財經(jīng)觀察：從“動腦”到“動手”，中國機器人走進(jìn)真實場景

來源：環(huán)球時報

【環(huán)球時報報道 記者 楊沙沙】剛剛結(jié)束的2026世界人工智能大會暨人工智能全球治理高級別會議（WAIC），向全世界展示了一個機器人穿行其中的未來世界：展館內(nèi)，機器人不僅會“思考”，更開始“動手干活”，從復(fù)刻中式茶道、制作沙拉，到鑒別鞋品真?zhèn)巍⒔M裝電池模組，具身智能已滲透進(jìn)制造、餐飲等真實場景；展館外，仿生機器人交警站在上海街頭指揮交通，動作流暢、神態(tài)逼真，成為一道兼具科技感與溫度的亮眼風(fēng)景。從工業(yè)產(chǎn)線到城市街巷，人工智能（AI）正以前所未有的深度和精度融入物理世界的運行肌理。多家頭部企業(yè)向《環(huán)球時報》記者確認(rèn)，中國在機器人本體制造與大模型能力上均已躋身國際第一梯隊，且在應(yīng)用落地層面與制造業(yè)結(jié)合緊密。然而，行業(yè)專家也坦言，從“數(shù)字世界”走向“物理世界”，仍需要跨越最難的門檻——機器人“大腦”雖已足夠聰明，卻尚未真正理解物理世界的規(guī)則。

從“大腦”到“身體”，AI學(xué)會“上手”干活

WAIC開幕第二天，香港生產(chǎn)力促進(jìn)局首席數(shù)碼總監(jiān)、內(nèi)地業(yè)務(wù)首席執(zhí)行官黎少斌抵達(dá)上海后，一頭扎進(jìn)上海世博展覽館現(xiàn)場，迫不及待想去看看展會上有哪些“把AI和機器人變成商業(yè)價值的案例”。香港生產(chǎn)力促進(jìn)局在世博展館也有展臺，展示了由生產(chǎn)力局研發(fā)的工業(yè)人工智能應(yīng)用平臺“HKPC天工開物”、工業(yè)人形機器人智能制造平臺等。

站在香港“橋頭堡”的角度，一邊連接內(nèi)地的應(yīng)用能力，一邊對接海外市場機遇，黎少斌告訴《環(huán)球時報》記者，生產(chǎn)力局正在對接兩邊龐大的需求。“以前中企出海是看得見的產(chǎn)品——汽車、設(shè)備。現(xiàn)在，這些產(chǎn)品都變成了智能體，車是智能車、設(shè)備有AI大腦”。

距香港生產(chǎn)力促進(jìn)局展臺幾步遠(yuǎn)，就是位于展館一樓大廳C位的“模登時代·伙伴之城”沉浸式展區(qū)。在這里，黎少斌特別關(guān)注的“把AI和機器人變成商業(yè)價值的案例”有著豐富的場景呈現(xiàn)。

“國風(fēng)穿搭”的智元輪式雙臂機器人，用機械臂完成?投茶、注水、浸泡、分茶?等精細(xì)操作，完整復(fù)刻中式茶道工序；一旁的智元雙足人形機器人，則與工作人員展開乒乓球?qū)Υ颍ㄟ^視覺感知乒乓球軌跡，精準(zhǔn)預(yù)判落點和來球姿勢，揮拍、擊球；希夕智能機器人化身“AI大廚”，左右手配合，抓取食材、擺盤、調(diào)味出餐，展示了具身智能落地餐飲產(chǎn)業(yè)的場景；千覺機器人與?得物?聯(lián)合展示了?AI鑒別機器人?，機器人把鞋墊取出來，通過高清攝像頭采集各個鑒別點，如鞋跟、鞋舌等，像老師傅一樣鑒定，通過采集觸覺數(shù)據(jù)辨別出鞋的真假。

最令人震撼的，是現(xiàn)場復(fù)現(xiàn)的一條蘇度科技適配寧德時代的“電池模組產(chǎn)線”。《環(huán)球時報》記者看到，4臺機器人在流水線一字排開。設(shè)備啟動后，負(fù)責(zé)“上料”的第一臺機器人轉(zhuǎn)身拿取身后的電池盒，然后放置到產(chǎn)線上；在第一臺機器人啟動的同時，第二臺負(fù)責(zé)“電芯裝配”的機器人已經(jīng)在取身后的電芯，等電池盒就位后，這臺機器人剛好轉(zhuǎn)身，緩緩地將兩個《新華字典》大小的電芯，精準(zhǔn)裝入面前的電池盒；第三臺機器人右手持掃碼設(shè)備，左手輕輕擦拭電芯上的灰塵，完成掃碼后，電池盒接著傳遞到下一個工位；第四臺機器人負(fù)責(zé)收尾工作，用夾爪將裝配好的電池盒從產(chǎn)線取下。

