首页 > 科技数码 >国家地方共建人形机器人创新中心江磊：具身智能需新数据新模型

国家地方共建人形机器人创新中心江磊：具身智能需新数据新模型

来源：互联网 2026-08-02 12:47:38

国家地方共建人形机器人创新中心首席科学家江磊指出，人形机器人公司需兼备硬件、模型、数据及训练场能力。当前行业面临高质量数据缺乏、模型智能化不足等瓶颈，发展具身智能需依靠触觉等多维数据支撑。规模化落地存在场景适配难题，需国家统筹与地方开放场景。

记者潘俊田

机器人公司面临四大能力整合要求

机器人公司如果只埋头做机器人，恐怕行不通了。

长期稳定更新的攒劲资源： >>>点此立即查看<<<

“未来有竞争力的人形机器人公司，需要硬件能力、模型能力、数据能力和训练场能力四位一体。”在7月11日于济宁召开的2026机器人企业家尼山峰会上，国家地方共建人形机器人创新中心首席科学家江磊面对经济观察报等媒体，抛出了这个判断。

头部企业纷纷布局四项核心能力

近期对国内机器人公司的调研中，江磊发现头部企业已经纷纷布局上述四项能力，这几乎成了行业的主流选择。比如宇树科技在招股说明书中明确：拟募资约20亿元投入智能机器人模型研发项目，占比接近募资总额的50%。宇树科技的理由很有代表性——当前高性能通用机器人行业正处于商业化突破与技术迭代加速的关键阶段，算力支撑薄弱、高质量数据缺乏，导致模型智能化程度不足，这已经成为制约行业发展的核心瓶颈。

行业痛点：机器人难以进入真实场景替代人工

眼下机器人行业的一大痛点在于：很难真正进入真实场景替代人工。多数时候，它们只能跳舞、表演，在舞台场景里转悠。江磊对此评价：“跳舞、表演方面的成功，证明了国内在机器人控制系统上已经有了很大突破，但行业依然面临‘智能’方面的挑战。”

为什么？跳舞、表演都是按照事先输入的程序完成固定动作，舞台环境不能受外界干扰。可一旦要让机器人“进厂干活”，尤其是替代人工完成各类繁杂重复性工作，就需要实时调试、调整程序。行业给出的解决方案是发展具身智能——把AI与机器人深度结合，让机器人能够自主行动、自主作业，真正实现落地“干活”。

模型是具身智能的“大脑”，多维度数据训练成关键

模型是具身智能的“大脑”。江磊指出，当前无论是“世界模型”还是其他模型，训练方式仍以视觉训练、文本训练为主，而真正完备的“世界模型”需要依托触觉、听觉等多维度数据支撑。此前具身智能大多通过视觉、文本训练获得“智能”，业内正在逐步探索触觉路径。江磊给出了一个清晰的阶段划分：0.0阶段的机器人是具备感知能力的机器人，1.0阶段会增加触觉感知能力，2.0阶段才能真正实现自主决策。

“最近很多做自动驾驶的人投入到具身智能领域，正是看中了大模型未来发展需要更多维度的数据。汽车可感知的数据场景有限，感知成本更高，而人形机器人适配三维空间，可采集的数据场景更丰富，感知成本更低。”江磊这样解释。

数据短缺制约行业发展，真实场景训练场加速布局

但现实是，当前国内布局具身智能的企业能获得的数据量太少，行业急需更多开源数据来支撑模型训练。这些数据必须来自真实场景。江磊所在的国家地方共建人形机器人创新中心，已经在全国布局多个具身智能训练场，帮助具身智能企业获取更多的数据。

规模化落地面临中试、标准体系等挑战

机器人若能进入真实世界“打工”，自然能获得更多真实数据。但出于商业考量，目前机器人推广速度较慢，真正“进厂打工”的案例还只是个例。江磊坦言，当前机器人已经完成了“从0到1”的技术突破，但很难解决“从1到10”的规模化落地，面临中试、标准体系、企业管理等方面的问题。他认为，规模化落地的一大障碍在于企业难以精准适配、跟进真实应用场景。“机器人企业希望客户改良场景，客户认为机器人需要适应场景，两者诉求难以协调。”江磊举例道。

专家建议地方结合资源禀赋布局机器人产业

中国电子信息产业发展研究院产业政策研究所所长王昊则从另一个角度补充：“机器人产业的硬件创新突破，更需要国家层面统筹解决共性问题；在场景上的落地应用，更需要地方开放适配场景。”他在近期调研中发现，配送机器人很难进校园——比如配送机器人可以实现从校园门口或固定点位，将外卖配送至宿舍楼下，但一些学校受管理制度约束，暂不支持该类设备入校。

王昊建议，各地在推进机器人产业发展过程中，需要结合自身资源禀赋、场景特色，培育差异化竞争优势。比如山东作为工业大省、化工大省，在工厂巡检机器人领域具备无可替代的优势，完全可以瞄准机器人细分赛道进行深度布局。

侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述