第61期“华科论道”日前圆满结束。千寻智能创始人韩峰涛，以《重塑物理世界：构建通用机器人大脑》为主题，进行了直击行业的深度分享，以下是全程实录：
各位校友晚上好，感谢华科北京校友会的邀请，很荣幸参与本次华科论道活动。我2004至2008年就读于母校原控制系，也就是如今的人工智能与自动化学院，后来又进入机械学院，师从丁汉院士攻读博士学位。
我第一次创业聚焦工业机器人领域。从业十余年间，亲眼见证了中国工业机器人产业的崛起。2023年大模型技术浪潮席卷全球，我选择再次创业，成立千寻智能。我们的核心目标是将大模型的能力从虚拟世界延伸至物理世界，打造通用机器人大脑，也就是物理大模型。
目前国内具身智能赛道发展势头迅猛，行业头部企业中，有不少创始团队、核心高管都有华科校友背景。在软硬结合的物理AI领域，华科校友已成行业中坚力量。
接下来我将从时代机遇、行业现状、竞争格局以及企业发展等维度，和大家分享具身智能赛道的发展趋势、机遇与挑战。
一、时代机遇
过去十年，人工智能整体发展速度极快，但技术突破大多集中在虚拟领域。即便当下顶尖AI的综合能力已超绝大多数普通人，可在物理世界的落地应用依旧进展缓慢。
让机器人完成叠衣服、拼装物件、日常清洁等基础工作，目前依然存在诸多难题，市面上也尚未出现性价比高、可规模化落地的服务型机器人。
近五年，多模态大模型技术走向成熟，模型无需大量微调即可落地使用，仅需搭配对应技能，就能打造专属智能助手。未来十年，人工智能的发展重心，将从虚拟AI全面转向物理AI，具身智能也迎来了历史性发展机遇。
纵观行业发展规律，创业机会主要分为四类：技术突破、市场爆发、政策加持、地缘机遇。
技术突破是最常见的创业契机，智能手机、新能源汽车、人脸识别等产业，均依托技术变革崛起；市场爆发源于社会消费能力提升，汽车、智能手机、移动互联网的普及都印证了这一点；政策加持以新能源行业为典型，依托国家扶持，我国新能源产业如今稳居全球第一；地缘因素则推动了半导体等国产替代产业的发展。
而具身智能赛道，同时集齐了这四大发展动力。大模型实现技术突破，人力成本上涨催生自动化市场需求，国家将人工智能列为核心战略，再叠加全球科技竞争的外部环境，多重利好之下，这条赛道迎来了前所未有的发展窗口期。
从市场规模来看，当前机器人整体市场体量仅有数百亿元，规模有限。但如果通用机器人大脑实现落地，机器人广泛应用于工业、商业、家庭等场景，具身智能的市场规模终将超越汽车行业，长期有望达到十万亿美金级别。
我之所以坚定看好具身智能赛道，另一核心原因是中国硬科技产业实力实现了跨越式发展。2015年《中国制造2025》规划提出时，国产工业机器人市场占有率仅3%，核心零部件基本依赖进口，制造成本甚至高于海外产品售价。
如今十年过去，国产工业机器人市场占比已突破50%，剔除芯片以外，核心零部件国产化率接近百分之百。5G、新能源、国产大飞机等领域，也都实现了高速增长。
结合“十五五”规划来看，未来产业布局中，具身智能与生物制造、量子科技、核聚变并列，成为重点发展的万亿级赛道。对比十年前，我国科技、产业、经济基础都更为扎实，叠加政策全力扶持，我相信十年之后，中国具身智能产业必将领跑全球。
回顾科技产业发展历程，每一次真正的技术革命，都会诞生世界级企业。互联网、移动互联网、智能汽车、大模型领域皆是如此。
上一代深度学习技术属于技术升级，而非颠覆性革命，而本轮大模型带来的变革，真正重塑了产业形态。虚拟世界已经诞生了一批头部AI企业，物理世界的具身智能赛道，也必将孕育出伟大的公司，这也是千寻智能的发展目标。
二、行业现状
再来看行业核心卡点。很多人认为机器人行业的短板在硬件，但事实并非如此。十五年前，本田、波士顿动力等企业就已经研发出运动能力极强的机器人产品，硬件技术早已达到较高水平。
