3月26日，“云天會(huì)客廳（第四期）暨具身智能研討會(huì)”順利舉行。

本期以“具身智能與機(jī)器人閉門技術(shù)研討會(huì)”為主題，匯聚產(chǎn)業(yè)鏈核心企業(yè)，共話技術(shù)演進(jìn)與產(chǎn)業(yè)落地。

會(huì)議匯聚了具身智能及相關(guān)產(chǎn)業(yè)鏈的眾多代表性企業(yè)，包括眾擎機(jī)器人、智元機(jī)器人、自變量、星塵智能、諾因智能、跨維智能、越甲靈動(dòng)、超維動(dòng)力、科盟創(chuàng)新等本體與系統(tǒng)企業(yè)，見山科技、巨犀科技等AI企業(yè)，以及邁特芯、睿思芯科等AI芯片公司。會(huì)議圍繞數(shù)據(jù)、模型、芯片、算力與商業(yè)落地等多個(gè)維度的核心痛點(diǎn)展開了深入討論。

議題一：數(shù)據(jù)獲取與標(biāo)準(zhǔn)化仍是具身智能最大瓶頸

數(shù)據(jù)獲取與標(biāo)準(zhǔn)化依然是當(dāng)前具身智能產(chǎn)業(yè)最關(guān)鍵的制約因素。

高質(zhì)量數(shù)據(jù)的獲取高度依賴于先進(jìn)的數(shù)據(jù)采集設(shè)備體系。相比依附于具體機(jī)器人本體的采集方案，當(dāng)前行業(yè)正在探索更多“去本體化”的通用采集設(shè)備，以提升數(shù)據(jù)的可復(fù)用性與規(guī)?；芰?。例如以UMI等為代表的采集方案。

在數(shù)據(jù)規(guī)模目標(biāo)上，頭部廠商普遍將目標(biāo)設(shè)定在百萬(wàn)小時(shí)級(jí)數(shù)據(jù)積累，但實(shí)際推進(jìn)過程中，遙操作采集效率低、操作門檻高、人力成本大，成為規(guī)模化數(shù)據(jù)生產(chǎn)的主要瓶頸，這也進(jìn)一步凸顯了高效采集設(shè)備的重要性。

與此同時(shí)，不同機(jī)器人本體之間的數(shù)據(jù)復(fù)用率仍然極低，核心原因在于行業(yè)內(nèi)缺乏統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)與處理管線，導(dǎo)致數(shù)據(jù)難以跨平臺(tái)遷移與復(fù)用。

議題二：技術(shù)路線之爭(zhēng)，混合架構(gòu)將長(zhǎng)期主導(dǎo)產(chǎn)業(yè)部署

在底層技術(shù)路線上，與會(huì)嘉賓并未盲目推崇“端到端大模型即終局”的單一論調(diào)。不少專家認(rèn)為，傳統(tǒng)視覺與規(guī)則驅(qū)動(dòng)、端到端深度學(xué)習(xí)，以及由傳統(tǒng)方法作為安全兜底的混合架構(gòu)，將在較長(zhǎng)時(shí)期內(nèi)并存。

應(yīng)用場(chǎng)景的差異直接決定了技術(shù)范式的選擇。家庭機(jī)器人場(chǎng)景更為看重復(fù)雜的邏輯推理能力、長(zhǎng)尾任務(wù)的處理以及多模態(tài)語(yǔ)義對(duì)齊；而工業(yè)機(jī)器人場(chǎng)景則對(duì)柔性裝配精度、多SKU適應(yīng)性、極低故障率和絕對(duì)物理安全性有著嚴(yán)苛要求。

盡管視覺-語(yǔ)言-動(dòng)作（VLA）模型熱度攀升，但在真實(shí)的工程部署中，系統(tǒng)往往還需要疊加模仿學(xué)習(xí)、強(qiáng)化學(xué)習(xí)或檢索增強(qiáng)等模塊以提升樣本效率與運(yùn)行穩(wěn)定性。在復(fù)雜的物理世界中，單一模型難以包攬一切。

