當大多數(shù)機器人仍在演示跳舞時，一批"沉默干活"的機器人已悄然走進工廠與酒店——這恰是2025年具身智能領(lǐng)域最深刻的分野。

在火星加速器創(chuàng)始人陳亮主持的這場CES圓桌中，靈御智能CEO金戈、途靈科技創(chuàng)始人楊章欣、HTC VIVE機器人業(yè)務(wù)負責人Jase Qiang與聯(lián)想創(chuàng)投史晨星達成共識：2026年將成為操作型機器人商業(yè)化落地元年。

陳亮 火星加速器創(chuàng)始人

在過去八年時間里組建了國內(nèi)最大的具身機器人創(chuàng)始人社區(qū)，囊括超500位機器人方向創(chuàng)始人。

金戈 靈御智能創(chuàng)始人兼CEO

靈御智能的核心產(chǎn)品是輪式雙臂靈巧末端機器人，主要采用"遙操作+人機混合智能"方案服務(wù)各行各業(yè)客戶，通過實際工作持續(xù)獲取數(shù)據(jù)，最終實現(xiàn)機器人自主工作。

楊章欣 途靈科技創(chuàng)始人

途靈科技專注于用AI技術(shù)賦能酒店行業(yè)，為海外酒店提供分銷和AI軟硬件配套服務(wù)，業(yè)務(wù)覆蓋15個國家。

Jase Qiang VIVE Robotics創(chuàng)始成員

VIVE Robotics是HTC子公司，專注于機器人領(lǐng)域，核心業(yè)務(wù)是真實場景的數(shù)據(jù)采集，利用長期積累的硬件經(jīng)驗和高精度多模態(tài)數(shù)據(jù)采集能力，解決機器人領(lǐng)域最關(guān)鍵的數(shù)據(jù)問題。

史晨星 聯(lián)想創(chuàng)投

聯(lián)想創(chuàng)投作為聯(lián)想集團的CVC，在具身智能領(lǐng)域已投資40多家企業(yè)。若將具身智能狹義定義為機器人，聯(lián)想創(chuàng)投應是市場投資最多的機構(gòu)。但內(nèi)部將具身智能范疇擴展為AI+硬科技，包括汽車自動駕駛、各類機器人及場館中的AI硬件。

以下為圓桌實錄，略有刪減：

陳亮：回歸今天的主題"從實驗室到生活間"，主要探討具身智能的落地與生態(tài)構(gòu)建。過去一年，國內(nèi)具身智能與機器人領(lǐng)域進展迅速，年初時機器人僅能初步實現(xiàn)行走功能，而到年底已能參加各類熱門演唱會。這背后涉及多維度的技術(shù)突破，今天我們對此進行深入探討。

第一個問題想問金戈。你們選擇了一條獨特的路線，當行業(yè)普遍追求AI驅(qū)動智能機器人時，你們選擇了遙操作模式——先通過遙操作實現(xiàn)作業(yè)，未來再過渡到全AI操控。選擇這一路線是否意味著對短期內(nèi)實現(xiàn)純AI驅(qū)動持謹慎態(tài)度？

金戈：應如此理解——短期內(nèi)實現(xiàn)通用人工智能機器人確實不容樂觀，但通過人機混合智能方式為各行業(yè)提供服務(wù)，我非常樂觀，這也是當前極為有效的路徑之一。

回顧自動駕駛發(fā)展歷程，其本質(zhì)是典型的人機混合智能系統(tǒng)，逐步減少人為干預、增加機器自主比例，通過線性提升最終實現(xiàn)自動駕駛。即便當下，部分L4級自動駕駛企業(yè)仍配備遠程人類安全員進行兜底，這同樣屬于人機混合智能解決方案。

目前機器人模型或AI驅(qū)動面臨的最大挑戰(zhàn)是數(shù)據(jù)量完全不足以支撐高泛化、高性能、高可靠性的解決方案。因此，純AI驅(qū)動的機器人當前仍顯得笨拙緩慢，無法真正投入實際使用。

