智源、理想、乐聚、小鹏等同台，一场论坛里的具身智能产业信号

近期，在中国汽车工程学会年会同期的2026具身智能机器人大会上，北京智源人工智能研究院理事长黄铁军、理想汽车人形机器人副总裁湛逸飞、乐聚智能CEO常琳、小鹏汽车副总裁顾捷等，围绕产业的热点关注问题集中讨论。

中国汽车工程学会具身智能机器人分会主任委员、北京智源人工智能研究院理事长、北京大学计算机学院教授黄铁军指出，具身智能需要的不是泛泛而谈的“通用世界模型”，而是能够应对真实物理世界挑战的实时高效模型。

在技术路线上，黄铁军明确表示，世界模型仍应沿着“神经网络+自回归”路线演进。其底层逻辑是，理解世界本质上就是分析事物与事物之间的关系。世界由事物组成，事物普遍联系，普遍联系中本质的、必然的联系就是规律，而把哲学层面的道理转化为可计算、可执行的工程实现，正是大模型的价值所在。

“所以语言模型算的就是词元之间的关系，通过关系来计算出含义。”他指出，自回归路线是目前经过大规模实践验证、并获大规模基础设施优化的技术路线，全球数万亿、数十万亿元的投入都在为这一路线的工程基础添砖加瓦。

物理智能与生成式视频的本质区别在于“实时”。生成小视频可以接受“半小时出片”，但是具身智能却必须在算力受限的条件下高效实时地完成任务、“你车脑子再聪明，撞上之后再回顾，有什么用呢？”

黄铁军用数据指出了当前系统存在的结构性矛盾。当下VLA、VLM等主流模型的感知认知频率基本在10赫兹左右，而工业机器人、汽车制造等自动化控制系统却可以达到1000赫兹。“感知认知很慢、动作很快，这是一个病态的系统。” 反观生物系统，人始终眼疾手快、动作跟随感知。今天的具身智能却恰恰相反， 手可以快，但脑子想不过来。

理想汽车湛逸飞：软硬协同是机器人走进真实场景的重要卡点理想汽车人形机器人副总裁湛逸飞回答了业内非常关心的问题，为什么机器人完成一次成功的演示，但要真正走进场景、持续稳定的工作还有很长一段的距离？主要有三个方面，首先，真实的任务是系统设计的起点，我们需要从完整的任务动作链出发，把物理约束、执行效率、安全，转化为系统设计的输入，而不是单纯地追求模型或者硬件的指标。其次，软硬件协同是实现可靠执行的关键，从本体到动作空间、到内外感知和系统安全再到模型与计算架构，都需要围绕共同任务目标协同设计，模型能力真正转化为物理世界的执行能力。最后，真实部署是持续进化的基础。通过任务域的产品化和规模部署，不断积累真实的数据和反馈，来推动模型与软硬件系统的联合优化，并逐步实现跨任务的能力复用与泛化。所以未来具身智能的竞争不只是模型或者关节、芯片的单点突破，而是是否建立一套从任务定义、系统设计到真实部署、持续反馈、协同进化的一个系统能力。我们最终希望的不只是让机器人完成一次任务，而是能够持续稳定地完成任务，并逐步胜任更多的工作，让智能真正走进大家生活中。

乐聚智能（深圳）股份有限公司CEO常琳表示，具身智能场景多元、规模庞大，“只有拉动更多团队进入具身智能行业，才有可能催生整个行业的大爆发。”

在他看来，生态建设的要义在于把国产链条打通。从数据到硬件，模型到端侧算力，都用国产化的东西，以高质量大规模训练数据夯实底座。在此基础上，通过数据开源、赛事活动等低门槛方式，让更多开发者涌入这一行业。“最终目标是让更多开发者走进具身智能，让具身智能走进千行百业、千家万户。”

小鹏汽车副总裁顾捷表示，商业、工业和家庭场景都存在大量的刚需。

以商业场景为例，机器人要为用户提供切实的功能与价值，其适应能力、泛化能力既带来引流作用，但更重要的不是表演，“最终要给用

户产生高价值的商业产品，这是非常关键的”。

在他看来，产品定位切忌“有了榔头找钉子”“真正好的产品，用户需求分解完备，针对有价值的场景进行开发，有针对性地把能力进行泛化。”能力的泛化也不是一蹴而就的，需要高质量的数据、有效的训练和合适的算力，最终关联到规模化之后的质量、成本与用户体验，这些都需要系统考量。

对于行业热议的机器人是否需要人形，顾捷坦言，进工厂的话甚至不一定要两足，轮式构型也可行。但如果机器人要走进生活和家庭甚至未来的社会生活，成为人类的伙伴，高拟人的形态对大多数人而言更容易被接受，也更有价值。