具身智能：数据难题解决者，商业潜力巨大

具身智能技术，寻找客户之路挑战重重。

然而，深圳一家机器人公司却凭借其一流技术，赢得了众多千亿级大厂的青睐。

在美的工厂中，机器人进行分拣的效率是人工的3倍；海信生产线上，机器人用于柔性插拔装配，成功率高达99.99%。至2025年，该公司已批量出货超百台人形机器人，比亚迪、广汽等知名企业均成为其客户。

这家名为跨维智能的公司，通过为制造业客户提供机器人大脑与人形机器人，年收入已突破亿元大关。

跨维智能成立于2021年，其能在短短四年内实现大规模落地，关键在于解决了数据难题。

物理世界的数据本就稀缺，行业大多依赖真机采集数据，这种方法效率低下且数据复用困难。跨维智能创始人贾奎带领其团队，通过计算机模拟物理环境“造数据”，成功解决了机器人在真实世界中训练数据匮乏的问题。

在跨维智能构建的虚拟世界里，物体有重量、会碰撞，可无限生成训练数据——今天练习分拣圆形零件，明天就可以换成方形；今天模拟晴天，明天又能换成阴天，甚至还可以故意设置油污干扰。

资本同样看好跨维智能的“数据核武器”。该公司已完成多轮大额融资。刚成立时便获得近千万美元天使融资。2025年年中，又获得数亿元A1&A2轮融资，投资方包括成都科创投、洪泰基金以及联想创投等知名机构。

跨维智能的客户遍布汽车零部件、新能源、3C电子、航空航天、物流、家电等50多个细分行业。

贾奎是“80后”，山西人，本科毕业于西北工业大学，并在伦敦大学玛丽女王学院获得博士学位。他现任香港中文大学（深圳）教授。

最近，铅笔道与多家媒体一道，与贾奎进行了深入交流，共同探索机器人新机遇。

1、机器人下一个落地场景是什么？

服务机器人。技术将成熟到“好用且不贵”，机器人成本能降至客户18至36个月回本的区间。预计2027年开始起量，2028年有望迎来爆发，复刻工业机器人当年的发展路径。

2、2026年，哪些领域会爆发？

三维物理世界模型成为行业热点，接近人类自然动作的数据采集设备（如手环、头环）将迎爆发。

3、乐观看，具身智能的前景有多大？

如果核心数据问题能彻底解决，优秀公司的估值或能达到大模型公司的10倍。

01

2021年创业之初，“具身智能”概念尚属鲜为人知。我们致力于探索：AI能否跳出屏幕，从文本、图像等虚拟数字世界，真正走进生活的三维物理世界？

AI要在物理世界自主完成任务，必须有载体——机器人。这是具身智能的核心逻辑。很多人误将具身智能与人形机器人等同，其实具身智能是“让AI在物理世界做事的能力”，而人形机器人只是这种能力的一种载体。哪怕是一个只有一只“手”的机械臂，只要它能靠AI感知环境、自主完成任务，也属于具身智能的范畴。

无论载体是什么，机器人的最终价值都要体现在“劳动力”上：要么比人效率高，要么能做人做不了的事，要么能降低成本。

跨维智能创始人贾奎

工业领域的机器人普及度一直最高——汽车工厂的焊接机器人、3C工厂的组装机器人已存在几十年——但成本高昂且“死板”。

一套传统工业机器人系统可能要几十万甚至上百万，只有汽车、手机这种大批量生产的行业才用得起；而且它们只能做固定动作，一旦产品型号变更，就得重新编程、调整设备，中小批量生产的工厂根本负担不起这个成本。

而商业场景和家庭场景的问题更为突出：机器人渗透率极低。商场里难见真正干活的机器人，家里的扫地机器人本质还是“自动化设备”，不是能自主决策的“智能体”，核心原因是这些场景太复杂、太灵活，传统机器人的“脑子”不够用。

具身智能还不能像人一样适配不同场景、兼顾智能、通用与低成本的问题根源在于数据——物理世界的数据天生稀缺。

你想让机器人学会分拣零件，互联网上找不到“零件重量+抓取力度+环境光照变化”的组合数据；想让它学会插拔电线，也没有现成的“力觉反馈+插拔角度+电线材质”的数据集。这些数据是三维的、多模态的，还与具体场景强绑定，根本无法像爬取文本那样批量获取。

既然真实数据不够多，能不能用计算机模拟物理环境“造数据”？这就是生成式仿真的雏形。当时这个想法很超前。而行业里大多还在靠真机采集数据。我们却开始研究如何构建虚拟物理环境，生成机器人需要的训练数据。

大模型让AI的“理解能力”上了一个台阶，但数据瓶颈仍未突破。很多同行的尝试都走不通：真机遥操作采集数据效率太低；视频生成技术只能提供二维表象；不同场景的数据无法复用。

我们的解决方案是在计算机里搭建一个遵循真实物理规律的“虚拟世界”（名为GS-World）。在这个虚拟世界里物体有重量、会下落、碰撞会反弹甚至摩擦力、重力、阻力都能精确模拟。

在这个虚拟世界里我们能无限量生成训练数据：今天让机器人练分拣圆形零件明天可换成方形；今天模拟晴天光照明天能换成阴天；甚至能故意设置干扰比如让零件沾油污看机器人怎么调整策略。

02