传奇故事

推动高质量发展行稳致远_我的网站

一 |     该图片使用了AI生成技术          本文来自微信公众号： 具身商业前哨 ，作者：何安          这次去上海参加WAIC，让我印象最深的活动是“智启具身论坛2026——迎接物理AI智能涌现”。    7月30日召开的中共中央政治局会议全面部署了下半年经济工作，明确要推动经济持续向新向优向好发展，努力实现“十五五”良好开局。做好下半年经济工作，要深入贯彻落实党中央决策部署，加大逆周期调节力度，充分发挥各项存量政策效能，及时谋划出台务实管用的增量政策，增强发展动力、激发社会活力。

二 | 积极作为，宏观政策要发力提效。         这场论坛的含金量，不只在于智元、PI、Dyna、Sunday、腾讯和高校研究者坐在同一张桌子上，更在于他们讨论的是数据从哪里来、模型往哪走、本体要不要自己做这些行业尚未回答的硬问题。继续实施好更加积极的财政政策和适度宽松的货币政策。

三 | 今年上半年，全国国库日均库款规模相对较大，反映出财政可用资金较多。要加快财政支出和债券资金使用进度，尽快形成实物工作量。         论坛最后，主持人问了一个所有人都关心的问题：机器人的“ChatGPT时刻”，到底什么时候来？          智元合伙人、觅蜂科技董事长兼CEO姚卯青说，两年；          Sunday Robotics联合创始人兼CEO赵子豪说，三年以内；          腾讯首席科学家、腾讯Robotics X实验室主任张正友说，三到五年；          Dyna Robotics联合创始人兼首席科学家马也骋说，四年左右；          Physical Intelligence研究科学家任至意说，四到五年；          佐治亚理工学院徐丹飞教授给出的答案是五年。         几位嘉宾所在团队的技术路线和产品落地方式并不相同，但他们给出的时间判断却出奇地接近：两到五年。         这个共识，比我想象中更激进。不过，这些数字背后的口径未必相同。强化财政运行监测和库款调度，兜牢基层“三保”底线。要综合运用并适时调整货币政策工具，保持流动性充裕，畅通货币政策传导机制，促进社会融资成本低位运行。实施好结构性货币政策工具，加力支持扩大内需、科技创新、中小微企业等重点领域。

四 | 优化实施财政金融协同促内需政策，形成财政引导、金融放大、市场运作的传导链条。

五 | 强化宏观政策取向一致性评估，涉及企业生产经营的重大政策调整，要留出合理的过渡期。

六 | 持续用力，有效扩大国内需求。         姚卯青给出的定义相对明确：机器人能够开箱即用，听懂开放式自然语言指令，并在常见任务上达到70%—80%左右的基础成功率。我国一些领域商品消费已经趋于饱和或进入阶段性平台期，要适应不同群体消费需求，扩大优质供给，积极培育壮大新兴消费。服务消费是未来扩大消费的重点领域，要创新消费场景，优化消费环境，挖掘服务消费潜力。

七 |          但其他嘉宾并没有逐一定义自己的标准。今年上半年固定资产投资下降5.7%，要促进投资止跌回稳。统筹好项目和资金，扎实推进“六张网”规划建设。         所以，大家对时间看似形成了共识，但对“什么才算机器人的ChatGPT时刻”，其实还没有共识。         整场讨论中，有三个问题最受关注：机器人的数据飞轮怎么形成？“VLA已死”是不是一句伪命题？具身智能公司是不是正在走向软硬件全栈？          这三个问题，正好构成了理解当下机器人行业的三条主线：数据决定机器人如何进化，模型决定智能如何涌现，软硬件路线则决定谁能把能力真正变成产品和生意。

八 |          一、机器人的数据飞轮，不是采出来的          过去几年，大语言模型的成功，给了机器人行业一个直接的想象：只要不断扩大数据、算力和模型规模，机器人是不是也会迎来一次能力涌现？          可问题是，大语言模型需要的数据本来就存在于互联网上。要强化要素保障，抓住三季度施工旺季的窗口期，加快“十五五”规划已经确定的重大项目审批和开工建设。

