<mark id="oztn4"></mark>
0
最近，雷峰網收到了一封奇特的發布會邀請函：打開包裝映入眼簾的，居然是一張氣泡膜卡片，令人摸不著頭腦。
可當雷峰網(公眾號：雷峰網)看到邀請函里的內容，才恍然大悟。原來主辦方自變量機器人的意思，是想在4月21日即將舉辦的發布會上，戳破具身智能行業的“氣泡”。
的確，具身智能行業的很多現象，就像氣泡一樣，一戳就破。有多位投資人向我們表示，一些在外人看來很驚艷的效果，實際上并沒有太多“含金量”，問幾個問題便知深淺。
所以，這種“氣泡”的本質，是一種認知差。具身智能本就是交叉學科，自身的復雜性決定了其難以用日常生活經驗理解，因此業內人士和普羅大眾對于具身智能的認知存在著巨大偏差。
而戳破氣泡，就是要打破這種認知差，還原行業最真實的底色。同時也能讓大家明白，各類語境下所謂的“拐點時刻”，并沒有那么容易到來。
但批判從來不是目的。相較于戳破行業氣泡，重建一套客觀公允的行業評價標準，傳遞真實、可信的產業信號，才是這場祛魅行動真正的內核。
熱潮之下，細數具身智能行業的四大「氣泡」
任何新興行業，都會經歷從喧囂到理性的過程，具身智能也不例外。當下具身行業里，就普遍存在著四類認知偏差：
各類評測榜單向來是行業技術水平的直觀參考，但目前具身行業尚未形成統一、權威的評測標準，榜單數據的參考價值存在一定局限性。
首先，評測體系缺乏統一規范，榜單公信力有待提升。不同機構、廠商推出的榜單，評分維度、考核指標差異較大，甚至部分整機廠商自建評測榜單，種種原因共同導致行業內出現多家企業均宣稱“排名第一”的現象，難以橫向對比企業的真實技術實力。
其次，部分榜單不同的硬件卻用同一套“考卷”，公平性存在優化空間。某位頭部具身公司創始人與AI科技評論談及打榜時提到：“其實我們打這個榜單是吃虧的，因為我們是基于自己的硬件來測試，反而PI這種沒有自己硬件的會沾光，因為他們數采和訓練模型用的硬件和平臺的一樣。”
還有一個問題是，預設任務無法體現開放環境中的自主推理與泛化能力，過去的 Benchmark 多為標準化考題，機器人按預設流程執行即可得分，無法驗證核心能力。因此單看打榜成績，很難對模型能力得出客觀評價。
不過，這種情況已出現了了轉機。目前，行業漸漸開始發力無預設、動態化、開放環境評測：引入隱藏任務、隨機干擾項、非結構化場景，不再考核“復刻動作”，而是聚焦機器人的自主推理、環境泛化與臨場決策能力。
此外，新一代 Benchmark 開始綁定真實硬件形態，區分不同機身、末端執行器、傳感器配置，同時引入多機并行測試，驗證量產一致性。隨著行業各方的努力，“評分氣泡”有望變得越來越小。
人形機器人的動作演示常被用于技術展示，但舞臺演示能力與產業實際作業能力，分屬兩種不同的技術維度，二者不能混為一談。
舞臺演示側重肢體運動的流暢性與觀賞性，以復刻預設動作為核心，考驗的是運動控制能力（Locomotion），或者叫具身“小腦”能力；在工業、民用場景下實際作業，考驗的則是末端操作（Manipulation），與模型能力息息相關。
從技術門檻來看，末端操作的實現難度更高。這不僅需要高適配性、高精度的末端執行硬件作為基礎，還需要多模態感知、亞毫米級的空間定位和力控、長程推理能力，這才是機器人“干活”所需要的核心能力。
當前具身行業內，各種DEMO演示視頻被廣泛傳播，被用作展現技術最新進展。這些DEMO雖然能讓人眼前一亮，但往往無法反映真實的可靠性。
一方面，演示視頻存在樣本選擇性，難以反映真實運行成功率。實驗室環境下的流暢演示，往往經過多次調試與場景優化，部分視頻素材為篩選后的成功案例，輔以剪輯優化，無法全面體現機器人在連續運行中的失敗率、容錯率等核心指標。
另一方面，單臺樣機的可行性，無法代表規模化量產的穩定性。單體樣機在理想環境中可完成指定任務，但當產品量產規模擴大、運行周期延長、應用場景趨于復雜時，硬件損耗、系統適配、環境干擾等潛在問題會逐步顯現。
隨著具身智能企業加速量產，各種訂單信息層出不窮，但考慮到訂單數據的統計口徑與應用場景存在差異，不能將其直接等同于產業生產力的規模化落地。
首先，訂單統計標準不統一。行業尚未明確區分意向訂單與確定性訂單，“小訂” 與 “大訂” 的履約約束力差異顯著；同時，小型人形機器人與大型人形機器人在量產難度、技術壁壘上差距較大，同質化的訂單統計方式，容易模糊產品的實際落地價值。
