美林资管具身智能奇点时刻来临？业内专家：技术尚未收敛，后端场景有先发优势

　　以“创业投资开启AI技术与应用共振周期”为主题的启明创投.创业与投资论坛近日在沪举行。在“具身智能的奇点时刻”专题对话环节，多名业内专家一致认为，具身智能已站在奇点到来的早期窗口。当前，具身智能技术虽未完全收敛，但已处于快速发展阶段。

　　启明创投主管合伙人周志峰表示，具身智能机器人将率先在拣选、搬运、组装等场景实现规模化部署，积累大量机器人第一视角数据与带触觉的操作数据，构建“模型—本体—场景数据”的闭环飞轮。这一飞轮将驱动模型能力迭代，最终推动通用机器人迈向大规模落地。

　　站在具身智能奇点的“前夜”，原力灵机联合创始人兼首席执行官、旷视科技联合创始人唐文斌表示，投身具身智能行业最大的信心，来自于看到大模型领域链式推理(CoT)与智能体(Agent)能力的巨大潜力。唐文斌认为，机器人从专用走向通用有两个必要条件，一个是对物理世界的精确感知能力，一个是对复杂任务的规划和推理能力。

　　具身智能来到发展的关键阶段

　　从进厂拧螺丝，到便利店递可乐，具身智能作为人工智能与机器人技术融合的前沿领域，目前已来到技术突破与产业培育的关键阶段。

　　“具身智能技术过去两年的发展速度，已超越此前多年积累，进入‘越跑越快’阶段。”它石智航创始人兼首席执行官陈亦伦表示，一方面，业内对端到端技术的信息倍增，操作领域实验室样机能力显著提升；另一方面，多模态大模型发展潜力十足，视觉、语言等模态的进步尚未触顶，数据驱动能力持续增强。从硬件成熟度上来看，高自由度终端(如灵巧手)和接近量产的形态加速落地。

　　唐文斌表示，具身智能的发展动力主要来自大模型在链式推理(CoT)与智能体(Agent)上的能力达到一定的临界值。

　　“通用机器人的出现美林资管，需同时满足两项必要条件：其一，对物理世界的高精度多模态感知。这也是我们过去创业十多年以来一直在做的事情，如今无论是小模型还是大模型，我们的多模感知能力已经做到了行业领先水平，并且还在不断提升。”唐文斌说，“其二，复杂的规划与推理能力，我们希望机器人能够像人一样实现敏捷的决策、结合多模态的感知实现对复杂问题的推理。两者结合方可推动机器人迈向通用化，而当前Agent与CoT的进展，正使这一技术朝着可行的方向发展”。

　　技术尚未收敛增长空间可观

　　尽管发展速度极快、宏观方向趋同，但具身智能技术尚未收敛。业内普遍认为，下一阶段需通过量产落地验证技术路线，加速标准制定与生态协作，推动分化领域逐步收敛。这一发展现状也为创新企业提供了定义技术范式的战略窗口期。

　　唐文斌认为，当前具身智能的技术路线尚未收敛，算法框架、数据来源、硬件形态与稳定性以及场景落地的先后顺序仍处于开放探索阶段。

　　“虽然业内正逐步形成‘端到端、纯数据驱动、采用类VLA(视觉—语言—动作)框架’的共识，并普遍认同多模态信息(视觉、触觉、力觉、深度等)需统一纳入大模型，但终极模型架构尚无定论。”唐文斌提到，现有VLA多为单帧模型，缺乏原生记忆机制，难以完成需要状态累积的任务(如连续添加调料)。此外，“大小脑模型”将高频执行与低频决策人为拆分，虽为当下工程实践，但并非终极形态；未来仍需探索单一模型如何以动态、柔性的频率进行实时思考与决策。

　　“整体上看，技术框架仍面临大量未解问题，而开放的不确定性正是推动行业持续创新的关键动力。”唐文斌说。

　　据陈亦伦介绍，在具身智能领域，业界已在宏观层面形成高度共识，例如，数据被视为核心驱动力，模型最终部署形态大概率采用端到端架构等。不过，在具体实践中，各个团队的路径差异明显。“宏观共识、微观多元”成为行业现状。

　　例如，数据获取方面，有人主张大规模部署真机采集，有人倾向高比例仿真生成；算法层面，即便认同VLA的任务定义，网络架构仍存分歧——是否采用单一大网络、是否加入隐变量层、强化学习的选择及世界模型必要性等问题仍在探索。硬件层面同样多元，通用机器人形态分为双足与轮式两大类，双足方案又存在直驱关节与复杂传动机构等不同设计。

　　后端场景有先发优势

　　在实验室场景下，机器人已具备“十八般武艺”，复刻了人类诸多技术和劳动。然而，在商业化应用中，机器人实际落地或遵循严谨的先后顺序。

　　唐文斌认为，机器人的规模化应用大概率将从工业、物流等领域的后端场景起步。这类场景因规模大、劳动力密集，能产生更大价值。之后，具身智能逐步向商用场景拓展，最终走向民用。

　　“机器人能否落地的关键在于两点：一是真正解决问题(能用、好用)，二是经济模型成立。”唐文斌说。

　　从技术与市场的结合角度，唐文斌还提出了三个关键标准：其一，坚持技术发展的正向梯度，即不过早将技术形态固化于特定垂直场景，避免牺牲泛化性，而是沿着技术演进的正确路径推进，保持模型在通用能力上的迭代空间。其二，注重技术可达性，选择容错率较高、对操作时间容忍度更强的场景，逐步从90%向95%、100%优化。其三，场景需具备规模与强需求。

　　陈亦伦则遵循高价值、有规模、有难度的“黄金三角”逻辑筛选机器人应用场景。他表示，公司会选择用户非常在意的真实需求、存在较大市场空间且上一代机器人技术难以解决的问题，最终实现通用机器人的AGI终极目标。

　　7月下旬，上海发放了新一批智能网联汽车示范运营牌照。8月以来，全无人驾驶的出租车在上海市区开展日常运营。在技术底座上，无人驾驶和机器人共享“感知—决策—执行”技术栈与产业链资源，有望形成“车—机共生”生态。未来，两大领域将从协同研发走向规模化发展。

　　陈亦伦表示，具身智能和自动驾驶在任务场景和底层技术上同宗同源，模型技术可以复用，工程能力可以迁移美林资管，自动驾驶行业的经验与认知也能帮助具身智能领域的探索与落地。

金鼎配资提示：文章来自网络，不代表本站观点。