谁更早进入真实场景并形成数据闭环，谁才能在具身落地元年里跑出来。

　　文|孟雯

　　具身智能迈入产业化后，企业应该做什么?

　　是造一台更像人的机器人，还是做一个可以驱动不同机器人的“大脑”?是先追求一个能干所有活的通用模型，还是先把一个具体场景里的活干明白?

　　当行业还在争论世界模型、VLA和人形本体时，星源智创始人兼CEO刘东给出的答案是不做本体，只做大脑。

　　今年被行业称为具身智能的“产业落地元年”。从展馆里的跑跳表演，到工厂、仓库里开始“下地干活”，机器人正从展示品变成生产力工具。

　　但他也强调，这个行业距离真正成熟，仍需要较长时间的技术与产业积累。

　　“现在具身智能能干的活还非常有限。”在他看来，目前具备落地可能的能力，主要有两类：空间内自主移动，以及简单的抓放。两种能力组合起来，已经能够覆盖药店拣选、前置仓、工厂上下料等部分场景，但更复杂的操作任务，距离落地还有很长的路。

　　这也意味着，具身智能的竞争远没有到“拼规模化量产”的阶段。更现实的拷问是谁能让机器人干好活?

　　星源智选择站在本体之外。“我们坚定地不做本体，只研发我们的大脑，致力于‘一脑多形’。”这是一种商业上的主动选择：一旦自己下场造本体，就意味着和其他本体厂商成为竞争对手，大脑就很难成为一个真正开放、可复用的产业的基础设施。

　　但只做“大脑”并不意味着把自己留在实验室里。恰恰相反，刘东认为，今年也是具身智能的“淘汰赛元年”。原因在于机器人最终拼的是真实场景里的数据闭环。谁先把机器人送进真实世界，谁就能更快知道它为什么失败;谁解决更多corner case，谁就更接近下一次成功。

　　这也是星源智坚持世界模型路线的原因。相比传统VLA一次性生成动作序列，星源智希望让机器人在执行过程中持续感知环境变化，并通过世界模型预演后果、修正动作。从“生成一次动作”到“持续与世界交互”，这背后是两种不同的闭环方式。

　　技术路线只是故事的一半，决定一家“大脑公司”能否走得长远，商业化设计也很重要。目前，星源智的叉车场景已经交付，并与中力合作在部分头部零售及汽车零部件企业的仓储场景中推进应用;入箱拣选、货架取物等场景还在进行小规模POC。

　　刘东判断，具身智能的终局是按生产力付费。就像当年的货运无人车提供的是运力服务，具身智能最终提供的是生产力服务。

　　如此看来，星源智“不做本体”的选择，实际上指向一个更本质的问题：当机器人变成一种生产力，是本体、模型重要，还是能够把两者和真实场景有机耦合更有价值?

　　2026WRC期间，我们与星源智创始人兼CEO刘东聊了聊具身智能落地的真实进度、世界模型的路线选择，以及这家”大脑公司”的生意经。以下为专访实录，略经摘编。

　　2026是具身智能的产业落地元年

　　预期乐观，但规模化成熟还要10-20年的积累

　　奇点：具身智能这两年发展特别快，今年 WRC 上也能感受到行业的进展和热情。如果不用”泛化”“通用”这类抽象的词来形容，您觉得今年具身智能到底处于什么阶段?行业主要解决了什么问题，又面临什么卡点?

　　刘东：我觉得今年具身智能处于产业落地的元年，就是真正把它作为一个生产力工具打造出来，让它去干活。去年大家看到的还都是表演为主的跑跑跳跳，今年大家实际要把它当成生产力工具，去代替一部分人力完成劳动任务。

　　但目前具身落地能干的活还非常有限。我们把它抽象为两类基本具备落地可能的技能：一是机器人在空间内的自由移动，包括避障、导航，基于无图方案已经可以做得很好;二是机器人的双手可以做一些简单任务，比如pick and place(抓放)，这类任务在相对结构化场景中已具备较高完成度。

　　基于”能抓放”加”能空间移动”组合起来的能力，在药店拣选、前置仓、工厂上下料，以及一边巡检环境一边捡垃圾这类场景，都有一定的落地可能了。其他更复杂的操作任务也有公司开始尝试，但距离规模化落地仍需要持续验证。所以我们认为今年还是落地的元年。

　　奇点：您提到上下料、抓取这些场景，很多具身智能企业也都把这些作为主打。这其中的壁垒是什么?

