人形机器人热潮的冷思考：云端智能如何破局行业难题？

人形机器人作为当前科技界的热门领域，其火爆程度毋庸置疑，但伴随而来的争议同样不容忽视。

从春晚机器人表演扭秧歌开始，该行业发展迅猛。四月机器人马拉松刚展示跑步能力，八月便已能举办运动会。

今年各类机器人展会频出，甚至WAIC这类以往聚焦大模型的展会，也专门腾出大面积展区陈列机器人。

然而，场面热闹背后，另一种声音逐渐浮现。

今年初，金沙江创投朱啸虎直言：“人形机器人就是泡沫”。

不少网友持类似观点，原因显而易见：视频中机器人看似无所不能，仿佛即将成为终结者，但现实中，这些钢铁身躯连开门都困难。。。

个人认为，具身智能未来潜力巨大，前景广阔。但为理解争议根源，我深入探究了行业现状。

结果发现，一些质疑并非空穴来风。

因为在具身智能产业中，确实存在诸多难点。不仅普通网友，连业内人士对这些问题也尚未达成共识。

例如，技术路线尚未统一。未来是强化学习主导，还是世界模型更优？应侧重数据还是模型？这些问题尚无定论，导致各自为战，难以形成合力。

业内人士可能指出，无论何种路线，目标一致。

确实如此。若只看目标，机器人产业的终极价值在于参与劳动，提升生产力。正如人类所言，“劳动最光荣”。

但即使搁置分歧，更直接且紧迫的挑战摆在面前：数据匮乏。。。

这并非夸大其词，整个行业正面临“无米下炊”的困境。

要使大模型实现智能涌现，至少需100亿至1万亿Token数据，约为模型参数的10倍以上。但目前，多数研究数据量仅数亿，最大公开数据集约10亿。

常言道，重复乃学习之母，训练量不足，技能提升自然受限。

这导致当前机器人任务种类稀少，泛化能力极差。简言之，缺乏足够数据训练，尤其是真实场景数据，使机器人如同实验室“圈养”的婴儿，现实应用中束手无策。

数据瓶颈严重阻碍机器人从实验室迈向工厂和家庭。本月外滩大会上，宇树创始人王兴兴也指出，当前具身智能发展面临多重挑战，其中之一正是数据问题。

以VLA模型为例，目前与真实世界交互的数据尚显不足。

然而，因难点否定行业未免草率，我们更应关注行业内的解决方案。

咨询华为云从事具身智能的朋友后，他表示：“行业问题存在，但需多角度看待。”