九 | 今年安排了8000亿元新型政策性金融工具资金，主要用于补充重大项目资本金。

十 | 要抓紧把资金投放到具体项目，撬动更多民间投资。创新引领，加快现代化产业体系建设。基础研究是整个科学体系的源头，是所有技术问题的总机关。要加大对基础研究的长期稳定支持，增强科技创新体系化攻关能力，促进科技创新和产业创新深度融合。机器人需要的物理经验，却没有统一的数据来源。

十一 |          姚卯青在现场做了一个估算：头部语言模型的预训练已经达到100万亿Token量级。如果要让机器人真正开箱即用，可能需要一亿小时级别的数据。深入实施“人工智能+”行动，打造智能经济新形态，推动人工智能技术赋能千行百业，同时完善人工智能治理体系，加快人工智能基础性立法进程。今年以来，人工智能算力需求快速增长，驱动半导体行业加快发展。         这一亿小时从哪里来？          真机数据质量高，但采集成本太贵；仿真容易扩大规模，却始终存在虚实差距；互联网视频和第一视角数据数量足够，却未必能看清最关键的手部动作和力觉信息。         讨论中，一个被反复提及的数据来源是UMI。         你可以简单把它理解为一种低成本的人类操作数据采集方式：人拿着采集装置完成任务，系统记录视觉信息和动作轨迹，再把这些经验转成机器人可以学习的数据。既要强化先进算力供给，也要避免“一哄而上”。         赵子豪认为，短期来看，UMI可能是最高效的规模化数据来源。但他同时强调，长期真正重要的还是部署数据。积极推动前沿技术突破和未来产业发展，着力打造新兴支柱产业，持续推动传统产业改造升级。

十二 |          两句话放在一起，恰好勾勒出一条可能的数据路径：          UMI解决“机器人还没有大规模上岗之前，去哪里获得经验”；部署数据则解决“机器人上岗以后，如何越干越好”。         任至意更看重真机数据，同时主张通过多源数据和跨本体训练，提高模型的泛化能力。         马也骋则把这些数据总结成一个“数据金字塔”。直面矛盾，营造公平有序的市场竞争环境。制定实施全国统一大市场建设条例。         底层是规模最大、成本最低的互联网视频和人类第一视角数据，中间是真机多任务数据，塔尖则是数量最少、价值最高的部署数据，尤其是机器人犯错、停顿、恢复并最终完成任务的过程数据。

十三 |          它不是在告诉机器人“理想情况下应该怎么做”，而是在教机器人“真实世界不按剧本走的时候怎么办”。规范地方招商引资和企业竞争行为，既要有负面清单，也要有正面清单。         Dyna在酒店部署机器人完成折毛巾、折餐巾等任务时，会把前几次部署的数据重新放回预训练。随着数据积累，进入下一家酒店需要重新适配的时间就会缩短。

十四 |          表面看，嘉宾们都认同多种数据需要组合。         但真正到了资源投入上，各家公司押注的重点并不一样：有人优先扩大人类操作数据，有人坚持真机数据，有人则直接进入真实场景，用部署换数据。         这里有一个典型的鸡生蛋问题。         没有足够好的模型，客户不敢让机器人上岗；没有真实部署，机器人又拿不到最有价值的数据。继续综合整治“内卷式”竞争，特别是一些领域低价无序竞争，引导相关行业回归价值竞争、理性竞争。近年来，企业应收账款持续较快增长，平均回收期延长、清欠难度大，成为困扰企业的顽瘴痼疾。要常态化解决企业账款拖欠问题，清理整顿恶意拖欠行为。完善平台企业治理机制，推动平台经济规范健康发展。

十五 |          说白了，机器人的数据飞轮不是采出来的，是在真实场景里干活干出来的。渐进式稳步推进供水、供气、供热等公用事业价格改革。

十六 | 统筹内外，拓展国际经贸互利合作空间。         二、“VLA已死”，死的可能不是VLA          最近，具身智能行业很流行一句话：“VLA已死，世界模型当立。”          但在这场圆桌上，这场争论被进一步落到了VLA与WAM（World Action Model，世界动作模型）两条路线上。外部环境越是变乱交织，我们越要坚持对外开放，推动多领域合作共赢。         VLA是根据视觉信息和语言指令生成动作的模型；WAM则更强调世界如何变化，以及不同动作可能带来什么结果。         Dyna确实从早期的VLA路线，逐渐把更多精力转向WAM。