　　刘东：上下料或空间移动首先是一类基础能力，我们需要做的是把能力本身做到稳定可靠。星源智的差异化，更多体现在跨本体适配能力以及商业模式上。

　　其他具身公司都是自己做本体、自己做算法，然后在自己的本体上自己迭代。我们提供的是一套通用的算法、通用的对世界理解的框架，以及驱动机器人本体完成任务的算法能力，可以把算法部署到任意形态的机器人上去干这些活。

　　拿上下料或拣选举例：做药店拣选，需要一个体积很小的机器人穿梭于狭窄的货架之间;如果是四五层的料架，需要一个十几米高的高位拣选机器人爬升起来做拣选。背后驱动机器人和抓取的算法可能是一样的，但需要驱动不同的机器人形态。

　　真实场景落地时，机器人需要各种各样的形态：有的需要重载，单臂负载要20公斤;有的需要灵巧，单臂负载1公斤以下。

　　背后可以复用同一套基础算法框架，但仍需完成针对不同本体的适配。这样我们的算法可以面向全行业，只要有这类需求，“一脑多形”都可以通过我们的算法能力来解决。

　　奇点：也有大厂下场做通用的大脑、通用的基础设施，你们怎么打差异化?

　　刘东：一旦你开始做了本体，你就跟别的本体厂家是竞争关系。这就像智能汽车产业中的平台化供应模式：当一家企业明确自身的能力边界，并长期专注于底层技术和平台能力时，更容易与多家整机厂商建立稳定合作。

　　我们在商业选择上坚定地不做本体，只研发我们的大脑，致力于“一脑多形”的适配性。而且提供真正能让模型在机器人本体上跑起来的算力平台，这也是我们的差异化能力之一。行业里部分方案仍依赖服务器端推理，再通过WiFi或有线方式向机器人下发结果;我们希望把核心模型直接部署到机器人端侧。

　　奇点：可以理解为云端吗?

　　刘东：可以算是云端。我们是直接部署在端侧、离线的。你看我们后面展示的算力平台，都是面向不同机器人设计的，形态和性能配置不一样，可以覆盖不同层级的部署需求。我们把算力平台直接嵌入机器人身体里，让核心模型在本地运行。

　　而且我们打通了从算法平台研发到底层 AI infra 的全链路。不是一个模型随便拿U盘拷到设备上就能跑起来的，要在上面做优化、做加速、做实时操作系统、做各种通信协议的适配。这些底层全部由我们一个很强的 AI infra 团队在开发。

　　奇点：芯片也自己做吗?

　　刘东：芯片不自己做，现在还是以英伟达为主，有一部分国产算力芯片也在适配。

　　奇点：会考虑摩尔线程这些国产芯片公司吗?

　　刘东：国产算力这块我们一直在持续评估，也和多家头部厂商沟通过。是否采用一款芯片或模组，需要综合考虑算力、内存、功耗、工具链、稳定性和供应能力。目前也有部分国产端侧算力方案在进行适配验证。

　　从现阶段看，部分国产芯片更适合服务器端，机器人端侧还需要综合解决功耗、体积、散热和软件生态等问题。我们也会持续与相关厂商沟通，推进端侧适配。

　　奇点：回到落地。您觉得目前最缺的是模型、本体的可靠性，还是部署系统?一台机器人要满足哪些指标、哪些维度，才能叫真正完成部署?

　　刘东：你说的这三项都是核心，缺一不可。没有模型，这东西动不起来;机器本体性能不够也不行，负载只有 5 公斤，你让它搬 10 公斤的东西，它就是搬不起来;系统层面要有足够的 AI 基础，能跑得起来这些东西，并且能在极短的延时内完成任务。

　　奇点：那排个序，现阶段哪个问题最棘手、必须先解决?

