作者：MD
出品：明亮公司
具身智能头部公司CEO们最关心的问题是什么？
6月13日，在第八届北京智源大会的具身产业CEO圆桌讨论中，五位来自具身智能创业公司的负责人围绕资本、数据、模型、应用场景、供应链等议题展开讨论。
参与圆桌的嘉宾包括：千寻智能创始人兼CEO韩峰涛，灵心巧手创始人兼CEO周永，星源智创始人兼CEO刘东，破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲，蚂蚁灵波科技CEO朱兴。圆桌由智源研究院院长王仲远主持。
王仲远在开场时提到，2026年可能会成为具身智能从概念走向规模化落地的关键节点。相比过去几年更多围绕概念、演示和早期样机展开讨论，当下行业正在进入更现实的问题区间，比如钱从哪里来、本体是否足够成熟、数据如何获取、模型路线如何选择，以及什么场景能够真正落地。王仲远介绍称，这场圆桌可以称为“百亿CEO论坛”，参与企业均是具身智能产业中估值超过百亿、备受关注的头部创业公司。
当下的市场也已经意识到，具身智能仍处于从技术验证走向规模化落地的早期阶段。资本热度正在加速产业入局，多位讨论嘉宾认为，当前融资更多是“储备粮草、抢占身位”，而非商业模式已经完全跑通。
围绕本体、数据、模型和应用场景，行业正在形成一些阶段性共识。比如，本体能力已有明显进步，但远未达到终局成熟；数据正在成为当下最关键的竞争要素；模型路线仍在快速演化，真正面向物理世界的基础模型尚未定型；而具身智能的商业化，很可能会先从结构化场景、小规模落地和已有自动化设备赋能开始。
以下为「明亮公司」梳理的圆桌讨论部分观点：
融资热潮：已找到商业化模式，还是储备粮草？
今年以来，具身智能创业公司融资非常活跃，部分讨论嘉宾所在公司今年内也完成了几轮融资、较大规模的融资。因此，围绕融资，王仲远先提出了一个问题：当前具身智能产业融资热潮，究竟意味着行业已经找到了商业化模式，还是主要在储备粮草、准备打持久战？
韩峰涛的判断比较直接。他认为，现在大家融资，首先肯定是为了“储备粮草”。在他看来，具身智能的商业模式还需要往后看，但行业节奏已经比较清晰：具身智能即将进入大规模预训练阶段，而大模型训练非常烧钱，因此头部公司需要在现阶段抢身位、储备资金。
他认为，如果今年还没有形成行业头部的资金量和估值，明年在第一波具身智能创业浪潮中，可能就很难再获得头部位置的投资机会。换言之，今年的核心任务是“积粮草、抢身位”，争取进入少数头部玩家的牌桌。
朱兴则把具身智能类比为自动驾驶。他认为，机器人产业一定会穿越一个完整的发展周期，过程中必然有高峰也有低谷。当前行业仍然非常早期，而这种早期性主要由技术阶段决定。
不过，他也看到了一些变化。经过过去两年硬件供应链和模型能力的进展，从今年开始，特定场景中的小规模商业实验已经可以被模糊看见。到明年，这些场景中的商业化尝试可能会加速。
许华哲将当前融资称为购买“通往未来的门票”。他认为，数字世界中很多任务已经被大模型部分解决，智能体能够在电脑里帮助人完成大量工作；但在物理世界，大家仍然相信机器人有机会变得真正通用、真正智能，甚至在一些杂活上超过人类。
他提到，产业技术路线正在从VLA进一步走向世界模型，而世界模型所需资源消耗比VLA更大，因此需要大量资金支持。
周永的表述更乐观。他认为，现在还不是热潮，而只是序章。当前估值可能建立在头部厂商年出货量一万台的基础上，但如果未来厂商做到年出货十万台，资金体量可能是现在的十倍。
他把具身智能与芯片、新能源车、大模型等产业做横向对比，认为未来还有很大空间。当前国内一轮十几亿元人民币融资，在他看来只是开始。