这意味着，解决新技术带来的新问题，需依靠新方法论和平台。

例如上云，利用云端方式系统性破解机器人产业难题。

以前述数据问题为例。

既然现实数据采集和训练困难，能否将其迁移至云端？答案肯定。

这已成为行业趋势，如英伟达近期推出的Cosmos基础模型，便利用云端生成合成数据训练物理AI。

国内方面，华为云推出CloudRobo具身智能平台。它在云端构建数字世界，模拟现实环境，并在此生成数据训练。

这如同为机器人开启《黑客帝国》式训练模式，在虚拟空间掌握各项技能，再回归现实工作。

具体实现主要分两步。

第一步，解决数据问题，即获取“米粮”。

华为云CloudRobo依赖自研MetaEngine引擎，实现数据重建，将真实物理场景自动复刻为数字孪生体，过程人工干预低。

随后，在虚拟场景中进行数据增广。即在此数字世界模拟各类机器人，生成海量第一视角数据，包括RGB图像、深度、时序数据等，且附带自动标注。

据悉，未来可通过调整真实与合成数据比例，提升特定场景训练效率，基本缓解“无米下锅”困境。

银河通用创始人王鹤曾表示，合成数据将占训练数据主体，且需厂商长期积累与核心技术know-how。

第二步，解决训练与运行问题，即让机器人学习劳作。

CloudRobo训练平台使机器人在虚拟世界通过模仿学习，进行无数次“虚拟劳动”，大幅降低试错成本，加速技能掌握。

两者结合，形成前沿理念。

以往训练机器人模型需人工喂数据，甚至借助动作捕捉，如同电影《铁甲钢拳》般记录数据反复学习。

但迁移至虚拟世界后，训练仅取决于算力与电力。以当前云厂商保障，外部搭建环境一天，云端或已训练两年半，堪比凌晨四点的洛杉矶般勤奋。

学成之后，运行平台可无缝对接实体机器人，直接导入机器大脑，开机即能表演与工作，这正是各大厂商探索此方向的原因。

实践出真知。华为云曾展示从CloudRobo毕业的双臂机器人，在分光盒内完成高精度操作，成功率超90%。还能让埃夫特工业喷涂臂快速学习喷涂新零件，或使乐聚人形机器人在汽车产线搬运上料。

因此，云端解决数据与训练问题前景广阔。

除数据仿真训练外，机器人行业其他复杂问题也出现云端解法。

例如行业标准混乱，各厂商如早期手机品牌，系统、接口各异，难以像iOS、安卓、鸿蒙般实现多机协同。

故需统一协议实现互通。华为云方案称为R2C（Robot to Cloud）协议，类似机器人界“Type-C”接口，旨在聚合生态，推动标准化。

预置R2C接口的合作伙伴可实现“即插即用”。如同新鼠标插入USB口即用，无需寻找驱动。

国家地方共建人形机器人创新中心、拓斯达、优艾智合等头部玩家均已加入R2C协议。宛如一呼百应，各方纷纷参与。

坦诚而言，上云虽佳，却非万能，并非所有场景适用。

对实时性、安全性要求极高的场景，可能仍需本地计算，这可以理解。

实际上，云计算真正价值在于处理复杂场景。如耗算力的场景识别、任务规划、模型调用等工作，未来或交由云端，机器人本体则更专注执行，变得更轻便、经济。

换言之，谁愿机器人背负沉重电脑？此举不便。因此，这为机器人从实验室进入工厂和家庭提供可能路径，即云本体化。

王兴兴在WRC演讲中指出，人形机器人本体难以部署大规模算力，未来需分布式集群算力解决，这便依托云端算力。

近日，华为在AI算力领域新推超节点产品Atlas 950 SuperPoD和Atlas 960 SuperPoD，分别支持8192及15488张昇腾卡，在卡规模、总算力、内存容量、互联带宽等关键指标全面领先，未来多年将保持全球最强超节点地位。

基于超节点，华为发布全球最强超节点集群，算力规模最大达百万卡，作为世界最强算力集群，为具身智能行业创新提供稳固澎湃支持。

华为全联接大会2025：华为副董事长、轮值董事长徐直军发表主题演讲

归根结底，上云或本地均為解决问题的手段，让机器人早日参与劳动和社会实践，方為良策。

总之，质疑机器人炒作的声音并非全错，它们确实指出行业现存困难。

但只关注困难，如同只见冰山一角，易导致悲观结论。

技术喧嚣终将平息，这些人造产物终需从学校步入社会，在拧螺丝、搬物料、焊缝隙中验证价值。

一言以蔽之，具身智能复杂异常，需先行者挺身而出，暂不造机器人本体，先建基础设施。

务实确為上策，与其岸上争论道路可行否，不如动手修路。

毕竟，路修宽了，众人方能行得更快、更远。

图片、资料来源

观察者网：华为云发布CloudRobo具身智能平台，不做机器人本体

硅星人：世界机器人大会上什么都有，就是没什么共识

亿邦动力：百万机器人企业、240亿融资难掩具身智能三大“非共识”争议

机器之心：具身智能的终极命题：是造「人」还是造「生产力」？

黄浴：具身智能行为学习需要什么数据？

IT业界：具身智能火了，但数据的瓶颈如何解决？

华为云、知乎等，部分图源网络