記者計時發(fā)現(xiàn)，上述流程大約用時3分鐘以內(nèi)，而裝配10組20個電芯需要大約15分鐘。據(jù)蘇度科技軟件工程負(fù)責(zé)人介紹，機器人目前的速度跟人工比仍有差距，未來希望能接近甚至超過人工效率，“機器人大腦推理速度決定整個操作的流暢度”。該工作人員表示，從“數(shù)字世界”走向“物理世界”，產(chǎn)業(yè)界現(xiàn)在面臨的最大瓶頸是“具身大腦”——讓機器人真正擁有智能，“下一步要做的，是用一個聰明的大腦把硬件的全部潛能發(fā)揮出來”。

“大腦”夠聰明，為何“身體”還不夠靈？

在商湯科技展臺旁的“燒賣購”，記者看到了同一大腦訓(xùn)練場景下，兩臺機器人呈現(xiàn)的兩種不同工作狀態(tài)：一臺戴著鴨舌帽的“店員”面對記者下單，從接單、取飲料到遞送，全程僅用15秒，動作絲滑流暢，一氣呵成，儼然一副“老員工”的架勢；而另一臺機器人，則顯得比較慢，每一個動作都在思索，下單取物耗時更長。

在現(xiàn)場觀察機器人運營的商湯善惠首席技術(shù)官（CTO）劉恒一接受《環(huán)球時報》記者采訪時表示，上述兩臺機器人都采用商湯科技多模態(tài)基座模型——商湯日日新SenseNova-U1 Pro。“快的那臺（機器人）相當(dāng)于‘正式員工’，已經(jīng)提前訓(xùn)練過一段時間，模型迭代得比較好；慢的那臺剛開始學(xué)習(xí)，相當(dāng)于‘實習(xí)生’。”劉恒一表示，用不了兩個月，“實習(xí)生”就會趕上“正式員工”，因為機器人學(xué)習(xí)迭代的速度會越來越快。

? 劉恒一告訴記者，商湯機器人學(xué)習(xí)的，是在真實運營中產(chǎn)生的真機數(shù)據(jù)，不是實驗室數(shù)采場景的數(shù)據(jù)。而數(shù)據(jù)正是決定機器人大腦是否聰明的關(guān)鍵因素。

與前幾屆相比，中國電信集團(tuán)首席科學(xué)家畢奇從本屆WAIC上感受到，今年的最大變化是大模型正在朝更廣闊的應(yīng)用落地發(fā)展，AI智能終端正在打通從數(shù)字世界到物理空間的通道。

為什么國產(chǎn)大模型已經(jīng)達(dá)到相當(dāng)聰明的程度，機器人“大腦”卻發(fā)育不足？畢奇告訴《環(huán)球時報》記者，對于機器人而言，完成具體工作所需的操作已遠(yuǎn)非龐大語言語料庫所能涵蓋。機器人的執(zhí)行過程不僅需要預(yù)測任務(wù)層面的語言描述，更需精準(zhǔn)規(guī)劃每一個細(xì)顆粒度的物理連續(xù)動作。這種對物理世界進(jìn)行三維空間預(yù)測的能力，已超出語言大模型的范疇，進(jìn)入了“世界大模型”的領(lǐng)域。

目前，以美國斯坦福大學(xué)教授李飛飛團(tuán)隊研發(fā)的“大型世界模型”為代表，全球?qū)κ澜绱竽Ｐ偷难芯可刑幱诿妊砍跗凇．吰嬲J(rèn)為，這類模型旨在賦予AI物理空間智能，其核心挑戰(zhàn)不光是積累數(shù)據(jù)量。從動作大模型的訓(xùn)練、描述與表征方式，到模型架構(gòu)本身，目前均處于前沿探索階段，有大量基礎(chǔ)問題亟待攻克。

蘇度科技軟件工程負(fù)責(zé)人從產(chǎn)業(yè)落地角度給出解釋：大語言模型擅長做規(guī)劃，當(dāng)你給出“去拿杯水”這樣的指令時，它能清晰地分解出任務(wù)步驟、給出行動方案。但規(guī)劃不等于執(zhí)行。到了機器人真正動手的層面，挑戰(zhàn)就完全不同了——它需要理解物理世界的規(guī)則、感知三維空間的結(jié)構(gòu)、實時響應(yīng)環(huán)境的反饋。一個最典型的例子是：大語言模型可以告訴機器人“把杯子抓起來”，但它無法回答“要用多大的力”。這個看似簡單的問題，恰恰是大模型從“數(shù)字世界”走向“物理世界”時有難度但必須邁過去的門檻。