其次，訂單來源結構多元，市場化采購占比有限。部分公開訂單來源于關聯合作、政府示范項目及短期試點，這類合作以場景驗證、技術展示為主要目的，并非基于企業生產剛需的市場化采購，可持續商業化價值有待驗證。
再者，訂單應用場景集中，生產力屬性尚未凸顯。即便是市場化采購訂單，目前也多集中于科研教育、數據采集、展會展演等領域，主要服務于技術研發與品牌推廣，真正落地于工業生產、商業服務等生產力場景的規模化應用，仍處于初步探索階段。
客觀而言，上述行業氣泡，是具身智能作為新興賽道發展初期的階段性現象，無需過度苛責，甚至可以說盡早暴露問題其實是一件好事，意味著行業玩家們可以及時矯正、調轉船頭。
如果測試分數、舞臺表演、視頻花活、紙面訂單都不具有足夠的說服力，那么標志著“拐點時刻”到來的真實信號到底是什么呢？
結合頭部具身智能企業的動作來看，這樣的“真信號”至少需要達到三個標準。
標準其一：大腦能力突破，完成從預編程到自主推理的進化。
很長一段時間里，具身智能行業的重心都在本體和“小腦”，以運動控制能力著稱的宇樹科技，便憑借動作靈活的機器人多次登上春晚。但一個明顯的信號是，即便是硬件領域的佼佼者，也開始焦慮于“大腦”的缺失，比如去年宇樹開始積極尋找大腦供應商，補齊模型能力。
資本市場的偏好，也側面反映了大腦能力的重要性。當前國內估值最高的幾家具身企業，如銀河通用、星海圖、自變量機器人，都把模型能力放在了首要位置。自變量創始人王潛更曾公開表示“AI是第一性的，硬件是第二性的”，要由AI定義硬件。
而為了突破模型能力，制約模型發展的數據瓶頸更是成為了行業新的攻堅高地，多家頭部企業已喊出構建“百萬小時數據集”的目標，一座座數據工廠接連在全國范圍內建立。具身數據的“scaling laws”被徹底驗證、模型自主推理能力產生飛躍的那一天，便是具身智能的拐點時刻。
標準其二：在真實場景中持續穩定運行，完成從“可演示”到“可依賴”的進化。
當前具身智能行業內外，最受關注的話題莫過于“落地”。“機器人究竟能幫我們干哪些活？”是對每個具身企業的靈魂拷問，機器人可依賴的程度，也決定了我們離拐點時刻還有多遠。
在商業領域，餐飲、文旅成為最火爆的場景，制作咖啡、甜品的機器人已在各地部署。至于商超、酒店等場景，相關廠商也在通過迭代產品，提供更智能化的服務。
在工業領域，3C電子、汽車零部件、新能源產線正成為核落地場景，機器人承擔裝配、檢測、巡檢等高危、高重復、高精度工作，部分廠商的產品已經過POC驗證。
家庭場景落地進程相對較慢，不過輕量型陪伴機器狗、家用小型機器人價格已下探到萬元級，同時也有廠商嘗試與家庭服務平臺合作，探尋機器人在家庭落地的新渠道。
的確，這些真實環境中的落地還不夠完美，但至少已經走出了實驗室，迎接商業的考驗。有了“從0到1”，接下來便是從1到100的進化。
標準其三：跑通ROI閉環，完成從“能干活”到“能賺錢”的進化。
“算賬”，是具身智能賽道最現實的一道關卡，也是最難的一場考驗。雖然目前在工業、商業場景中尚未普遍實現穩定的正向ROI，但所有玩家都在朝這個方向死磕，讓機器人賺回自己的成本。
當投資人開始詢問機器人的“單機日均產值”而非“算力參數”時，行業才真正進入了深水區。
回到開頭，自變量這封別具巧思的邀請函，不僅是邀請我們參加發布會，更是邀請整個行業回歸理性、落到地面。他們想傳遞的，不是質疑，而是一種長期主義的清醒。
對行業而言，厘清認知偏差，是最好的自律。
告別榜單內卷、演示內卷、營銷內卷，把精力放回技術研發與場景落地。透明的認知，會倒逼行業形成良性競爭，讓真正有實力的企業，被看見、被認可。
對市場而言，降低非理性預期，是最好的包容。
具身智能是一條長坡厚雪的賽道，沒有一蹴而就的飛躍，沒有立竿見影的落地。正視技術的難度，尊重發展的規律，多一點耐心，少一點浮躁，就是對行業最大的支持。
厘清認知氣泡，方能看清發展本質。告別片面化的成果展示，聚焦技術與落地的雙重深耕，具身智能行業的高質量發展，藏在每一次場景落地的實踐、每一項技術的穩步突破之中。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
