6.7
深览指数
科技量子位··AI 生成
从共识到非共识：科技有「联想」沙龙首场活动直击具身智能产业化“三大困惑”
本文是联想控股旗下沙龙的活动纪要，汇聚了8位具身智能领域的一线从业者，直击数据基建成本高企、模型范式未收敛、量产交付鸿沟三大现实困惑。嘉宾抛出了多个非共识判断：人类视频数据优于遥操数据、五指灵巧手比夹爪更具模板价值、隐式世界模型比显式模型成本低两个数量级。文章信息密度高、真话多，但本质是活动侧记而非深度分析，缺乏作者独立论证。适合关注具身智能产业落地、想了解一线创业者真实焦虑的从业者阅读。原文 ↗
核心观点
- ▍具身智能产业化面临三大核心困惑：数据基础设施如何从高成本人工采集转向规模化；模型范式应在隐式/显式世界模型间如何选择；量产爬坡（百台到千台）和商业化交付能力是真正分水岭。
- ▍行业共识正在形成：人类视频数据（而非真机遥操）是规模化预训练的最优路径；但共识之外，在灵巧手形态、数据采集硬件、世界模型路线等关键决策上仍存在尖锐分歧。
- 01智在无界合伙人郑思鹏指出，真机遥操数据采集一小时成本数百至上千元，一万小时需投入千万元级别；而大规模人类第一人称视频成本低几个数量级。
- 02智在无界已构建20万小时人类视频库（国内最大），但其训练成本若采用显式世界模型（如英伟达Cosmos Policy）是隐式路线的约80倍，一次训练需数千万至亿元。
- 03无问智科创始人刘盛翔援引自动驾驶经验，指出具身智能数据需求远超自动驾驶（三维vs二维），并提出“采集世界—生成世界—模拟世界”飞轮模型，强调Real2Sim2Real闭环对齐是关键。
- 04云松鼠智能黄骏达梳理了从五指→三指→二指→再回归五指的研发路径，发现夹爪看似简单实则高度专用，数据无法互通；而五指灵巧手虽控制难度大，但具备统一模板价值。
- 05宇泛智能CFO戴恺提出商业化成熟度三层模型：量产能力→交付能力→交付质量，高复购率、人效提升30%以上、经营性现金流为正，是其判断交付质量的量化硬指标。
- 06幂特科技王志成提出前瞻判断：任何需要额外硬件设备的数据采集方式都是过渡态，最终应让全球70亿人用智能手机贡献数据。
- 07优宝特创始人范永将人形机器人赛道比作42公里马拉松的前两公里，优宝特正从百台级迈向千台级交付，量变带来系统性考验。
- 08联想之星合伙人高天垚认为行业仍处上升期，远未到“倒闭元年”，看好拥有跨领域能力支撑的公司最终胜出。
反方 / 局限
- — 多位嘉宾坦承，行业Scaling拐点尚未到来——智在无界预计有效训练时长需达百万小时以上；刘盛翔指出单纯数据量增长必须伴场景多样性指数增长，否则量变不引发质变。
- — 学术界广泛使用的Ego4D数据集，经智在无界数据管线处理后约有三分之二无法使用，存在严重的“脏数据”问题；且目前没有任何可用的开源灵巧手预训练模型。
11 分钟 · 4 卡片 · 11 资料
读原文 →