　　刘东：我觉得完全是并列的。各家现在都在齐头并进往前跑，各个模块并行开发，不是串行的流程。就像一个木桶围了一圈，现在有三块短板，只补齐任何一块都没有用，只能三块板一起补，每补一点，木桶里的水就涨一点，现在就是这么一个状态。

　　奇点：那感觉还很早期，并没有外界想象的那么成熟。

　　刘东：对，所以说是元年。我们把 2026 年称为具身落地的元年，其实 10 年前我们就已经把自动驾驶叫落地元年了。

　　看这个事情要乐观，但视线要放长远到 10 年、20 年。不过现在有了模型的加持，整个进化速度会变快。以前写代码靠工程师堆料，现在通过 AI 编程速度在加快，模型的演化速度也在变快。

　　行业数据标准还未建立

　　先追求垂类场景的泛化与闭环

　　奇点：您之前把今年称为淘汰赛的元年，什么样的公司会被淘汰?判断标准是什么?

　　刘东：如果一个公司没有能持续落地的产品，还仅限于在实验室做科研，从今年开始就已经不太适合这个环境了。只有让产品在不断落地的过程中，才能从真实场景里获得反馈，获得低成本的数据，反过来这些数据会反哺模型做持续训练。

　　不去做落地尝试，就不知道自己的短板在哪里，也没办法形成数据闭环。真正开始尝试落地的人，corner case 会解决得越来越多，数据闭环的成本会越来越低，这是一个飞轮效应。

　　所以说，谁更早进入真实场景并形成数据闭环，谁才能在具身落地元年里跑出来。

　　奇点：场景这里是不是有两条路?一条是横向的，像大厂有钱，批量铺各个场景;另一条是纵向的，比如聚焦矿山、工业或消费某一领域，您说的是哪种?

　　刘东：我更偏向纵向。这是基于我们模型的研发能力决定的。一开始我们想做一个类似大语言模型或多模态模型那样，跨任意行业、任意领域的通用物理 AGI。后来我们发现在真实物理场景下，这种具备强通识的物理 AGI 很难做出来，因为我们没有足够的数据去喂它。

　　以前大语言模型或多模态模型用的数据是高度压缩和结构化的，比如互联网语料、文本，已经形成了一定的标准化，视频、图像也有标准化的东西。但具身领域，机器人操作涉及与不同物体的交互：拿一个东西、穿针引线、缝衣服、打毛衣，都是不同的动作，需要的感知数据也都不一样：有的需要带触觉，有的需要机械臂的力反馈，有的需要视觉一直跟随。真实物理场景下的数据是各种各样的，我们现在没有一个好的范式或工具，能把真实世界所有的数据统一接进来。

　　奇点：可以理解为数据标准还没有建立?

　　刘东：对，数据标准仍在建立，可规模化、可复用的高质量具身数据也相对不足。在没有数据的情况下，要把各行各业的数据采集下来，难度非常大，一会儿去采集打乒乓球的，一会儿去采集箱子里拣选的，人的动作很难 100% 穷尽。

　　所以我们只能先找到几个有限的场景，比如仓内的，就通过遥操作或者人去采集仓内拣选的数据。用仓里采集的数据训出来的模型肯定不会做饭，因为做饭这件事它压根没见过;但我可以基于仓的场景数据先训一个仓内模型，让它在仓里把活干好。

　　把这个场景干好之后，再去积累另一个场景的数据，逐步把所有场景打通，才呈现任意场景的泛化。现在先追求垂类场景的泛化，先完成一个场景的小闭环。

　　奇点：市场上的数据与仿真服务商，也在帮助行业解决数据标准和数据问题，您怎么看这类企业的生态价值?

　　刘东：仿真数据我们其实也用，一些刚性的物体，基于仿真器的仿真效果还是蛮好的，在仿真器里能抓、能放，能拿到各个位置。但一些比较柔性的物体，仿真出来就比较差，比如一个小袋子，提手是柔性塌下来的，需要机器人把它拿起来，这种柔性的变化在仿真器里很难 100% 复现，就需要真机数据去采集补充。所以仿真和真机都要做，我们现在也是仿真和真机结合。

　　奇点：可以理解为仿真更适合标品，比如抓握这类，服务商能解决百分之六七十，剩下的三四十得靠你们去真实场景里拿反馈?