十七 | 马也骋提到，在一些强调鲁棒性、少量数据和高成功率的任务里，WAM可能比VLA更高效。

十八 | 要积极扩大中间品贸易、跨境电商、数字贸易、绿色贸易，大力发展服务贸易。         那么，VLA真的要被淘汰了吗？          任至意并不认同。他认为，到目前为止，还没有看到哪家模型做出明显超过π0.7的演示效果。扩大进口，促进贸易平衡发展。办好中国国际进口博览会。

十九 | π0.7是PI推出的新一代通用机器人模型，也是PI对VLA路线的一次重要升级。完善对外投资管理制度和海外综合服务体系，提高对外投资的科学性、安全性，加强海外利益保护。         更关键的是，任至意认为VLA与WAM并不冲突。VLA本身也可以吸收世界建模和未来预测能力。

|          机器人最终既要理解语言和当前环境，也要预测未来结果。积极吸引和利用外资，提振外商在华投资发展信心，支持外资企业长期深耕中国市场。PI的做法，就是先生成未来的子目标画面，再用这个画面引导底层模型执行动作。打牢基础，毫不放松做好“三农”工作。深入开展常态化精准帮扶，持续巩固拓展脱贫攻坚成果，守牢不发生规模性返贫致贫的底线。         智元也没有简单押注其中一条路线，而是在推动VLA与WAM融合，探索世界建模、推理和动作能力进一步结合的模型体系。

|          这场讨论的张力就在这里。粮食安全是“国之大者”。今年全国夏粮产量首次突破3000亿斤，要持续用力抓好农业生产，夺取秋粮和全年粮食丰收。稳定生猪等农畜产品生产和价格，推进肉牛奶牛产业高质量发展。高标准农田建设是落实藏粮于地、藏粮于技战略的重要载体，要建立健全建设、运营、管护机制，确保建一块成一块，长期发挥效益。         任至意用π0.7说明VLA仍有很强的竞争力，马也骋则用真实任务中的效率和成功率说明WAM的价值。         两个人没有直接否定对方，但公司的技术下注已经给出了不同答案。多措并举，有力有效加强民生保障。就业是民生之本。         张正友又把问题往前推了一步。         他认为，具身智能远没有形成类似大语言模型Transformer那样的统一架构。今年高校毕业生达到1270万人，再创新高，要加大重点群体就业支持力度。一个真正的机器人智能体，至少要包含认知系统、感知行动系统和底层反应系统。         上层负责复杂推理和任务规划，中层负责感知与动作生成，底层则要以极高频率控制电机、处理碰撞和保持平衡。

| 当前我国灵活就业人员规模达到2亿人左右，新就业形态劳动者数量众多，相关权益保障工作要及时跟上。

|          你不可能让一个数千亿参数的云端大模型直接控制每一个电机，也不能指望一个三四十亿参数的端侧模型解决所有问题。深入研判并有效应对人工智能对就业的影响，推动技术进步与就业包容发展。         所以，“VLA已死”很可能从一开始就是个伪命题。

|          未来形成主流的，大概率不是纯粹的VLA，也不是单独的WAM，而是一套融合语言理解、世界建模、未来预测、推理规划和实时控制的系统。         VLA没有死。扩大消费必须增强居民消费能力和意愿，要研究推出以高质量发展促进城乡居民增收的务实举措。加强普惠性、基础性、兜底性民生建设，抓好“一老一小”服务保障，健全分层分类的社会救助体系。真正可能死掉的，是“靠一个模型解决机器人所有问题”的想象。         三、全栈能力会成为趋势，但全栈生意未必会          第三个问题，是机器人公司究竟应该只做“大脑”，还是连身体一起做。         PI现阶段主要做通用基础模型，没有选择自己研发和销售本体。

|          任至意坦率地说，没有自研硬件，确实可能导致部分任务无法完成。但PI目前更看重模型快速迭代，因此优先使用结构简单、维护成本低的机器人搭建研发基础设施。         这是一条典型的“大脑路线”：先把通用模型能力做出来，把本体作为研发基础设施，而不是现阶段的商业重点。