但當引入人機混合智能，以人類遙操作進行兜底時，諸多問題便可解決。首先，遙操作可應對危險環(huán)境作業(yè)，解決不同國家間的勞動力價差問題，這些均為真實存在且可規(guī)?；占瘓鼍皵?shù)據(jù)的領(lǐng)域。將這些真實數(shù)據(jù)回傳用于模型訓練，成果在可靠性與泛化性上將更具價值。我們認為這是最快實現(xiàn)具身智能在各行業(yè)落地的解決方案。

回歸最初問題，可置于任意場景立即自主工作的具身機器人可能尚需時日，但在酒店、餐飲或工業(yè)場景中的非流水線上下料環(huán)節(jié)，人形機器人的應用可能很快實現(xiàn)。

陳亮：當前遙操作落地情況如何？

金戈：從性能與操作能力看，目前只能完成基礎(chǔ)性操作任務(wù)，如清潔搬運、物流分揀及部分拾取放置任務(wù)。盡管存在效率損耗，但根據(jù)測算仍具備相當?shù)呢攧?wù)收益。

回顧互聯(lián)網(wǎng)出現(xiàn)時催生了呼叫中心（call center）?；ヂ?lián)網(wǎng)使語音服務(wù)突破地域限制，呼叫中心迅速將發(fā)達國家昂貴的接線員崗位轉(zhuǎn)移至勞動力成本較低的地區(qū)，同時將原本分散在各門店的客服人員集中管理，進一步強化了大型企業(yè)的規(guī)模效應與人力效率。

如今，遙操作使"操作"行為得以跨越物理距離，我們或許會見證新型操作中心（operation center）的誕生。一方面將任務(wù)從高勞動力成本地區(qū)轉(zhuǎn)移至低成本地區(qū)，另一方面將分散在各門店的基層操作人員集中管理，用少量人力為多個門店的機器人提供兜底方案。這可能是未來三五年內(nèi)迅速發(fā)生的變革。

陳亮：這種遠程異地特性會帶來哪些挑戰(zhàn)與障礙？目前解決程度如何？

金戈：核心挑戰(zhàn)在于帶寬、延遲及網(wǎng)絡(luò)穩(wěn)定性?；A(chǔ)設(shè)施建設(shè)持續(xù)完善，國內(nèi)正與移動、聯(lián)通探討6G可能性，全球?qū)ヂ?lián)網(wǎng)帶寬需求持續(xù)增長。在帶寬滿足的前提下，延遲僅受物理距離與光速限制。若能實現(xiàn)穩(wěn)定低延遲、低丟包的操作，目前2000公里范圍內(nèi)均可保持良好穩(wěn)定性。隨著新一代通信技術(shù)與基礎(chǔ)設(shè)施更新，機器人遙操作市場需求爆發(fā)將加速基礎(chǔ)設(shè)施建設(shè)，二者相輔相成共同提升。

陳亮：你定義的遙操作未來形態(tài)是1對1還是1對多？類似robotaxi模式，一人管理多臺？

金戈：應為1對多關(guān)系，類似robotaxi的少量人類兜底方案。當前已可實現(xiàn)1對多管理，例如酒店送餐機器人在導航方面已非常完善，該階段完全無需人類接管，僅在需與客人交互時才需介入，從而實現(xiàn)一對多管理。人機比例從1:1、1:2、1:5到1:10將快速提升，但從1:10提升至1:100甚至1:1000將極其困難。

盡管這在技術(shù)上極具價值，但從商業(yè)收益看，從1:1提升至1:10已節(jié)省90%人力成本，而從1:10到1:100僅再節(jié)省0.9%，過程中可能需付出百倍甚至千倍成本。因此，達到1:10可能已是短期內(nèi)最具效率的方案。