　　刘东：对，关键还是看仿真器对具体对象和物理过程的还原能力。仿真器对刚性物体仿真得比较好，对流体、柔性物体、叠衣服这些都仿得很差。仿真器里解决得好的，我们就用仿真器直接跑，成本低;仿真器里解决不好的，就得去采集真机数据，是这么个逻辑。

　　世界模型的价值在于让机器人边做边判断

　　从视觉到触觉，机器人需要理解动作带来的物理反馈

　　奇点：星源智走的是世界模型路线，世界模型路线和不加入世界模型的 VLA 相比，在哪些任务上有可以量化的增益?

　　刘东：比如在LIBERO等仿真操作基准上，任务通常包括将物体从A点移动到B点等抓放操作。我们的方案是在VLA动作生成能力的基础上，加入一套动作闭环、交互闭环的策略。

　　传统 VLA 是基于两个条件输入：一个是语言条件，比如“我需要把这个瓶子从这拿到那”，它听见这个指令;第二个输入条件是当前的视野图片，从摄像头里能看见。听见看见之后，它的输出就是一堆机器人的关节角：从如何伸出手开始抓，到每一步关节的移动，再到放下。

　　不同VLA方案的动作输出和重规划频率并不相同。部分方案会一次生成一个动作块，再在执行过程中根据新的观测继续更新。我们更关注的是，模型能否在动作执行前显式预演后果，并在动态环境中持续反馈和修正。

　　这里面就面临一个问题：我当前看这个物体的时候，从这移动到那儿是没有阻碍的，但环境是动态的，如果系统缺少足够频率的反馈和重规划，原有动作就可能失效。我们的世界模型加入了交互：如果看到障碍物，就会生成一组新的动作序列去完成。

　　第二点，拿我们生产线demo来说。你在场馆里会看到很多生产线，但会发现，部分展示中虽然产线在动，机器人操作的时候物体却是不动的：要么物体移动到机器人前面后短暂停下，机器人操作完再放上去，产线继续转;要么先由人把货放到固定台面上，再由旁边的动态产线带走。这类任务对实时交互的要求相对较低，因为机器人抓取时物体位置相对固定。

　　但我们的生产线是在动态产线上抓物体，物体在动，我也在抓，这就需要实时交互：把最新的动作序列输入到世界模型里。

　　奇点：这对大脑的“聪明程度”要求很高，如果速度很快的话也会抓不住。

　　刘东：对，这就是考验我们交互世界模型的策略，仅依赖开环动作生成很难稳定完成这一点。

　　奇点：而且交互过程中还有触觉。

　　刘东：对，触觉非常重要。手在抓握的时候，要用多大的力才能把它抓起来。如果VLA方案缺少力觉或触觉维度，通常只能让夹爪按照预设位置或阈值完成抓取，就可能出现瓶子被抓扁、捏坏的情况。我们的世界模型可以把力触觉也作为闭环输入，告诉它触觉到了一定阈值就不要再用力了。

　　不光能加触觉，一些高端机械臂每个关节都带着六维力，六维力的信息也可以输入进去。触觉模态和六维力信号都可以统一输入到我们的世界模型里，让它完成动作。

　　奇点：之前提到ω-EVA是在隐空间完成轻量推演，这样可以降低推理成本。但在隐空间里，它很难被直接检验，怎么评测它确认的是物理后果，而不是学到了数据的相关性?

　　刘东：首先，隐空间里你要做一次监督的话，可以让它生成几个关键帧的图像导出来。另外，我们可以在仿真器里直接驱动机器人完成任务，在仿真器里对模型能力做整体评测，看它这个动作到底有没有做出来，有没有实际把物体按照我们的意图抓起来或放上去。

　　再具体一点：隐空间里的推理过程，人的肉眼看不见，但机器人是知道的。机器人知道之后，最直观的推理结果就是机器人各个关节臂的驱动。你要验证这一次推理有没有被顺利完成，无非就是给它一个任务，看它完成得怎么样，完成成功了，说明这次推理成功了;完成失败了，就是推理失败了。它就是一个端到端的检验。

