围观具身智能学术争论：机器人技术拐点仍未到来，行业需要纠偏

近日，一场被一些业内人士视作是“中国具身智能路线(lùxiàn)之争”的学术争论，引起了机器人行业的讨论(tǎolùn)。 一位讨论参与者是(shì)(shì)许华哲，来自清华大学交叉信息研究院（简称“清华叉院”），是中国科技顶尖人才培养机构的(de)助理教授，同时也是机器人企业星海图的联合创始人。另一位则是获得IEEE T-RO最佳论文奖的周博宇，这是(zhèshì)亚洲单位首次获得该奖项，同时他也是南方科技大学的助理教授、博士生导师。知乎平台中，他们(tāmen)围绕“机器人领域特殊任务研究是否有价值”等话题展开(zhǎnkāi)了讨论。 前者主张“特殊任务研究”于(yú)学科(xuékē)有益，但对于(duìyú)推动具身智能的发展“几乎没有用处”。后者则主张无用之用方为智能基石。5月23日，第一财经记者分别采访了(le)许华哲、周博宇以及其他业内人士后了解到，在二者观点的分歧和共识之外，这场争论折射出了学界对技术决定论的警惕，更直接(zhíjiē)对行业进行了“纠偏”。 在资本追捧大模型、企业砸钱秀肌肉的浪潮中，究竟该押注通用颠覆，还是(háishì)深耕(shēngēng)工业现场那些“不够性感”的工程细节？这是每一位具身智能(zhìnéng)从业者必须亲自探索的命题。 针对(zhēnduì)“特殊任务”的研究是否有意义？ 整场讨论的原点，是(shì)许华哲在知乎(zhīhū)上发表了一篇名为《具身智能需要从ImageNet做起吗？》的文章。 许华哲在其中提到，传统机器人(jīqìrén)(jīqìrén)学有相当(xiāngdāng)一部分的研究重点在于“特别”的机器人或者“特别”的任务。比如一个(yígè)蛇形机器人、一个老鼠机器人，或是让机器人去包饺子、抖落衣服。这类“特殊任务研究”的任务对科学(kēxué)虽然有用，但对“推动具身智能的发展几乎没有用处”。 “我认为这种观点显然不对。”在《具身智能：一场需要(xūyào)谦逊与耐心的(de)科学远征》中，周博宇直接(zhíjiē)指出，具身智能本身是跨学科产物，它的发展(fāzhǎn)必须依赖具体科学问题的突破。他以波士顿动力(dònglì)和蛇形机器人的研究为例，指出波士顿动力早期(zǎoqī)研究足式机器人时，没有人能预见其动态平衡算法会成为现代人形机器人的核心；蛇形机器人研究中的柔性驱动技术(jìshù)，也直接推动了医疗内窥镜机器人的发展。“这些看似无用的特别任务，都推动了科学的进步，以及具身智能的进步。” 针对特定场景的研究(yánjiū)，对于行业来说的意义究竟有多(duō)大，成为了二者讨论的核心(héxīn)矛盾。在许华哲看来，按照深度学习、计算机视觉领域的发展规律，推动力主要来自ImageNet这样的标准化数据集以及ResNet或Transformer这样的通用模型。例如流水线分拣、零件(língjiàn)抛光(pāoguāng)打磨等“特别的任务”，短期内有经济价值、创业需求，但长期会被具身智能(zhìnéng)的进展淹没。 许华哲向第一财经记者(jìzhě)进一步解释，以机器人的局部(júbù)运动为例，在强化学习为主导(zhǔdǎo)的方案兴起前，人们利用控制手段也能让机器人完成特定任务，如(rú)在草地上行走、跳舞等。“不过，直到强化学习应用于此，机器人才具备了从平地到草地、山地、跨台阶等只用一套系统就能应对(yìngduì)的能力。” “只要通用智能做成(zuòchéng)，各种细分领域的问题也将迎刃而解”的观点，被周博宇视作是“通用大脑优越(yōuyuè)论”。他提到，即便是人类自身，在掌握某项特定技能时，也必须经历反复锤炼，方能得心应手。“通用智能无疑(wúyí)是一个宏伟的目标，但(dàn)与此同时，我也希望青年学生与工程师们能关注到一些更为具体、务实的产业需求(xūqiú)。” 汽车总装车间(chējiān)中亟待解决的线束整理难题、半导体封装环节对高精度和高稳定性的严苛要求……“这些(zhèxiē)看似‘不够性感’的工程细节，恰恰是锤炼真正智能的淬火池(chí)。”周博宇说。 在(zài)“不够性感”的工程细节里寻找技术拐点 二者的讨论(tǎolùn)发出后，很快引起了业内多位人士的转发。 科大(kēdà)讯飞机器人首席科学家季超告诉第一财经记者，自己对二者的(de)观点都很认同。对技术迭代的追求和工程化落地的能力，对于现阶段的具身智能而言同样重要。“表面上看，一个惊艳的模型或巧妙的算法，可能令人(lìngrén)眼前一亮，但如果(rúguǒ)缺乏长期工程化落地的经验积累(jīlěi)、真实场景中的反复打磨，以及对细节极致追求的‘脏活累活’，这种(zhèzhǒng)优势很容易被复制甚至超越。” 杭州钛维云创(wéiyúnchuàng)的创始人兼CEO张磊也很快转发了二者的讨论。作为聚焦于(yú)纺织行业(hángyè)的具身智能企业，在大部分的工作时间里，张磊都在处理一些“不够性感”的工程细节。