在近期于香港举办的国际科技展会LEAP East活动上，具身智能技术的商业化进程成为行业焦点。优必选科技海外业务负责人秦晓军与北京大学人工智能研究院助理教授杨耀东在“中东通·高层会客厅”论坛上，围绕人形机器人技术突破与产业落地展开深度对话。
杨耀东指出，尽管2025年春晚后机器人表演引发社会关注，但当前行业仍面临核心挑战——具身智能尚未出现类似ChatGPT的颠覆性突破。他分析称，现有模型普遍采用70亿至140亿参数的小规模架构，导致环境感知与任务执行能力受限。数据获取困难成为主要瓶颈，特别是缺乏真实工业场景的交互数据，难以形成“数据-模型-应用”的良性循环。
秦晓军披露的产业数据印证了这一判断。2025年优必选全尺寸人形机器人出货量达1079台，覆盖数十个行业客户，但绝大多数仍处于概念验证阶段，尚未出现单客户大规模部署案例。他解释称，每个工业场景都需要定制化数据训练，导致落地周期长、成本高。以汽车工厂为例，机器人完成装配任务的成功率仍低于企业要求的95%阈值，生产节拍匹配度更是不足60%。
针对通用化难题，优必选宣布将于2026年下半年启动预训练模型开发计划。秦晓军透露，公司将优先聚焦3-5个高频工业场景，通过构建基础模型减少后续适配工作量。这种策略旨在打破“每场景从零训练”的困局，预计可使数据采集量降低40%，模型迭代速度提升一倍。
杨耀东从学术角度补充了技术路径的复杂性。他强调，具身智能的数据获取难度远超自动驾驶领域，后者可通过传感器直接采集道路信息，而机器人操作数据需要人工标注动作意图与物理反馈。据研究估算，实现基础通用能力需要至少1亿小时的人类操作数据，仅手部动作采集成本就高达每小时300元人民币，美国市场成本更是翻倍。
两位专家均认为，L2级规模化应用仍是行业空白。当前技术方案多属于“辅助人工”范畴，距离自主决策、跨场景迁移的L3级标准存在显著差距。杨耀东特别指出，数据生产已演变为重资产投入领域，需要建立跨企业数据共享机制，否则单家机构难以承担百亿级的数据采集成本。