刘东则给出了一个比例判断：当前融资中，大约70%是为了储备资金，30%可以用于商业化落地。他强调，具身智能不应被狭义理解为人形机器人。很多工业自动化设备、机械臂，其实都可以通过具身模型赋能，使其在更宽泛的场景、更复杂的任务上执行动作。星源智已经开始在这类方向上做落地尝试。
「明亮公司」发现，讨论基本反映出，具身智能还没有进入大规模商业模式完全跑通的阶段，资本热度更多是在为下一阶段大规模训练、工程化和场景验证储备资源。但与此同时，行业也并非完全停留在概念阶段，特定场景中的小规模商业化已经开始出现。
本体产业链：阶段性成熟，但远未到终局
融资之后，王仲远将话题转向机器人本体。
他提到，近年来机器人在运动控制、全身平衡等方面取得明显进步。例如春晚机器人舞蹈、机器人空翻、机器人拉动车辆、机器人马拉松等案例，都显示本体控制能力已经比前两年成熟很多。
现场嘉宾被要求举牌判断（同意、反对、中立）：本体产业链是否已经成熟？
韩峰涛是现场少数认为“阶段性成熟”的嘉宾。他认为，判断成熟与否，首先要看参照系是什么。以新能源车为例，如果从固态电池尚未普及的角度看，新能源车仍然不成熟；但如果从当前产业化阶段看，它已经可以形成巨大市场。
机器人也是如此。如果站在终局视角，机器人距离完美本体还很远。比如人工肌肉、电子皮肤、触觉传感器、灵巧手等都仍有巨大差距。但如果站在当前阶段，现有硬件已经足以产生巨大潜在市场。
他用了一个分数体系来描述本体成熟度：如果理想中的“钢铁侠式机器人”整机性能是100分，那么当前最成熟的机械臂大约有50分；轮式底盘约40分；四足机器人约30分；双足机器人约15分；灵巧手可能只有5分；AI可能只有3分。
不过，他补充说，感谢大模型带来的技术革命，AI有机会从3分快速提升到30分、50分，并反过来赋能已有硬件。
朱兴选择了中立。他认为，过去两年，围绕小脑、控制和硬件，行业确实取得了关键进展。否则今天也不会讨论大脑和落地问题。但他强调，硬件不仅要配合小脑，还要配合大脑。当大脑智能水平继续上升，它一定会对硬件提出新的要求。因此，未来很大的主线之一，是AI重新定义硬件。从这个角度说，当前本体不能简单说已经成熟。
周永更明确地认为本体还不成熟。他提出了一个更长期的成熟路径。
在他看来，第一个成熟阶段，是机器人能够制造机器人。现在很多机器人本体仍然依赖“手搓”，一致性并不好。如果机器人能够造机器人，成本会大幅下降，本体成熟度可能达到60分。
第二个阶段，是机器人能够自己设计机器人。也就是说，智能体接触用户需求，由AI完成设计，再由机器人制造出来，整个过程没有人参与。如果做到这一点，本体成熟度可以达到80分。
再往后，机器人甚至可以模块化地自我更新。例如用户收到机器人后发现不满意，机器人自己前往附近服务点，更换皮肤、电机或模块，几个小时后重新返回用户家中。周永认为，这样才接近95分。
数据成为全场共识：当下最重要的瓶颈
围绕具身智能，过去两年行业关注重点很大程度上在本体。但王仲远认为，随着本体进入相对成熟阶段，接下来一两年的叙事重心可能会转向数据。
他提到，很多具身机器人公司开始提出真机采集10万小时、100万小时、1000万小时甚至上亿小时数据的目标。这一逻辑部分来自自动驾驶行业：自动驾驶中，10万小时数据可能训练出可用模型，百万小时接近较成熟状态，千万小时则用于进一步突破长尾极限。
关于“数据是不是当下具身智能的重中之重”这一问题上，几位嘉宾一致同意。
韩峰涛表示，千寻智能从成立之初就把数据视为最重要的事情。他提到，千寻智能目前采用分布式采集方式，在全国有大量采集点和超过千人的采集团队，用于采集高质量三方数据。