陳亮：非常有意思。當舞臺上眾多機器人表演舞蹈時，金戈團隊的機器人最有可能率先在工廠、酒店等場景實際投入工作。接下來請教章欣——你原本深耕酒店AI服務(wù)領(lǐng)域，現(xiàn)在涉足硬件機器人業(yè)務(wù)，在酒店場景中發(fā)現(xiàn)了哪些核心痛點？計劃如何解決？

楊章欣：酒店場景非常適合具身智能機器人。原因有幾點：第一，酒店類似家庭場景，未來可泛化至家庭，而家庭是家務(wù)機器人未來落地的巨大市場；第二，酒店中的家務(wù)勞動多為人類不愿從事的工作。當前部分酒店機器人替代的是人類并不厭惡的任務(wù)（如跳舞），這并非核心價值所在。具身智能無需替代人類開車，因為自動駕駛已解決該問題，但酒店或家庭房間必須依賴類人機器人的實體（至少雙臂）進行整理。

這個場景甚至比工廠更適合，因當前具身機器人主要解決柔性物體處理問題，而非剛性物體——后者在工廠已通過單臂機械臂或流水線很好解決。柔性物體如衣物、毛巾、床單的整理，在此前一代機器人中難以勝任。此外，泛化能力要求雖存在，但酒店場景相對標準化，仍是這一代具身機器人能夠應對的領(lǐng)域。

美國、歐洲酒店因移民政策變化導致人工成本持續(xù)上升，而我司主要服務(wù)海外酒店，這是良好機遇。痛點具體表現(xiàn)為：人工成本因移民政策改變而升高；人員流動率高，招聘困難；服務(wù)標準化程度不足，常因清潔不徹底引發(fā)客戶投訴；機器人可相對改善這些問題。另一點，美國酒店普遍收取小費，而部分中國顧客不習慣該文化，若由機器人提供房間打掃服務(wù)則可避免此問題，進一步提升用戶體驗。

陳亮：理解下來，核心要素是：該工作必須有人完成，機器人只是替代者；其次未來有機會泛化至家庭場景。酒店中任務(wù)多樣，如打掃衛(wèi)生間、鋪換床單、立面清潔等，在多任務(wù)的標準化場景中，哪些任務(wù)可被機器人優(yōu)先解決？如何推進？

楊章欣：可分為三類任務(wù)：第一類是目前較難完成的，如床單被套枕套整理。因當前機器人多為2指或3指靈巧手，5指靈巧手操作性仍較差，可能需一至兩年時間解決末端執(zhí)行器問題后方可勝任。

第二類是已可通過自動化較好解決的，如疊毛巾、疊衣服、撿拾垃圾等，已基本實現(xiàn)完全自動化。

第三類介于兩者之間，即金戈靈御智能探討的遙操作方案，需人類智能靈活性處理邊緣案例（corner case），約占1/3。目前2/3以上的任務(wù)可通過具身智能機器人完成，已能解決酒店大部分問題，部分高難度任務(wù)仍需保留人工。未來三年內(nèi)，剩余部分也可能被具身智能解決。

陳亮：意味著一段時間內(nèi)可能是機器人與阿姨協(xié)同作業(yè)，人機協(xié)同，部分任務(wù)由遠程阿姨配合完成。但除技術(shù)可行性外，客戶的準備程度與付費能力同樣關(guān)鍵。中國有代表性企業(yè)云跡科技（聯(lián)想創(chuàng)投已投資）深耕酒店配送機器人多年，去年上市時收入約兩億，但一直未能規(guī)?；?。限制云跡規(guī)?；脑蚴鞘裁矗慨斍胺桨甘欠駮媾R同樣瓶頸？

