PODCAST · 人工智能
当具身智能走到十字路口｜对谈苏度、蚂蚁灵波、自变量、破壳：四种一线判断
一语总结四位具身智能一线创业者与研究者围绕数据来源、模型路线与商业化指标展开公开分歧讨论，认为物理接触能力是当前瓶颈，客户可持续付费才是产业化的终极信号。
本期是「2026 Inclusion 外滩大会」主会场圆桌的现场录音，由十字路口主理人 Koji 主持，嘉宾分别为苏度科技联合创始人韩铮、蚂蚁灵波科技首席科学家沈宇军、自变量机器人创始人王潜、破壳机器人创始人及清华交叉信息研究院助理教授许华哲。讨论分三条主线。数据之争：韩铮坚持仿真路线，称苏度在 2024 年后重构仿真器与数据管线，使抓取、放置、组装等技能在物体与光线几乎无限制的组合下接近百分之百成功率；沈宇军则强调预训练阶段真实数据不可替代，理由是机器人只能依赖机身不完美的传感器，而「real to sim」的规模化比「sim to real」的 gap 更难。智能之争：围绕 GPT-6 Astra 直接控制机械臂的视频，王潜认为该版本本身已投入大量机器人数据，不构成降维打击，并提出「智能的本体存在于数据里，模型只是蒸馏器和容器」的判断；许华哲实测后认为 Astra 语义与空间泛化强、物理接触弱，叠衣、叠盒与筷子挑物等 contact-rich 任务仍做不到，是具身公司最后的阵地。场景之争：韩铮认为高成功率加泛化性且不靠后训练过拟合是商用前提；王潜认为终极指标是客户可持续且递增付费；许华哲区分后训练商业化与「与语言大模型相似度」的接力式商业化。最后四人给出五年后被高估与被低估的判断：中国供应链成熟度与训练技巧被高估，数据量军备竞赛被高估；具身智能的系统复杂性、重要性及其对 RSI 缺环（物质重制造）的关键意义被低估。
- 仿真与真实数据不是二选一，但真实传感器的不完美决定了 real-to-sim 才是规模化预训练的真正瓶颈。
韩铮承认真实世界数据有用，但坚持仿真不可绕过，因为真实数据采集效率慢、质量受限；沈宇军则指出机器人在物理世界只能依赖机身传感器，触觉等信号的真实频率、幅值与一致性在仿真中无法完美复刻，若 real-to-sim 不可规模化，单纯缩小 sim-to-real gap 价值有限。
- GPT-6 Astra 直接操控机械臂并非对具身行业的降维打击，因为智能本体存在于数据而非模型。
王潜指出该版本本身就训练进了大量机器人数据，OpenAI 与 Anthropic 长期采购数据集群并自建数据工厂；历史上 coding 的成功来自代码数据与验证基础设施，而非对话能力自然泛化，数学、3D、视频生成也都没有自动转化为机器人控制优势。
- 物理接触类任务（contact-rich）是具身公司最后的阵地，通用大模型目前做不了。
许华哲实测 Astra 能识别桌上任意物体、抓起筷子并立进杯子，但在挑开物体、叠盒子、叠衣服等需要理解物理变化的任务上失败；他因此主张把上层大模型、具身模型与物理世界串成完整系统，由大模型提供语义反馈（如区分玩具水果与真菠萝）。
- 判断具身智能跨过泡沫的唯一硬指标，是客户能否可持续地为新技术付越来越多的钱。
韩铮强调高成功率加环境与物体泛化性且不能靠大量后训练过拟合，否则每换一个场景就是重新过拟合；王潜以物流场景为例说明本代机器人已能做到上一代做不到且超过人类水平的事，并类比语言模型公司从完全不赚钱到商业化与前沿推进互相促进的飞轮。
- 当前语言模型不足以实现完整的 RSI，因为缺少物质层面的重制造环节。
王潜认为模型可以修改训练方式与流程，但扩大算力仍需更多芯片、电力与数据中心，仍要人做钢筋混凝土与调半导体工厂参数；若五年后具身智能能承担这些物理环节，才算真正意义上的递归自我改进到来，届时造飞机或许能像今天做 App 一样简单。
当具身智能走到十字路口｜对谈苏度、蚂蚁灵波、自变量、破壳：四种一线判断
本期是「2026 Inclusion 外滩大会」主会场圆桌的现场录音，由十字路口主理人 Koji 主持，嘉宾分别为苏度科技联合创始人韩铮、蚂蚁灵波科技首席科学家沈宇军、自变量机器人创始人王潜、破壳机器人创始人及清华交叉信息研究院助理教授许华哲。讨论分三条主线。数据之争：韩铮坚持仿真路线，称苏度在 2024 年后重构仿真器与数据管线，使抓取、放置、组装等技能在物体与光线几乎无限制的组合下接近百分之百成功率；沈宇军则强调预训练阶段真实数据不可替代，理由是机器人只能依赖机身不完美的传感器，而「real to sim」的规模化比「sim to real」的 gap 更难。智能之争：围绕 GPT-6 Astra 直接控制机械臂的视频，王潜认为该版本本身已投入大量机器人数据，不构成降维打击，并提出「智能的本体存在于数据里，模型只是蒸馏器和容器」的判断；许华哲实测后认为 Astra 语义与空间泛化强、物理接触弱，叠衣、叠盒与筷子挑物等 contact-rich 任务仍做不到，是具身公司最后的阵地。场景之争：韩铮认为高成功率加泛化性且不靠后训练过拟合是商用前提；王潜认为终极指标是客户可持续且递增付费；许华哲区分后训练商业化与「与语言大模型相似度」的接力式商业化。最后四人给出五年后被高估与被低估的判断：中国供应链成熟度与训练技巧被高估，数据量军备竞赛被高估；具身智能的系统复杂性、重要性及其对 RSI 缺环（物质重制造）的关键意义被低估。
具身四家一线圆桌：仿真与真机数据怎么配、接触富任务怎么做、客户愿持续付费才是产业化信号，现场分歧很少收敛。通用大模型碰物理仍虚。要听机器人落地真话与产业尺子，留这篇高密度访谈即可，不必再叠同题长文凑数。
文章金句
"今天智能的本体是存在于数据里面的，当然一部分是存在于这个 evaluation 里面。至于模型可能更多的是一个蒸馏器和一个容器，就是在训练的时候它是一个蒸馏器，在部署的时候它是一个容器。
"这也是具身机器人公司，我觉得是最后的阵地。就是怎么样理解这个物理变化，包括我们也拿它尝试了像什么叠盒子叠衣服这种聚盛公司很喜欢做的事情，这 tra 都是做不了的。
"我觉得巨深的商业化是有好多类。我就一类是后训练类，就我跟某一个品牌，我跟某一个工厂在它里面做一个闭环。
"但是机器如果是以 50%的成功率去完成一件事儿的话，你有 50%的概率会把一个杯子碎掉。所以大家会觉得真没用，所以这是大家为什么感觉具身智能为什么这个用起来没那么好用。
"但是我现在的看法是说，以目前的语言模型的能力，其实是不足以实现完整的 RSI 的。
"其中缺了一个最重要的环节，就是物质上的重制造，或者说这个自我增值是没有办法靠语言模型来去实现的。