具身智能：100亿如何点燃未来的智能革命？

文｜富充

编辑｜苏建勋

在2025智源具身Open Day圆桌论坛上，主持人抛出了一个尖锐的问题：“如果给你100亿元用于具身智能的发展，你会怎么花？”

面对这个挑战，8位来自国内具身行业顶尖企业的嘉宾，分享了他们的见解。

智源研究院院长王仲远

智元机器人合伙人、首席科学家罗剑岚

北京大学助理教授、银河通用创始人王鹤

清华大学交叉信息学院助理教授、星海图联合创始人赵行

加速进化创始人兼CEO程昊

自变量创始人兼CEO王潜

招商局集团AI首席科学家张家兴

中国科学院大学教授赵冬斌

“100亿可能只是冰山一角。”加速进化创始人兼CEO程昊幽默地回应道，强调了合作的重要性，“如果真的只有这么多钱，我会考虑与更多伙伴合作，共同推动具身智能的发展。”

智元机器人合伙人罗剑岚则选择用这笔钱解决数据瓶颈问题：“我计划构建一个全球最大的自我进化、自我闭环的数据飞轮。虽然100亿听起来很多，但在此之前还没有人真正用这么多钱去做这件事。”

除了讨论资金的使用，8位嘉宾还深入探讨了世界模型等业内热门话题，并对当前主流的VLA范式提出了反思和改进思路。

为了增强观点间的碰撞，本次圆桌论坛还设置了“举牌表态”环节：嘉宾通过举起1、2、3号牌，表达同意、中立或不同意的立场。

结果显示，即便在顶尖从业者之间，也存在显著的分歧。其中，“数据稀缺”问题的解法尤为引人关注。

星海图联合创始人赵行和招商局集团AI首席科学家张家兴强调真实物理世界数据的重要性；而银河通用创始人王鹤则指出，在真实数据难以采集的地方，合成数据将发挥关键作用。

自变量创始人兼CEO王潜则认为应使用融合的数据，但要根据不同的任务选取合适的数据来源。

如何选取和组合数据以实现量变到质变的飞跃？不同的回答反映了每位创业者心中的“第一性原理”与战略重心。

主持人：世界模型会是具身智能的关键技术吗？

王鹤（同意）：这取决于对世界模型的定义。视频生成模型正在模糊强化学习中世界模型的界限。当前的主流思路是让机器人通过人类行为的视频来学习，但存在根本问题：机器人的身体结构与人类差异巨大。因此，即便模型能生成逼真的人类动作，这类数据对机器人的实际帮助也相当有限。然而，预测能力对具身智能而言不可或缺。机器人必须能像人一样，根据未来的目标推理出当前应执行的动作。

王仲远（同意）：世界模型对具身智能肯定有用，但它不一定是必需的基座。我们所理解的世界模型，不仅仅是视频生成，而是基于前续的时空状态预测下一个时空状态。

主持人：几位嘉宾都强调了数据的重要性，能否用一两句话介绍你们的策略？

张家兴：我们坚信真实物理世界采集的数据，并更偏重于以人自身作为本体去采集的数据。

赵行：我们以真实数据为基础，关注数据的真实性、质量和多样性。

罗剑岚：我们坚持真实数据，并重视数据质量。未来将通过机器人自主产生数据。

王仲远：我们从视频数据中学习基座模型，再通过真机采集的数据做微调。

王鹤：我强调仿真数据的重要性，通过模拟器为真实世界的数据飞轮提供基础控制器。

程昊：我们先用仿真数据快速落地，再用真实数据提升能力。

王潜：我们什么数据都用，但侧重点在物理世界的真实数据。

赵冬斌：自动驾驶是具身智能的重要例子，通过实际应用收集数据。