楊章欣：首先，云跡是率先探索出大部分人未察覺場景的優(yōu)秀公司，讓普通民眾特別是亞洲地區(qū)用戶身邊能見到可進電梯、可送物的機器人。面臨的挑戰(zhàn)可能有幾個方面：第一，海外業(yè)務(wù)占比偏低，而中國市場人工成本相對較低，海外高人工成本意味著能為酒店創(chuàng)造更高價值；第二，場景選擇問題，作為酒店老板，最關(guān)注的是一天或一個月下來最大的人工成本去向（酒店主要成本為店租與人工），其中約一半甚至2/3至3/4流向清潔環(huán)節(jié)，若能解決房間整理清潔問題，酒店愿意支付更高溢價。而送物需求僅在部分亞洲外賣發(fā)達國家較明顯，在歐美需求極低，甚至可通過不提供該服務(wù)來規(guī)避成本。

核心問題在于為酒店創(chuàng)造的價值能取代多少人工成本。

陳亮：史總對此反饋是否認同？

史晨星：我認同清潔是最有價值場景，遠勝于送物。但問題在于清潔極難做好，除云跡外許多企業(yè)嘗試后失敗。例如清掃衛(wèi)生間、用雙臂機器人刷馬桶，最終因效果不佳而放棄。關(guān)鍵在于能否真正打穿某個場景，否則清潔做不好則無價值。

楊章欣：如果將自動化與遙操作結(jié)合，許多場景如撿垃圾、換垃圾袋、整理洗手臺、甚至刷馬桶均可實現(xiàn)。部分機器人公司目標過于泛化——既想做酒店，又想做工廠、服務(wù)，導致未針對特定場景進行細分優(yōu)化。未來若能誕生專注特定場景的公司或合作模式，則大有可為。在解決酒店問題的同時可采集數(shù)據(jù)，且該數(shù)據(jù)未來可用于家庭場景。

史晨星：期待看到具體demo落地情況。

陳亮：追問小問題，是否需基于場景進行硬件適配或重新設(shè)計，而非簡單采用輪式雙臂或人形機器人即可勝任？

楊章欣：是的。目前市場上未見非常合適的通用產(chǎn)品，這是巨大機會。必須懂酒店、了解酒店需求乃至決策流程的人，才能與技術(shù)團隊結(jié)合做好此事。

陳亮：接下來請教Jase。與其他嘉賓不同，你長期深耕硅谷且為連續(xù)創(chuàng)業(yè)者。過去一年國內(nèi)具身智能極為火熱，聽說硅谷同樣熱度很高，能否談?wù)勗诠韫雀惺艿降木呱碇悄芊諊?/p>

Jase Qiang：首先說明，我本人也是中國背景。在硅谷沉浸式與客戶打交道數(shù)年，需明確硅谷不能代表整個美國，硅谷具身智能雖有熱度，但整體熱度仍不及國內(nèi)，這并非資本意愿不足，而是產(chǎn)業(yè)鏈約束所致。造機器人雖屬智能范疇，但涉及上下游眾多環(huán)節(jié)。

例如此次與灣區(qū)某知名大學研究靈巧手的朋友同行，在CES上看到較多優(yōu)秀手部企業(yè)。這些正是機器人本體公司所需的部件，但他們難以自行制造。灣區(qū)可稱為"御三家"的Optimus、Onex、Figure是真正做機器人全流程本體與模型的企業(yè)，它們面臨供應鏈約束，尤其是地緣政治影響下。Onex宣稱今年以200美元價格接受預定，該價格令人驚訝，但若宣稱全由美國或相關(guān)企業(yè)制造，則必然存在諸多妥協(xié)，本體性能將受限。

美國優(yōu)秀企業(yè)雖有先進之處，如Physical Intelligence、Skilled AI等專注技能開發(fā)的企業(yè)，但感覺未如國內(nèi)生態(tài)開放，存在故弄玄虛、信息封閉現(xiàn)象。

陳亮：數(shù)據(jù)維度問題確實是行業(yè)共識——當前發(fā)展較大瓶頸在數(shù)據(jù)方面。你們在此領(lǐng)域的工作進展如何？采集哪類數(shù)據(jù)？