　　奇点：那就是看成功率、完成时间。不过还涉及延迟的问题，虽然完成了，但动作很慢。

　　刘东：的确会有这样的问题。很慢来自两个方面：一方面是模型推理本身就慢，你有足够大的算力它跑得才快，算力不足就跑得慢，这些我们通过模型优化和加大端侧算力去解决。

　　另一类是数据质量有问题，如果采集数据的时候动作就慢，比如人类的示教动作，或者我们采真机数据做映射时，采集员动作慢吞吞，机器人学出来的动作也慢吞吞。

　　所以模型侧要在算力上优化，数据侧也要优化，模型结构上也有很多要优化。如果素材源做得慢吞吞，这个数据还要再清洗一遍，不能 100% 直接用，就像手机上的视频回放，你可能得加个 1.5 倍速或 2 倍速，把数据处理一下。

　　奇点：行业有个说法叫 garbage in, garbage out。

　　刘东：对，就是这个问题，这些都要在数据侧解决。所以我们为什么一直强调高质量数据：我好不容易采了 10 个小时的高质量数据，不同来源的数据在动作质量、节奏、传感器配置和标注标准上可能存在差异，如果未经筛选就直接混合训练，反而可能影响模型表现。数据规模重要，但数据质量和任务匹配度同样关键。

　　奇点：能举个例子，讲讲近期用失败轨迹训练世界模型的过程吗?

　　刘东：比如去抓这瓶水，还是我们那条动态生产线。抓的过程中瓶子一直在动，你的手到这儿了，瓶子已经走了，就失败了。机器人会把这条数据记录下来，在系统里标记为失败数据。我们设置了一些奖励函数，告诉它做这个任务必须成功。

　　因为我们的模型是动作交互闭环的，具备动作交互闭环，可以利用失败轨迹学习哪些状态更可能导致任务失败。当机械手和目标物体的相对位置偏离有效抓取区间时，模型可以结合历史失败样本判断当前方案风险较高，并尝试基于当前状态修正动作。

　　如果不给它学习这种失败策略，它不知道这个情况会失败，也不会再生成一个能成功的动作。再比如物体不动，但手过来的时候手指头直接碰到瓶身，而不是产生一个抓握的动作，把瓶子碰走了，这也是失败。这样它就会知道：手臂伸得不够往前，这样的动作会把瓶子碰倒而不是抓起来。只有以正确的状态进入，接下来的预演才会成功。

　　奇点：后训练的重点是什么?

　　刘东：完成真机映射。否则跨不了本体，模型部署在不同机器人上，它的关节长度不一样，关节转角也不一样。所以适配新的机器人本体时，仍需要补充少量针对性数据并完成工程适配。

　　奇点：世界模型最终应该服务于一个统一的大脑，还是按不同场景加以区分?

　　刘东：通用的物理智能能力一定会逐步到来，终极的AGI 我觉得可能5到10年就能干所有场景的活。但这 5 到 10 年怎么走?我们基于各种场景的很泛化的数据，拿回来做早期预训练;但真正要基于某个场景干活，还要针对这个场景采集垂类数据，做很强的后训练。

　　只做预训练的模型，我们认为也就达到 60 分，在行业里还干不了活，但能大概理解这个场景的任务和物理规律。再基于基础世界模型，采集垂类数据做完后训练，它就能在这个垂类场景里干活，这是我们觉得可行的技术路线。

　　具身智能的终局是提供生产力服务

　　奇点：我们垂类场景现在有叉车算比较成熟了，除此之外还有哪些场景?

　　刘东：还有一些仓内分拣、前置仓分拣，我们认为已经具备较高成熟度，但还有一些问题要解决。比如用软夹爪的话，一些尺寸特别大的物体夹不了，还是要双臂协作或者用吸盘去做。各种前置仓、药店的拣选，都还有一些待解决的任务。

　　奇点：这些场景现在是什么进展?有交付或产生商业化收入了吗?

　　刘东：叉车场景已经交付了。我们和中力合作，目前已在部分头部零售及汽车零部件企业的仓储场景中推进货物装卸、搬运应用，这些比较成熟。而入箱拣选、从货架上取物这些，现在还在做小规模的POC验证。

　　奇点：叉车这类成熟场景，已经在真实场景里工作了?

　　刘东：是的，比如在工厂里，货车在停车场随意停放，我们系统可以识别车辆、货物和装卸位置，并结合现场状态自主规划和执行装卸任务。

　　奇点：这种交付方式是什么?怎么售卖?