这些机器人硬件性能出色，却始终无法大规模走进工厂与家庭，本质原因就是缺少智能大脑。仅能完成预设的简单动作，无法胜任通用劳动力的工作。
数据也能直观体现行业现状：全球工业机器人与扫地机器人市场规模合计约250亿美金，手机市场规模达6000亿美金，汽车市场更是高达4万亿美金。机器人产业体量悬殊，根源就在于智能化能力不足。
我们可以将机器人综合性能拆解打分：机械臂成熟度约50分，轮式底盘、无人车约40分，四足机器人30分，双足机器人15分，灵巧手与机器人大脑仅有5分。当下具身智能最大的机会，就是依托大模型技术，将机器人大脑的能力从5分提升至50分。
未来五到八年，具身智能行业将由大模型驱动，增长速度会趋近于软件行业。这也是千寻智能成立短短两年，估值从最初的两亿增长至两百亿的核心原因，这样的发展速度，在传统硬件行业很难实现。
从技术演进路径分析，2012年AlexNet开启深度学习时代，行业聚焦感知、视觉、语音识别等方向；2022年底至2023年，ChatGPT引爆大模型热潮，人工智能完成第一次能力跃迁；如今行业开始发力AI智能体，最终的发展终点，就是具身智能。
机器人作为劳动力，并不需要拥有高学历与专业知识，仅具备基础常识，就能完成司机、保洁、快递等蓝领工作。当前大模型已经具备充足的常识理解能力，足以满足机器人的工作需求。行业当下的核心任务，就是将虚拟世界的常识能力，迁移到物理世界。
具身智能赛道最底层的逻辑十分清晰：硬件相对成熟，行业核心竞争点是物理多模态大模型。大模型发展遵循规模法则，参数、数据、算力的提升持续推动模型能力进化，模型架构并非现阶段的核心壁垒，真实场景训练数据匮乏，才是制约具身模型规模化发展的最大瓶颈。
汽车行业的数据采集模式可以作为参考，车辆即便没有自动驾驶功能，本身也是完整可销售的产品，还能通过影子模式持续收集数据、迭代模型。
但机器人不同，缺少智能大脑的机器人不具备实用价值，无法推向市场，也就无法形成数据采集与模型迭代的正向飞轮，这也是整个赛道普遍面临冷启动数据短缺的难题。千寻智能搭建了数据金字塔体系，以此破解数据不足的行业痛点。
按照规划，2026年具身智能将全面进入基座模型预训练阶段。我们计划在当年积累一百万小时机器人训练数据，让模型能力对标GPT-3水平。届时全新场景下，机器人无需额外微调，就能完成半数以上基础任务。
三、竞争格局
当前AI领域形成中美两极竞争格局：虚拟大模型方面，美国暂时保持小幅领先；而在具身智能赛道，中美处于并驾齐驱的状态，目前千寻智能的模型综合能力位居全球前列。传统机器人强国日本、德国、欧洲企业，因缺少AI技术能力，已经逐步退出具身智能的核心竞争。
硬件层面，美国在机器人运动控制、机电一体化设计上仍有优势，产品动作流畅度、柔顺度表现更佳；但中国企业具备成本优势，能够以海外产品十分之一至二十分之一的成本，实现其八成左右的性能，供应链与落地场景更是我们的核心竞争力，未来全球机器人硬件产业的重心，一定会落在中国。
具身智能的发展节奏，和大语言模型高度相似。当前整个赛道，正处于GPT-2向GPT-3过渡的爬坡阶段。2026年之前，行业主要任务是收敛技术路线，确定模型架构、数据训练方式；2026年起，行业将全面开启大规模预训练，持续提升模型能力。
分阶段来看，2026至2027年，行业重心集中在预训练、基础模型研发与早期商业化探索，核心比拼数据能力与基座模型；2028至2029年，模型能力趋于成熟，行业迎来规模化商业化落地，竞争焦点转向物理智能体与生态构建；2030年之后，赛道发展趋于稳定，行业会更加注重产品质量、成本控制与完整产业生态。
不同阶段的赛道壁垒各有侧重，同时具身智能存在大量私有化场景数据，想要完成场景落地，离不开产业资本深度参与数据采集和场景共建。
四、千寻智能
千寻智能的愿景是缔造新一代智慧劳动力，中期目标是十年内让全球10%的人拥有专属机器人。按照当前市场体量测算，想要实现这一目标，机器人出货量需要十年增长一千倍，年均增速达到两倍。结合大模型行业的发展规律，这个目标具备落地可能性。