“机器人的夹爪怎么去抓牛仔、棉麻、丝绸等质地(zhìdì)不同的布料(bùliào)，怎么迁移、缝纫，这些都需要我们针对特定的任务和场景进行重复训练。” 但在赞同周博宇“通用性无法脱离具体性而存在”的观点之外，张磊也同样认同许华哲对机器人(jīqìrén)数据和仿真(fǎngzhēn)训练环境的观点。 “就像许华哲说的那样，在虚拟世界中的仿真训练(xùnliàn)和海量的数据并不是万能解药。”他告诉(gàosù)记者，在机器人的训练里，模拟(mónǐ)不同状态物体所(suǒ)需要的数据量不同。如果想要训练出一个能够操作五个自由参数量的刚体机器人模型，仿真环境需要模拟的数量级可能在十的五次方。 但如果想要训练机器人“大脑”，也就是搭载在实体硬件上的大模型(móxíng)操作柔性物体，由于柔性物体参数可能有上百个，那么模拟环境数量的量级(liàngjí)可能就会指数级增加，成本和(hé)技术难度都有所飙升。“因此，我们现在(xiànzài)会采用真实(zhēnshí)数据‘反标’的手段(shǒuduàn)，来补偿虚拟环境缺失的精度和真实性，用50%的真实数据和50%的仿真数据来训练大模型。” 不过，就未来的(de)发展方向而言，张磊坦言“自己也没有理清(lǐqīng)”。他告诉记者，具身智能仍然处在一个探索的初级阶段，自己无法(wúfǎ)打包票哪一种技术方案更好、会走到最后。 当前，在大模型落地的(de)方案中，出于安全和稳定性(wěndìngxìng)考虑，张磊将整个流程85%-90%的部分都采用(cǎiyòng)了基于经典控制理论的建模方法，剩下的10%-15%则采用了基于强化学习(xuéxí)(xuéxí)的智能学习算法。“相比VLA（Vision-Language-Action，视觉语言(yǔyán)动作）或者端到端的模型，客户更注重安全性，这也是我们采取这个方式的主要理由。” 尽管如此，张磊仍然和许华哲、周博宇一样，相信机器学习会成为(chéngwéi)具身智能未来的(de)主流。周博宇说，“设想如果我们(wǒmen)能彻底理解人脑的工作机制，甚至创造(chuàngzào)出(chū)超越人脑的新架构，那我们就有望仅凭少量数据快速掌握多种技能，突破传统模块化系统的性能天花板，这是很符合自然的。”他认为，这不仅(bùjǐn)依赖于AI本身的发展，还需要脑科学、类脑计算等多学科的协同突破。 观点竞合纠偏行业(hángyè)发展 第一财经记者看到，讨论双方的观点并非全部(quánbù)“针锋相对”。许华哲也(yě)向第一财经记者坦言，传统的机器人训练方法在今天(jīntiān)依然有他(tā)的价值。周博宇也在交谈中告诉记者，当学者在探索一些此前从未有人想过的东西时，有机会激发产业需求，带来技术的收敛。 谈及周博宇对自己观点的讨论，许华哲(xǔhuázhé)告诉记者，这正是自己发表文章的目的(mùdì)之一。“我(wǒ)本身也很期待有人跟我展开讨论这些观点，我和周老师私交很好，除了周老师以外，还有不少人主动跟我私聊。” 而另一边，周博宇也表示，自己这篇文章“酝酿(yùnniàng)了很久”。“近两年，这个行业的(de)发展超过了我和身边朋友的预期，在这个过程中会有一些激进、极端，甚至有一些喧哗的声音(shēngyīn)，学术讨论(xuéshùtǎolùn)本身能够起到一个纠偏的作用。” 立德智库(zhìkù)数据显示，2025年4月，中国机器人行业融资(róngzī)数量超过45起(qǐ)，环比增长9.3%。根据已披露金额及行业估值测算，预估总融资金额达60.5亿-71.5亿元，较3月的(de)18.5亿-25.3亿元实现了2-3倍增长。 从技术路径(lùjìng)上来讲，VLA模型已经(yǐjīng)成为了各家企业“秀肌肉”的重点。今年年初以来，Figure AI、Physical Intelligence、英(yīng)伟达、灵初智能等(děng)多家企业都发布(fābù)了VLA模型。在这些VLA模型的展示demo中，大多数都体现了语言交互和语言动作跟随的能力。 “语言(yǔyán)理解虽是直观的智能表现，但执行层面的薄弱让技术难以落地。”周博宇以工业、医疗等(děng)场景举例，他认为(rènwéi)，在这些场景当中，高精度运动控制、触觉力觉反馈等能力远比语言交互关键。周博宇提到，他担忧过度聚焦(jùjiāo)语言会导致资源错配，“企业为了融资，不得不分散精力做(zuò)‘秀肌肉’的功能，反而忽略了场景的真实需求”。 在(zài)许华哲和周博宇的观点里，“长坡厚雪”是他们(tāmen)对这个行业的共识。这场(zhèchǎng)争论的价值，或许正在于撕开技术理想主义的面纱，让行业在狂热中看清(kànqīng)现实。在具身智能技术拐点到来之前，机器人的竞争与合作，不仅仅在企业渲染的demo视频中，更在那些“不够性感”的工程细节(xìjié)里。 (本文来自(láizì)第一财经)