在他看来，模型三要素中，算力和参数并不是当前最缺的。模型架构虽然重要，无论是VLA还是世界模型，大家都在探索，但在数据严重缺乏的情况下，架构意义有限。当前真正的瓶颈是高质量、可扩展的核心态数据。
朱兴也认为，当前具身智能的智能上限本质上仍然受限于数据。他提到，蚂蚁灵波去年很大投入放在数据上。在发布1.0模型时，公开提到的是约2万小时真机数据，但这些数据实际上是从更大规模的数据中筛选出来的。
他指出，行业中真机数据和真机遥操作数据存在明显的 “机制重复”问题。和自动驾驶不同，机器人面对的任务复杂度更高。自动驾驶后期数据增长受限，是因为任务相对单一，后续数据高度重复；但具身智能的大脑阶段，无论VLA、世界动作模型，还是未来真正物理原生的基础模型，说到底都需要数据喂出来。
许华哲从家庭场景出发谈数据获取难题。他认为，过去两三年大家都知道数据重要，但真正卡住的是采集方式。
如果依赖真机遥操作，就相当于一个人驾驶机器人到真实场景采数据。问题有三点：第一，过去量产能力不足，造不出足够多机器人；第二，每采一份数据都需要一台昂贵机器人；第三，机器人非常笨重，如果要上门到家庭中采集，需要把设备运过去，成本很高。
因此，破壳机器人更相信类似UMI和人手采集的数据形态。也就是说，给人发一个手套，或者在头上加一个小摄像头，就能采集大量家庭操作数据。这样可以在城市中招募普通人，通过补贴方式采集数据。即使是全职父母、自媒体工作者，也可能在家中空闲时间采集数据并获得收入。
周永则把这一方向和灵巧手、触觉手套结合起来。他提到，灵心巧手也在做触觉手套，希望为精确操作提供数据基础设施。如果未来有头戴式数据设备、触觉手套或手环，就能够在用户原本工作和生活过程中采集大量数据。
他还提到另一个项目：全球有很多残障人士，一双仿生手可能要15万到25万元，负担很重。灵心巧手希望把相关设备做到5000元以内，同时为他们提供“数据采集员”的职业，让他们拥有一份有尊严且可持续的收入。
刘东则提醒，不应把数据简单混成一个大类，只讨论一共需要多少万小时。他认为，更关键的是预训练之后，针对每个具体落地场景的数据。例如物流场景和家庭场景所需数据完全不同。星源智更关注在垂直可落地场景中采集高质量数据，把一个场景打透，这样模型落地会更快。
这一部分形成了全场最清晰的共识：数据已经成为具身智能当下最重要的瓶颈。但不同公司对数据的理解并不完全一样。有人强调大规模分布式采集，有人强调高质量筛选，有人强调家庭场景低成本采集，也有人强调垂直场景数据闭环。
模型路线：从VLA到世界模型，关键仍是物理数据
讨论数据的背后，本质上是在讨论具身模型能力。
韩峰涛认为，具身智能未来落地和进化具有较强确定性，这一信心来自大语言模型和自动驾驶两个行业的成功经验。而当下的关键问题是如何把AI在虚拟世界中的能力带到物理世界。
韩峰涛用“什么模态的数据产生什么模态的智能”来概括自己的判断：大量文本产生文本智能，大量图像产生图像智能，大量视频产生视频智能。要获得物理智能，就需要大量物理数据。
因此，他对模型的判断有两点。第一，有大模型作为基础，具身模型有机会很快从3分提升到50分。第二，从3分到50分的核心卡点，是高质量、可扩展的数据。
朱兴认为，未来模型最重要的方向，是尽快催生具身智能真正需要的“物理原生模型”，而不仅仅是由数字世界能力牵引。而在另一场关于世界模型的讨论中，蚂蚁灵波首席科学家沈宇军则详细阐述了这一判断的背景。
