(gòu)建的，專為特定任務(wù)設(shè)計，通用性較弱，但優(yōu)勢在于可靠性已達百分之百?！蓖鯐詣偙硎?，現(xiàn)階段具身智能機器人與工業(yè)機器人之間是互補關(guān)系，前者的通用化能力適合柔性產(chǎn)線等場景，后者憑借成熟的穩(wěn)定性持續(xù)發(fā)揮作用。

至于智能汽車產(chǎn)業(yè)與機器人產(chǎn)業(yè)之間存在哪些共通點？王曉剛總結(jié)道，二者共通之處主要集中在體系化建設(shè)與供應(yīng)鏈管理層面，但機器人產(chǎn)業(yè)的成熟度遠不及智能汽車產(chǎn)業(yè)。所以，在行業(yè)生態(tài)尚未完善的階段，必須通過端到端的全鏈路打通，才能有效控制成本，否則產(chǎn)業(yè)鏈各環(huán)節(jié)的成本都會居高不下。

在王曉剛眼中，具身智能賽道尚未形成頭部格局，原因之一就是大量機器人聚焦導覽類工作。雖然導覽機器人的產(chǎn)品形態(tài)和市場規(guī)模相對有限，但在行業(yè)發(fā)展初期作用十分關(guān)鍵，起到市場普及的效果。這與人工智能的早期發(fā)展路徑相似——起初依靠工業(yè)領(lǐng)域的應(yīng)用完成市場教育，后續(xù)才逐步考量成本與效率。

“任何新技術(shù)的落地，往往都是先通過小范圍驗證讓市場先熟悉起來，待價值得到充分驗證后，再推進規(guī)模化量產(chǎn)，最終實現(xiàn)可量化的投入產(chǎn)出比?！蓖鯐詣?cè)缡钦f道。