　　刘东：我们主要提供具身大脑算法方案、管理平台和传感器，最终交付是中力完成叉车产品集成，交付到客户那边。我们提供大脑算法，是中力的算法供应商。

　　奇点：星源智的定位就是聚焦具身大脑?

　　刘东：是的。除此之外还提供集中化的整体方案，比如我们开发的RoboXross系统，给客户开发一套开箱即用的智能化解决方案，可以管理十几种机器人，统一管理、统一调度。机器人基于我们无处不在的大脑，进行自动化的环境识别、任务分配，调度不同的机器人完成不同的任务。

　　客户之前落地最大的痛点是机器人买回去用不起来。我们这套RoboXross系统可以把巡检、除草、安防、仓储等机器人串起来：巡检机器人看到哪里有垃圾，就共享园区地图位置，告诉其他机器人这里有垃圾;后台大脑接到指令，调度一台能扫垃圾的机器人过去清扫;扫完之后给大脑发信号说任务完成，自己回去充电。这是一整套解决方案，打包交付。

　　奇点：售价能透露吗?

　　刘东：售价要根据客户使用的机器人类型、数量和具体适配工作来确定。比如客户园区里需要10台机器狗、5台清扫车，我们会把这些分散的机器人集成起来，用大脑做统一管理，并提供自主导航、拣选等能力。具体方案价格要看机器人的数量和交付范围，我们提供的是软硬件一体化的整体解决方案。

　　奇点：硬件是从合作方来的?

　　刘东：都是合作方的。我们会根据具体场景对负载、灵巧性、作业环境和安全等级等要求，选择并适配合适的机器人本体。因为我们的大脑采用统一架构，不同本体可以复用基础能力，但仍需要完成针对性的适配。

　　奇点：感觉你们像技术解决方案商。

　　刘东：对，可以理解为面向多类本体提供场景化二次开发与集成能力的技术解决方案商。很多本体企业在面对复杂项目时，需要合作伙伴共同完成模型适配、系统集成和场景交付;我们通过可复用的垂类能力和跨本体平台，与本体厂商共同把项目交付好。

　　奇点：为什么有这个从 80% 到 50% 的变化?项目交付的利润更高?

　　刘东：项目交付首先利润更高，其次项目额足够大。比如你搞定一个物业公司，接下来10个园区都用你的方案，一个园区放10台机器人，100台机器人一下子就交出去了。对我们来说，核心软件和模型能力可以复用，部署规模扩大后边际效率会提升，但仍需结合现场环境完成适配、交付和运维。

　　奇点：但 100 台会涉及很多售后吧?

　　刘东：硬件售后会按照合作分工，由相应本体厂商承担;软件层面，我们通过远程维护、OTA升级和必要的现场支持共同解决。通过明确的合作机制，可以降低重复交付和长期运维成本。

　　奇点：长期最理想状态是按什么方式收费?

　　刘东：最理想的商业化状态是按服务收费，但这个事情的终局，会像当年的货运无人车一样，提供的是运力服务;具身就是提供生产力服务。

　　奇点：有点按效果付费的意思，客户提需求，比如 10 天拣多少货，你们负责完成目标，客户不管技术方案、不管本体厂商。

　　刘东：对，就是这个意思。你给我出了多少活，我就付多少钱。

　　奇点：本体厂商、模型公司、场景客户，谁最终掌握客户关系、部署数据和产品定义权?

　　刘东：谁能接触到最终客户，谁就掌握这层关系。比如我了解有的本体厂商自己很少接触终端客户，更多通过经销商做渠道。这样他其实丧失了很多跟客户的交互。一旦开始训练模型，客户的场景是真实场景，只有打通真实场景，才能把数据作为数据闭环回流回来。

　　自动驾驶行业的发展也说明了终端规模和数据回流的重要性。产品进入更多真实场景后，可以持续获得长尾问题的反馈，推动算法迭代;如果缺少足够的真实运行载体，只依赖自有测试车采集数据，效率就会受到限制。具身智能也面临类似问题。

　　所以我们认为，这个行业最终谁能掌握消费者渠道，谁能笑到最后。

　　奇点：那这么说，你们应该自己做本体。

　　刘东：本体制造和客户触达承担的是不同价值。我们不自研本体，但会通过集成解决方案与终端客户建立连接。只有接触到真正的终端客户，通过卖本体或者卖车，才能从消费者那边获取一手的信息：他希望这个车长成什么样子、具备什么能力，以及消费者实际使用时的真实需求和反馈，都会回流到你这边。