Jase Qiang：我們提供真實場景數(shù)據(jù)，"真機"是其中一種。作為HTC Vive出身，我們做XR Tracker多年，包括現(xiàn)在大家機器人用的Manus手套都配有Vive Tracker。這些硬件與場景解決方案積累多年?，F(xiàn)在成立專門團隊服務(wù)機器人，不是同時兼顧娛樂與機器人業(yè)務(wù)。

機器人數(shù)據(jù)比LLM復雜得多——LLM有優(yōu)質(zhì)互聯(lián)網(wǎng)數(shù)據(jù)可下載清洗使用，而機器人數(shù)據(jù)大廠也沒有，因此大廠與小公司回到同一起跑線。數(shù)據(jù)金字塔頂層為真機與真人，下層量大但質(zhì)量遞減。當前foundation model理解能力進展快，但應用于機器人VLA模型進行真實action時存在巨大數(shù)據(jù)gap。

我們提供真實場景數(shù)據(jù)，尤其是human-centered真人數(shù)據(jù)。公司成立前已提供真機遙操作服務(wù)，多家美國與中國著名機器人公司均有參與。MOCAP（動捕）優(yōu)勢明顯——為最真實數(shù)據(jù)，無gap；但弊端也突出：成本高、效率低、質(zhì)量有上限（真機不能做則無法采集）、不能跨本體遷移。

例如Tesla與figure并非純視頻方案，而是在積累大量physical data基礎(chǔ)上進行數(shù)據(jù)增廣。Tesla早期購買大量motion capture tracking設(shè)備進行遙操作積累，現(xiàn)在仍在持續(xù)，因現(xiàn)有數(shù)據(jù)不足才需增廣，而非上來就用synthetic data合成。AIRLAND也是先以真實數(shù)據(jù)訓練，再用synthetic data增廣。

我們提供的是submillimeter級高精度、多模態(tài)的真人采集方案，可抓取話筒快速、穩(wěn)定、每次都成功，且每個動作均為毫米級細節(jié)。而遙操作僅為厘米級精度，慣性方案無絕對位置，數(shù)據(jù)質(zhì)量下降且不能跨本體。真人數(shù)據(jù)可跨本體復用，服務(wù)整個行業(yè)。服務(wù)好一家人形公司后，也能為其他公司帶來幫助，而非每家自定義標準導致效率低下。

陳亮：未來以人為中心的數(shù)據(jù)量級會比真機數(shù)據(jù)大多少倍？在機器人模型訓練中未來比例如何？目前有共識嗎？

Jase Qiang：目前無共識。盡管服務(wù)不少客戶，但每家企業(yè)需求差異較大，行業(yè)處于早期階段，難以確定固定比例。

陳亮：當前客戶需求更多在真機數(shù)據(jù)還是真人數(shù)據(jù)？

Jase Qiang：作為數(shù)據(jù)公司，我們提供整體數(shù)據(jù)服務(wù)而非單純銷售設(shè)備。主要提供高精度、多模態(tài)真人采集方案，也可派遣人員采集。遙操作理論上可售設(shè)備即使用，但往往需配合retargeting（重定向）工作。

陳亮：前段時間GEN-0發(fā)布27萬小時訓練數(shù)據(jù)的具身智能模型，許多人認為GEN-0吹響了具身智能scaling law號角，未來將開始堆疊更大量的人為中心數(shù)據(jù)來訓練模型，你們怎么看？

史晨星：其采用UMI方式，涉及方法論選擇問題，你們傾向于哪種？

Jase Qiang：我們也提供UMI方案。UMI更簡單、更易擴展、成本更低，我們提供基于Web Tracker的方案，比論文中UMI增加了精確位置、觸覺壓力與開合量數(shù)據(jù)。但UMI上限也較明確——缺乏身體其他部分數(shù)據(jù)，僅能處理前端小部分任務(wù)，能解決的問題較局限。