朱兴强调，物理世界有自己的原生模型，这一点非常关键。未来的模型不应只是VLA与世界动作模型的简单融合。如果数据不够，融合也融合不起来；即使形式上融合，也没有太大意义。
他还提到，未来数据模态会越来越丰富。人在物理世界中需要多种原生模态辅助思考和执行，因此下一阶段需要的不只是视觉，还包括触觉和力觉。视觉加上高精度、便携式触觉手套，可能是下一阶段非常关键的数据形态。
许华哲则从产品验证角度提出，具身模型最大的问题是“掏不出来”。大家都说自己的模型很好，但用户很难真正直接体验。
为什么大家知道GPT或DeepSeek好用？因为它们可以直接在电脑上使用。但具身模型不同，用户家里通常没有机器人。即使公司发布一个模型，普通人也很难像使用语言模型一样直接验证它到底好不好。
他认为，下一个阶段，模型好坏不应只存在于论文、媒体文章或Demo视频中，而是要真正拿出来，让用户使用。只有拉出来遛一遛，才能判断模型是否真的可用。
周永则提出了一个衡量模型能力的标准：新项目、新环境中的部署时长。
过去一个机器人项目重新写代码可能需要6个月到1年。有了模型后，部署周期可能缩短到1到2个月。下一阶段，如果一个新场景能在一周内完成部署，就会让很多公司不再依赖大量项目实施和第三方集成。当模型在搬运、分拣等特定场景中成熟后，部署时间甚至可能缩短到一天。
在他看来，这种部署效率可能是衡量具身模型是否真正可用的重要指标。
应用场景：不必等人形，具身智能可先赋能已有设备
在应用落地方面，嘉宾们并不认为具身智能必须等待通用人形机器人完全成熟。
刘东的观点最明确。他认为，具身智能可以赋能任何自动化设备，而不只是人形本体。现有工业机械臂、自动化产线、专用设备，如果接入具身模型，就能在更多任务和更复杂环境中工作。这意味着，具身智能的早期商业化可能不是直接进入家庭，而是先进入已有自动化基础较好的工业、物流、分拣、检测等场景。
朱兴也认为，当前可以看到的是特定场景中的小规模商业实验。随着硬件、供应链和模型能力提升，这些场景会加速发展。
许华哲选择家庭场景，但他也承认这是最难的产品方向。家庭中任务种类极多，从厨房、卫生间到卧室，每个空间都有不同物体、不同操作和不同数据需求。因此，家庭场景对数据规模、泛化能力和低成本采集提出了更高要求。
韩峰涛则更强调大规模预训练阶段到来之后，具身模型会推动硬件能力释放。他认为，现在虽然硬件各部分都远未完美，但阶段性硬件能力已经足以支撑潜在市场，关键在于AI能否快速补足短板。
周永从灵巧手角度看，灵巧操作会是具身智能绕不开的基础能力。无论家庭、工业还是服务场景，许多任务最终都要落到手物交互上。而灵巧手、触觉手套和高质量手部数据，可能会成为后续模型进化的重要基础设施。
结语：共识与非共识
在当下具身的热潮下，五位CEO的观点可以总结为以下几个方面：第一，当前资本热度不等于商业化已经完全跑通；第二，本体“成熟”只是阶段性的判断；第三，数据仍然是共识性的瓶颈，但单纯堆数据可能不是最终答案。第四，VLA、世界模型或其他模型路线都尚未“收敛”、没有成为最终答案。第五，具身智能的早期落地可能不会首先发生在最理想化的通用人形机器人上，而是在更现实的结构化场景、已有自动化设备、工业和物流系统中逐渐扩展。家庭机器人虽然想象空间大，但也最难。
回顾过去几年，具身智能的核心问题是“机器人能不能动起来”；而面向未来的几年，行业需要回答的问题可能将成为：机器人能否稳定完成任务，能否低成本部署，能否在新场景中快速学习，能否被用户真实使用。
注：文/主编24小时在线，文章来源：明亮公司(公众号ID：suchbright )，本文为作者独立观点，不代表亿邦动力立场。