議題三：云端與端側(cè)的博弈，本質(zhì)是成本與時(shí)延的取舍

針對(duì)智能體算力部署架構(gòu)的討論，揭示了當(dāng)前行業(yè)在純?cè)贫伺c純端側(cè)之間尋找最優(yōu)解的普遍焦慮。

純?cè)贫朔桨冈诔杀究刂坪洼p量化部署上具有天然優(yōu)勢(shì)，但在工業(yè)制造等對(duì)實(shí)時(shí)性要求極高的場(chǎng)景中，網(wǎng)絡(luò)時(shí)延成為致命弱點(diǎn)。同時(shí)，受限于功耗、散熱和物理體積，機(jī)器人本體的端側(cè)目前難以直接滿載運(yùn)行龐大的多模態(tài)大模型。

因此，“云端負(fù)責(zé)慢思考與全局規(guī)劃，本體負(fù)責(zé)低延遲快執(zhí)行”，或是將大模型蒸餾為端側(cè)小模型的折中思路，正在成為務(wù)實(shí)的產(chǎn)業(yè)共識(shí)。邊云協(xié)同架構(gòu)不僅能夠有效平衡部署成本與響應(yīng)時(shí)延，也契合了當(dāng)前算力平臺(tái)向邊緣側(cè)實(shí)時(shí)推理延伸的宏觀趨勢(shì)。

議題四：底層芯片不再唯算力論，聚焦系統(tǒng)級(jí)適配與推理延遲

具身智能的崛起正在重塑對(duì)底層AI芯片的評(píng)價(jià)標(biāo)準(zhǔn)，產(chǎn)業(yè)界已告別抽象的峰值算力（TOPS）比拼，轉(zhuǎn)向關(guān)注系統(tǒng)級(jí)的工程實(shí)際要求。不少與會(huì)專家認(rèn)為，時(shí)延控制、吞吐量、內(nèi)存帶寬瓶頸，以及新型存儲(chǔ)架構(gòu)能否真正支撐多模態(tài)數(shù)據(jù)的實(shí)時(shí)推理，成為各方關(guān)注的核心。

以3D DRAM為例，其在理論上具備帶寬、延遲和功耗的綜合優(yōu)勢(shì)，但實(shí)際產(chǎn)業(yè)價(jià)值仍需通過流片與系統(tǒng)級(jí)驗(yàn)證的嚴(yán)格檢驗(yàn)。這一討論印證了AI芯片行業(yè)的聚焦點(diǎn)已經(jīng)實(shí)質(zhì)性地邁向了實(shí)時(shí)推理效率、安全部署能力以及在嚴(yán)苛功耗和成本約束下的落地表現(xiàn)。

議題五：商業(yè)閉環(huán)壓過技術(shù)想象力，場(chǎng)景跑通決定商業(yè)價(jià)值

在商業(yè)化進(jìn)程方面，行業(yè)正在經(jīng)歷從“技術(shù)可行性驗(yàn)證”向“商業(yè)變現(xiàn)能力考核”的深刻轉(zhuǎn)型。終端客戶的關(guān)注核心高度聚焦于任務(wù)完成度與投資回報(bào)率，而非單純的技術(shù)泛化敘事。模型能力集成、日常系統(tǒng)運(yùn)維與安全責(zé)任體系的構(gòu)建，已成為商業(yè)交付中不可或缺的環(huán)節(jié)。

短期內(nèi)人形機(jī)器人與具身智能設(shè)備更有可能在文娛商演、結(jié)構(gòu)化環(huán)境下的簡(jiǎn)單交互、倉(cāng)儲(chǔ)物流搬運(yùn)以及工業(yè)巡檢等垂直場(chǎng)景率先跑通商業(yè)閉環(huán)。從Demo展示走向規(guī)?；\(yùn)營(yíng)，在特定工業(yè)和商業(yè)場(chǎng)景中率先創(chuàng)造可驗(yàn)證的經(jīng)濟(jì)價(jià)值，已成為決定企業(yè)生存的關(guān)鍵。

云天會(huì)客廳是由云天勵(lì)飛主辦的產(chǎn)業(yè)與技術(shù)研討沙龍，旨在搭建高質(zhì)量的對(duì)話平臺(tái)，與產(chǎn)業(yè)鏈上下游生態(tài)伙伴共探技術(shù)趨勢(shì)，共建產(chǎn)業(yè)生態(tài)。未來(lái)，云天會(huì)客廳將繼續(xù)圍繞AI芯片相關(guān)的前沿命題，攜手更多行業(yè)力量共同探討務(wù)實(shí)發(fā)展之路。