　　我们宣称不做本体，并不意味我们不卖本体，只是通过集成的方式，把本体卖到终端客户里。未来会通过各地生态合作伙伴触达真正的终端客户，交付这些解决方案，从而获取一手的真实信息;然后推动不同的本体公司按真实需求改造他们的本体，同时也改造我们的大脑算法。

　　奇点：数据回流、消费需求收集这套逻辑不止您一个人这么讲，很多公司会用这套逻辑解释自己为什么要自研本体。

　　刘东：自研本体和开放合作是两种不同的业务路径。我们的选择是专注具身大脑，通过与本体企业合作，将不同本体集成到场景解决方案中并服务终端客户。

　　奇点：互联网大厂砸钱进来怎么办?

　　刘东：互联网大厂和创业公司各有优势。大厂在资金、算力和生态资源方面更强，创业公司在决策、产品迭代和场景交付上通常更灵活。具身智能需要大量跨团队协同和现场工程工作，最终还是要看谁能把技术转化为稳定、可复制的产品能力。

　　奇点：聊聊前两天新出的JEPA-WAM世界模型，比较关心未来会不会加入触觉?

　　刘东：肯定会，触觉非常重要。

　　奇点：今年 WRC 一个明显的感知就是大家都开始关注触觉了，而且触觉也做得越来越好，未来是不是直接采购市面上最好的灵巧手就行?

　　刘东：也不一定。我们是做跨本体的，希望所有触觉都统一到一个标准上来，不是够用就好，是统一标准。

　　现在触觉传感器采用视触觉、霍尔、压阻阵列等不同技术路线，输出形式、量程和标定方法并不统一。与能够输出相对标准化物理量的六维力传感器相比，部分触觉产品更多提供相对值或厂商自定义量纲，这会增加模型训练和跨传感器迁移的难度。

　　奇点：这个问题谁最有希望解决?

　　刘东：现在各家都在解决。我们模型公司会向传感器厂商提出要求：希望它能像六维力传感器一样，给出相对准确、稳定、可标定的数值。先把自身准确度做高并建立统一标准，有了可对齐的数据，模型跨传感器迁移时才能更顺畅。当前不同厂商的技术体系和标定标准尚未统一，这也是产业协同需要共同解决的问题。

　　奇点：他不希望你迁移。

　　刘东：对。模型公司希望降低跨传感器适配成本，传感器厂商也需要兼顾产品差异化和商业模式。长期看，开放接口和统一标准会更有利于产业规模化。

　　记者：头部传感器国外居多还是国内居多?

　　刘东：国内有很多，我们大多数用的都是国内产品。国内触觉传感器的成熟度正在快速提升，与国外产品的差距也在缩小;这块在精度、稳定性和标准化方面仍有继续提升的空间。

　　奇点：这次WRC之后，还有哪些工作重心?后面还会考虑融资吗，节奏怎么考虑?

　　刘东：融资方面，公司已经完成Pre-A轮融资，累计融资突破10亿元;后续融资节奏会结合业务发展和研发投入统筹安排。研发上，我们会继续推进具身大脑和世界模型，并完善自有的高质量数据采集、清洗和评测体系。因为我们发现，外部数据需要经过严格筛选和验证，确保与自身模型和任务需求匹配。

　　奇点：光轮刚开放了百万小时真机数据，他们自己也做数采。

　　刘东：开放数据对行业发展很有价值，但各家模型对数据结构、传感器配置和任务分布的需求并不一样。我们还是需要从自己的模型出发，先验证中等规模高质量数据的有效性，再逐步扩大规模。建设自有数采能力，考量还是基于模型迭代和真实场景验证。

　　奇点：最后，畅想下您理解的物理 AGI。

　　刘东：物理AGI在我们这一代就能看得见。我们正站在一场比第一次、第二次工业革命都更为剧烈的生产力革命的最前端，未来某一刻，机器人将替代人类完成更多重复、危险和高强度的生产劳动，那将是一个机器承担更多生产工作、人类得以享受生活、感受诗和远方的时代。