楊章欣：能否補充其他部分數(shù)據(jù)（包括移動數(shù)據(jù)）來突破上限？

Jase Qiang：目前主要提供人體姿態(tài)+靈巧手套的多模態(tài)觸覺、位置、視覺方案。若拆除手套采用UMI方案但增加本體捕捉，可能解決部分上限問題，但因當前大部分夾爪機器人上半身靈活性有限，故此類需求不多。

陳亮：這是數(shù)據(jù)上的巨大挑戰(zhàn)——類型多樣且無統(tǒng)一共識。最后確認一下，是否認同GEN-0吹響了scaling law號角？

Jase Qiang：不敢斷言由其吹響，但認為今年是可規(guī)模化（scale）的一年。

陳亮：值得期待?；氐绞房偅銈兺顿Y眾多公司，不少已大規(guī)模銷售或上市。從實驗室到生活場景，具身技術(shù)需跨越到何種程度才可能更好進入生活場景？

史晨星：未來的具身公司可能分為兩大類。第一類是全棧軟硬件自研、全場景覆蓋，類似蘋果封閉系統(tǒng)，可能僅有少數(shù)幾家企業(yè)。第二類是分散到各個場景，專注將單一場景做深做透。

當前企業(yè)在工業(yè)、商業(yè)、家用等場景進行大量POC嘗試。我認為放幾臺設(shè)備不足以證明打透場景，判斷標準是：在單一場景單一工位達到幾十臺甚至上百臺量級，才能真正立住。因此，單一場景單一工位能賣出幾十上百臺，該場景才算打透。

陳亮：有被投企業(yè)做到這一點或在路上嗎？

史晨星：兩類都有。第一類如星動紀元，全覆蓋工業(yè)、商業(yè)、家用場景，可能不打算收斂。第二類我們確實在尋找，在單一家庭場景中，維他動力預訂單接近1萬臺（尚未交付），這個量在家用戶外場景基本能立住。

陳亮：工業(yè)或商業(yè)服務(wù)場景有嗎？C端上萬臺且價格控制在萬元左右很不容易。

史晨星：工業(yè)和商業(yè)場景目前確實還未看到達到百臺量級的。像千尋、第五季等企業(yè)在工業(yè)場景已有一定規(guī)模，但未到百臺，2026年很有可能達到。

陳亮：你還在投資該方向嗎？還有哪些可投空間？

史晨星：仍持續(xù)投資，主要分為三個方向：第一，上游產(chǎn)業(yè)鏈（電機、關(guān)節(jié)、減速器、絲杠等核心部件），下游起量后將帶來爆發(fā)式增長；第二，更多形態(tài)（四足、雙足、雙輪足、半身、人形全尺寸/中尺寸/小尺寸）；第三，更多細分場景（工業(yè)、商業(yè)、酒店等能被打透的場景）。

陳亮：此次在美國深度體驗后，看到哪些與國內(nèi)不同的落地場景？

史晨星：整體相似，但確實存在需提升的場景。如支付不便，老需使用信用卡，未來機器人能否解決掃碼支付問題？酒店基礎(chǔ)設(shè)施能否迅速升級？兩國國情不同但可互相學習。

陳亮：時間有限，最后請每位嘉賓用一句話展望2026年具身智能落地情況。

金戈：預測2026年是操作型機器人或"干活機器人"落地元年，屆時將看到很多機器人在真實場景中創(chuàng)造價值，我們期待有所貢獻。

楊章欣：期待明年CES時，為亮哥預訂酒店，當電梯門打開，具身機器人走出來說："陳總，房間已整理好，請入住。"

Jase Qiang：認為2026年機器人能干活的成果將被大眾真實看到，不僅限于去年灣區(qū)企業(yè)發(fā)布的視頻，而是真正被觸摸和體驗。

史晨星：2026年不僅是簡單落地，而是批量落地——至少百臺千臺量級，營收達到千萬級至上億級別，這是具身智能行業(yè)應努力的目標。

陳亮：非常感謝各位分享。今天CES主場的圓桌到此結(jié)束，謝謝大家。（作者｜郭虹妘，編輯｜陶天宇）