公司核心团队形成了“AI算法+硬件本体+商业化运营”的铁三角架构。我负责整体战略与公司管理，联合创始人兼CTO高阳是全球顶尖的具身智能领域科学家，联合创始人COO郑灵茵拥有丰富的海外市场与企业运营经验。依托全栈式团队基因，我们才能在模型技术上实现全球领先，同时保障企业稳健发展。
目前，千寻智能已与宁德时代、华为、京东、博世、舍弗勒等企业达成全球战略合作，也获得了众多知名投资机构的支持，是国内最年轻的具身智能独角兽企业。
我们也是国内首家成功验证具身模型规模法则的企业。实测数据显示，预训练数据体量每扩大十倍，模型微调所需的数据量就能下降至原来的二点五分之一。持续扩大预训练规模，能够大幅降低机器人学习新技能的成本与周期。
此前，在英伟达、斯坦福大学等机构联合发起的RoboArena国际评测榜单中，我们自研的Spirit v1.6具身基座模型，凭借双盲实测的优异表现，超越英伟达DreamZero等主流模型，登顶全球第一。
在模型训练体系上，我们沿用了大模型成熟的训练逻辑：依托海量互联网视频、穿戴式设备数据完成预训练，解决模型泛化能力问题；通过场景数据微调，提升模型执行精准度；最后借助强化学习，增强模型运行稳定性与鲁棒性。
在技术落地选择上，我们坚持“从难入手”，将叠衣服这一行业公认的高难度任务作为技术突破口。这一任务契合莫拉维克悖论，对AI的泛化、举一反三能力要求极高。目前我们已经实现相关技术落地，机器人不仅可以完成衣物整理，还能完成桌面收纳、物品抓取、动作跟随、食材处理等多项任务。
现阶段，普通工作人员借助图形化操作界面采集数据，就能让机器人任务成功率达到80%至90%。这也意味着，未来普通用户也可以自主教会机器人新技能，是机器人走向千家万户的重要基础。
数据是模型的核心根基，为此我们搭建了全自主的数据体系：数据采集设备、标注管线、在线迭代飞轮全部自研。这套体系也是行业门槛，目前九成以上团队无法完成全链条搭建。
现阶段我们已积累海量训练数据，有效视觉数据体量，相当于一个普通人从出生到四十岁的全部视觉经验，高精度任务数据也达到数万小时级别。长期来看，模型的竞争最终会演变为数据生产体系、数据运营能力的竞争。
为保障数据质量与采集效率，我们持续迭代自研数据采集设备，两年内完成七代产品更新，全国布局三十余万个数据采集点，组建了千人数据采集团队，覆盖家庭、快递站点、酒店、工厂等各类场景，后续还会逐步拓展至全球市场。
同时我们打造了一站式物理AI数据服务平台Quanta，实现数据派发、回收、质检、标注、模型评测全流程线上化，构建起自动化数据管道与数据飞轮。如今的数据生产模式，已经从传统人力密集型，升级为平台化、工业化体系，可根据模型需求定向生产高质量数据。
硬件产品方面，我们推出了两大系列机器人。轮式人形机器人主打工业场景，传承我们多年工业机器人研发经验，整机运动控制、安全防护、负载能力达到国际一流水平，自研一体化力控关节功率密度表现优异，部分指标超越海外同类产品。另一款机器人侧重商用与家庭服务场景，外观更具亲和力，强化了多模态交互能力。
两大系列机器人共用同一套具身基座模型，随着模型能力不断增强，未来跨机器人本体适配的成本也会持续降低。我们计划在今年世界人工智能大会、世界机器人大会上，发布搭载全新模型与交互能力的新一代机器人产品。
整体来看，千寻智能已搭建起完整的产业闭环：自研数据采集设备、自动化数据处理管线，规划2026年积累百万小时级训练数据；采用视频与世界模型融合的技术路线训练基座模型；同时搭建多维度模型评测体系，从单元测试、集成测试、仿真测试到真机测试，全方位验证模型性能。在当下的行业竞争中，只有具备全链条能力的企业，才能实现长远发展。
五
判断建议