|          腾讯的选择也很明确。深入实施空气质量持续改善行动，打好“三北”工程三大标志性战役，积极稳妥推进碳达峰碳中和。守住底线，切实筑牢安全屏障。“明者防祸于未萌，智者图患于将来”。         张正友说，腾讯只做大脑，不会卖本体。他甚至开玩笑说，腾讯过去做硬件基本没有成功过，所以要有自知之明。必须强化底线思维，有效防范化解各类风险。要稳定房地产市场，高质量推进城市更新。         但腾讯的Robotics X实验室从2018年成立以来，却一直保留着硬件研发。因为如果没有真正做过硬件，就很难理解触觉、力觉、关节控制和端侧算力，究竟会给模型带来什么限制。         这是一条很微妙的边界：商业模式上可以不卖本体，研发上却不能不懂本体。实施好一揽子化债方案，稳妥化解地方债务风险。加强金融风险防控，扎实推进地方中小金融机构改革化险、减量提质。

|          智元走的是另一条路。

|          姚卯青认为，一旦机器人进入客户现场，面对的就不再是论文指标和Demo效果，而是可靠性、成本、成功率和一致性。深化资本市场投融资综合改革，进一步健全中长期资金入市机制，提升资本市场韧性和信心。深入排查整治各类风险隐患，坚决遏制重特大事故发生，切实维护人民群众生命财产安全和社会大局稳定。我国经济发展具有广阔回旋空间、巨大市场潜力和强大韧性活力。我们要坚定信心，迎难而上，用好各种机遇和优势，以更加昂扬向上的精气神，推动高质量发展行稳致远。（钟才文）。         这些问题没办法只靠模型解决。         端侧芯片能运行多大的模型，电池能工作多长时间，关节如何控制，整机能不能稳定量产，都会反过来决定机器人的智能上限。         Sunday Robotics选择三指夹爪，也是同样的逻辑。         赵子豪认为，机器人的手要在成本与能力之间做平衡。三指夹爪追求的是用20%的成本获得80%的能力。         今天，通用机器人迟迟没能大规模进入家庭和更多真实生产场景，未必是因为少了两根手指，更可能是因为智能不够、成本太高、稳定性不足。         这正是全栈路线的价值：不是为了什么都做，而是在模型、算力、本体、控制、成本和场景之间更好地做取舍。         那么，软硬件全栈会不会成为新趋势？          我的判断是：全栈能力会成为趋势，但全栈商业模式未必会成为唯一答案。         未来，机器人行业很可能会出现类似苹果的公司，模型、本体、系统和产品都自己完成；也会出现类似安卓和Windows的平台，只做通用大脑，适配不同本体。

|          但在今天，本体、传感器、灵巧手、芯片和控制系统都没有标准化。即使一家公司的最终目标只是卖“大脑”，也很难完全绕开身体。没有一家公司还能假装硬件不存在。         四、两年还是五年，其实没那么重要          这场论坛听下来，我最大的感受，是机器人行业远远没有收敛。         哪种产品形态最适合家庭和工厂，没有答案；VLA、WAM、端到端模型和分层系统，谁会成为主流架构，也没有答案。         数据配方仍在变化，商业模式同样分散。

| 有人卖整机，有人做模型，有人做数据平台；有人押注工厂，也有人瞄准家庭。         表面看，这是一种混乱。换个角度看，这也是机会。

|          在一个尚未收敛的行业里，大厂和创业公司、中国团队和美国团队，都没有提前拿到标准答案。         所以，听完整场论坛，我反而不太在意答案究竟是两年还是五年。         机器人的“ChatGPT时刻”，不会只由某一次模型发布宣布到来。         它真正出现的标志，是数据、模型、本体与真实部署第一次形成自我加速：机器人部署得越多，积累的数据越多，能力提升越快，进入新场景的成本也越来越低。         在这之前，所有时间表都只是预测，所有路线都还在验证。         本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 [email protected]。

Current article:http://0fe8a.focuolequzenkedenchaoruaxing.pics/list_jihwcn8/eiy7a.html

Published on:06:54:44