2025全球開發者先鋒大會12月12日至12月14日在上海舉行。在同期舉行的思辨會上，具身智能企業家們對“2050年人機共存的社會”進行了暢想。

他們認為，隨著具身智能硬件、軟件、生態深度融合，機器人能勝任人類的大多數工作。有企業家提出，當機器人成為主要生產力后，人類將有更多時間和機會探索宇宙，盡享“星辰大海”。

既要仰望星空，也要腳踏實地。多名具身智能專家在思辨會上強調了多模態語料數據痛點。他們表示，數據短缺是具身智能發展的真命題，且數據多來自受控環境，質量與真實場景需求存在差距。產業應用對數據質量要求更高，這需要政府與企業協同構建貼合實際場景的高質量數據集，推動機器人應用落地。

未來社會或出現機器人醫院、具身智能學校

“現在，具身智能行業的發展速度和呈現狀態遠超所有人預期，但其實很多人不清楚具身智能機器人這一概念的起源。”國家地方共建人形機器人創新中心首席科學家江磊表示，1986年，863計劃（國家高技術研究發展計劃）開始實施，其中提出了“智能機器人”研究方向，開啟了我國機器人研究的歷程。

江磊說，近 40 年過去了，如今人們在這一基礎上新增 “具身” 二字，提出 “具身智能機器人”，標志著行業迎來了全新發展階段。“很多人說這是機器人行業的 ‘翻篇’，但我并不完全認同。它更像是歷代從業者不斷探索嘗試的積累，是整個行業在追逐 ‘星辰大海’ 愿景過程中，一個極具里程碑意義的熱點爆發。”

對于2050年具身智能機器人的理想和愿景，上海青心意創科技有限公司CTO曾俊表示，至少能于2050年前實現三個核心維度“質的飛躍”。

一是硬件能夠穩定、可靠地滿足任務要求，這是基礎保障。二是軟件集成度提升，當人們下達任意任務指令時，配套軟件能高效支撐機器人完成與人、與環境的交互，還具備緊急情況下的自動響應能力。

三是在產品生態上，2050年前，行業已明確可盈利的商業方向，且這些盈利方向能清晰拆解為對應的軟件和硬件需求。當硬件、軟件、生態三者深度融合，行業就能進入良性循環的發展狀態，形成持續前進的 “飛輪效應”。

開普勒副總裁宋華作出了較為樂觀的預測，他表示，具身智能的發展速度將快于業內預期。到2050年，行業已徹底解決兩大核心問題。在硬件穩定性上，經過多輪迭代更新，硬件性能會達到非常可靠的水平；軟件功能性方面，通過持續迭代，機器人能精準完成各類預設任務。

宋華認為，人機共存的社會，將出現專門服務于機器人的配套體系，例如類似人類醫院、學校、培訓機構的單位，為機器人提供維護、升級和技術賦能。

“人形機器人的核心發展邏輯，是追求機器人能勝任各類任務。”新時達副總經理蔡亮表示，十五年內想要機器人做到 “無所不能” ，存在不小的挑戰，但整體發展方向是積極向好的。

他還透露，新時達將具身智能作為未來發展的重點方向，正在從傳統工業機器人向具身智能加速轉型，預計本月月底或2026年年初左右會公布具身智能方面的新進展。

蔡亮還拋出一個頗具哲學意味的思考：若未來機器人具備高度的運動能力和任務執行力，能勝任人類所有的工作，那人類的價值在哪里？“到時候，真正困擾大家的可能不再是如何讓機器人做事，而是人類該做什么。”他說。

對于上述問題，宋華提出，人類對未知世界的探索欲望是無限的。如今太空探索已邁出了第一步，未來太空必然會成為無數人向往的美好家園。而這件事，必須借助人形機器人的力量 —— 讓機器人為人類創造更多財富，讓人類有更多時間和機會投身太空探索。

“到2050年，人類很可能會和人形機器人一起登上太空，而真實的未來，或許會比這個設想來得更早。”宋華說。

機器人也需要“為什么犯錯”等負樣本數據

具身智能何時迎來“ChatGPT時刻”？在2025全球開發者先鋒大會思辨會上，業內人士普遍指出，模型是具身智能的 “大腦”，數據是滋養大腦的 “養分”。大語言模型的爆發，源于海量高質量語料的支撐；而具身智能要實現從 “能行動” 到 “會思考” 的跨越，同樣離不開多模態語料數據的“質的飛躍”。

靈御智能首席科學家、清華大學自動化系長聘副教授莫一林表示，數據缺失是公認的非常嚴重的行業痛點，尤其是較自動駕駛行業而言，具身智能數據集規模遠遠未達到合理水平。

數據的問題，不僅體現在數量上，更反映在質量上。莫一林進一步表示，大量具身智能數據是在實驗室、數據采集場等受控、干凈的環境中采集的，而自動駕駛數據則來自真實的道路行駛場景，更貼近實際應用需求。由于具身智能機器人尚未大規模落地，數據采集只能局限于實驗室、工廠或數據農場，這導致具身智能數據質量與自動駕駛數據存在顯著差距。這一問題必須得到正視并著力解決。

上海科技大學教授顧家遠也表示，仿真數據已成為具身智能數據的重要來源。此外，數據質量是至關重要的，尤其是疊衣服、高精度操作等場景對數據采集的精度和細節要求極高，數據質量直接影響模型的學習效果。

上大通用智能機器人研究院特聘研究員、技術副總監黃嘉鋒強調了“數據維度”和“數據信息密度”的重要性，他表示，具身智能需要解決的任務更復雜，且完全處于真實物理場景中，這與大語言模型有本質區別。大語言模型可以通過文本、圖像數據識別物體、拆解任務；但在物理世界中執行任務時，僅靠文本、圖像數據和機器人關節數據是不夠的 ，真實物理場景需要動態交互。

“中國有句古話 ：人教人教不會，事教人一次會。機器人只有真正感知物理世界，才能理解‘為什么抓不住衣服’‘為什么踢球后球會因重力下落’等底層邏輯。”黃嘉鋒表示，具身智能數據需要增加維度，納入力傳感器、觸覺傳感器等數據——這些對人類而言習以為常的感知信息，對機器人理解物理世界至關重要。

數據的正負樣本比例亦受到專家的關注。黃嘉鋒表示，當前訓練數據大多聚焦于 “如何正確完成任務”，但缺乏 “錯誤操作的后果及原因” 相關數據，包括 “沒抓穩杯子會掉落破碎”“掉落的原因是握持力不足”等。具身智能需要理解真實的物理邏輯，而正負樣本的均衡搭配，能幫助模型更全面地掌握任務規律。

校對：廖勝超