结合行业发展阶段，我分享一些判断与建议。当前具身智能对标大模型，正处于GPT-2向GPT-3演进的阶段。2026年将是行业“上牌桌”的关键一年，头部企业需要储备充足资金，用于大规模预训练与算力投入。未来两三年，行业算力成本会逐步向自动驾驶领域看齐，头部企业年度算力投入将达到十至二十亿人民币。
按照发展节奏预判，2026年底至2027年初，行业模型能力有望对标GPT-3；2027年底至2028年年中，有望达到GPT-3.5水平，届时类似ChatGPT的现象级机器人产品将会出现，行业也将迎来规模化商业落地。现阶段，行业竞争的核心，就是比拼高质量数据积累速度、数据处理效率与模型迭代能力。
关于落地场景，综合技术、成本、安全、监管等因素，通用机器人会遵循“工业先行，商用跟进，家用最后普及”的路径。工业场景环境封闭、需求明确，对模型能力要求相对较低，是打磨技术、验证产品的首选；家庭场景对安全、隐私、监管要求极高，电池安全、程序失控等风险，都需要长时间技术攻关，因此普及节奏会相对滞后。整体而言，未来工业场景机器人市场占比约10%，商用服务场景占30%，家庭场景将成为最大市场。
在中美竞争格局下，中国具身智能拥有三大核心优势：第一，落地场景丰富，可源源不断产出多元化数据，模型迭代速度更快；第二，国内硬件产业链完善，机器人本体、零部件量产能力全球领先；第三，国内企业团队执行力强，技术路线确定后，产品迭代效率优势明显。整体技术路线上，海内外头部企业不会出现明显分歧。
从资本市场视角来看，资本布局具身智能主要有两大逻辑：短期是看好行业上市浪潮，中长期则是认准AI下半场属于物理AI。当前大语言模型、自动驾驶的竞争格局已经基本定型，具身智能作为全新赛道，马太效应显著，资本集中押注头部企业，行业窗口期快速收窄，新入局企业很难再获得发展机会。
针对行业投资方向，上游领域可以重点关注国产化训练、推理芯片，以及机器人专用触觉传感器、激光雷达等硬件，这类产品目前进口依赖度高，替代空间巨大；电机、减速器等传统零部件技术成熟，投资价值有限。
中游的模型与机器人整机领域，头部格局已经形成，新玩家机会寥寥。下游应用层目前尚未迎来最佳投资期，预计2027年下半年至2028年才会逐步打开市场。数据采集服务短期内可以产生收益，但长期商业模式存在局限。
对创业者，我的建议是：当下纯数据服务、传统零部件赛道仅能获取短期收益；芯片、高端传感器赛道门槛极高，需要雄厚的资源与资金支撑；整机与大模型赛道头部壁垒已经形成，新公司很难突围。现阶段更建议创业者加入头部企业积累经验，等待行业第二波发展机遇。
展望行业终局，通用机器人大脑会打造出类似手机操作系统的生态。未来机器人搭载基础通用能力，用户可根据需求下载对应技能应用，就像手机安装APP一样，衍生出机器人技能商店。行业格局会逐步收敛，最终形成数家头部平台企业，数量会多于手机操作系统，但不会超过十家。
竞争模式上，未来机器人行业会走向技术与商业化双线并行，既需要持续保持技术领先，也需要依靠商业化实现自我造血。模式参考智能手机、新能源汽车行业。规模化普及节点预计在2028年，价格战与技术战会同步存在。
抛开数据问题，通用人形机器人最大的硬件壁垒是灵巧手，核心卡点集中在材料、电机、传动等基础领域，短期难以实现颠覆性突破。算力成本方面，云端训练算力会是企业主要开支，但端侧推理算力不会阻碍机器人普及，随着专用芯片量产与国产化，成本会稳步下降。
行业发展不会出现“海外做大脑、国内做硬件”的格局，国内具身大模型技术已经达到国际一流水平，结合场景、数据、产业链优势，中国企业会全程参与全球竞争。同时，受核心数据资产保护影响，具身智能赛道会以闭源生态为主，参考自动驾驶行业的发展模式。
对于在校学生，有两点建议：第一，拥抱AI浪潮，重构学习与思维模式，养成AI原生思维，将人工智能与自身专业结合；第二，多走进企业实习，一线实践能更直观地把握行业方向。
