外滩大会聚焦具身智能：从单次Demo到规模化复制的三大突围路径

事件概述

2026年9月11日，蚂蚁灵波科技在2026 Inclusion·外滩大会举行“基座之上：具身智能的场景突围与协同进化”论坛。多位科学家、数据专家及企业负责人齐聚，针对具身智能当前面临的“技术路线未收敛、有效数据稀缺、商业模式待探索”等痛点，深入探讨了通用大脑、数据飞轮与场景落地三个维度的突破方向。

核心信息

一、模型：评价标准从“能力展示”转向“部署成本与稳定性”

• 第一性原理回归：蚂蚁灵波首席科学家沈宇军指出，机器人通用大脑不应简单复刻数字世界的多模态大模型逻辑，而应专注于从原始传感器信号中提取表征、融合对齐不同模态，并生成可执行动作。真正的终局是面向物理世界的模型架构。
• 新评价指标：衡量模型进步不再仅看Demo效果，而是两个具体尺度：
  1. 部署成本：合作伙伴将模型部署到具体场景的成本是否随模型升级持续下降。
  2. 长期稳定性：机器人在开放环境中能否连续长时间稳定运行，具备安全性及应对环境变化的能力，而非仅完成单次任务。

二、数据：竞争焦点从“拥有量”转向“筛选与反馈闭环”

• 数据飞轮困境：蚂蚁灵波首席数据科学家黄用韬认为，目前进入真实生产场景的机器人较少，导致失败案例与反馈未能充分回流，数据飞轮尚未真正转动。
• 好数据的定义：数据质量不仅在于工程底线（如不掉帧），更在于是否符合训练目标。关键在于建立机制，将模型问题转化为可量化的数据筛选条件，快速组合数据集并验证。
• 闭环策略：光轮智能副总裁张建伟提出“仿真评测发现问题 -> 定向补采优化 -> 真实部署检验 -> 反馈回训练”的闭环。觅蜂科技副总裁李茂青主张对数据进行分级使用，以判断其能否帮助模型学到特定能力为核心价值标准。

三、生态：核心挑战是将“单点成功”复制为“规模效应”

• 场景选择与落地：企业普遍认同机器人需“下场干活”以获取完整学习过程，但场景选择需谨慎。优先从安全性高、环境可控、任务链条短的领域（如工业上下料、医院护理）切入；家庭场景则建议先从交互陪伴切入，建立情感黏性。
• 规模化难题：蚂蚁灵波CEO朱兴指出，真正的困难在于将单一场景的成功复制到成千上万个相似但细节各异的场景中。若每增加一个场景都需大量重新适配，则无法形成规模。
• 商业化标准：大晓机器人董事长王晓刚提出，只有当场景中部署数千台机器人且客户实现盈亏平衡时，才意味着可持续商业模式的形成。
• 协同突围：具身智能涉及硬件、模型、数据和场景四个要素，单一公司难以独立完成闭环。各方需在真实任务中连接各自优势，共同降低部署和复制成本。例如，模型公司提供基座和工具链，本体和数据方提供反馈，场景方提供落地空间。

值得关注

• 实战案例：蚂蚁灵波展示了同一套通用大脑搭载不同形态机器人进入药房、物流和工业场景的案例。在智慧药房中，机器人无需改造原有货架即可精准作业，已在国大药房门店部署。这些案例的价值在于暴露真实场景中的问题，进而反哺模型和数据迭代。
• 下一步行动：蚂蚁灵波宣布启动具身大模型挑战赛，邀请高校、科研机构及产业伙伴基于LingBot-VLA 2.0开展训练与真机实践，旨在加速从“一次成功”向“稳定、低成本、可复制的成功”转变。