從產(chǎn)品輸出到生態(tài)輸出，中國企業(yè)的下一程

面對上述困境，行業(yè)內(nèi)正在探索不同的出路。騰訊首席科學(xué)家張正友向《環(huán)球時報》記者介紹了具身智能大模型訓(xùn)練的“數(shù)據(jù)金字塔”框架。

金字塔共分四層：最底層是海量的互聯(lián)網(wǎng)視頻數(shù)據(jù)，優(yōu)勢在于規(guī)模龐大，但缺陷也很明顯——機器人需要的是第一人稱視角的操作畫面，而普通視頻中往往看不到“手”在做什么；第二層是機器人在真實作業(yè)中采集的第一人稱數(shù)據(jù)；第三層是人類穿戴專用設(shè)備（如手套）采集的物理數(shù)據(jù)，包含用力大小、觸覺反饋等精細(xì)信息；最頂層則是遙操作數(shù)據(jù)——針對特定機器人本體進(jìn)行遠(yuǎn)程操控采集，效率最低（8小時采集可能只有一半可用），但優(yōu)勢在于數(shù)據(jù)質(zhì)量最高、可直接用于訓(xùn)練。

張正友表示，騰訊的策略是將四層數(shù)據(jù)全部打通。目前，僅憑互聯(lián)網(wǎng)數(shù)據(jù)加上第一人稱視角操作數(shù)據(jù)，已經(jīng)能夠支撐大量任務(wù)的訓(xùn)練。此外，騰訊自研了亞毫米級精度的數(shù)據(jù)采集設(shè)備，集成力覺與觸覺感知能力，采集效率遠(yuǎn)超遙操作——半小時獲取的數(shù)據(jù)量就已相當(dāng)可觀。同時，團(tuán)隊還開發(fā)了適配算法，能夠?qū)⒉杉降臄?shù)據(jù)遷移至不同機械臂上直接進(jìn)行訓(xùn)練，大幅提升了數(shù)據(jù)的通用性。

京東在本次WAIC展會上直接打出“AI進(jìn)入物理世界”的口號。京東相關(guān)負(fù)責(zé)人接受《環(huán)球時報》記者采訪時表示，京東的優(yōu)勢在于擁有零售、物流、健康、工業(yè)等海量真實業(yè)務(wù)場景，這是AI訓(xùn)練最稀缺的“真實世界經(jīng)驗”。京東推出了行業(yè)首個覆蓋“采、存、標(biāo)、訓(xùn)、評、仿、測”全鏈路具身智能數(shù)據(jù)基礎(chǔ)設(shè)施，計劃兩年內(nèi)采集超過1000萬小時真實場景視頻數(shù)據(jù)。在WAIC期間，京東已開源行業(yè)最大人類視角數(shù)據(jù)集EgoLive，將真實生活與作業(yè)現(xiàn)場的第一視角經(jīng)驗，轉(zhuǎn)化為具身模型可以學(xué)習(xí)的“數(shù)據(jù)燃料”。

盡管具身智能尚未實現(xiàn)在復(fù)雜場景中完全自如工作，但多家接受《環(huán)球時報》記者采訪的企業(yè)均表示，中國在大模型算法與機器人硬件兩個維度均已躋身全球前列，且在應(yīng)用落地層面與制造業(yè)結(jié)合緊密，走在了產(chǎn)業(yè)化的前列。

這些進(jìn)展對黎少斌而言意義重大——他敏銳地感受到，全球市場對中國科技產(chǎn)品的需求已呼之欲出。以中東為例，黎少斌向《環(huán)球時報》記者透露，當(dāng)?shù)貙χ袊鳤I產(chǎn)品和解決方案的需求相當(dāng)旺盛，“他們不僅愿意投入真金白銀引進(jìn)技術(shù)和企業(yè)，也樂于開放各類應(yīng)用場景，機遇非常多。”他指出，中東國家正處于從能源依賴型經(jīng)濟向高科技多元化經(jīng)濟轉(zhuǎn)型的關(guān)鍵期，自主研發(fā)能力尚需時日積累，因此對引進(jìn)外部先進(jìn)技術(shù)抱有極大熱情，中國科技企業(yè)正是這些國家最為歡迎的合作伙伴之一。

在黎少斌看來，中國企業(yè)未來出海的關(guān)鍵，已不再是單純“賣產(chǎn)品”，而是“建生態(tài)”。除了輸出大模型等核心技術(shù)，還應(yīng)同步配套開發(fā)工具、培訓(xùn)課程等支撐體系，幫助當(dāng)?shù)亻_發(fā)者基于中國技術(shù)平臺進(jìn)行二次創(chuàng)新。唯有如此，才能逐步培育出一批圍繞中國大模型和工具鏈成長起來的本地開發(fā)者與公司，形成真正可持續(xù)的技術(shù)生態(tài)——這應(yīng)是中國科技企業(yè)出海的長遠(yuǎn)方向。