中国工业报 王珊珊 左宗鑫

具身智能正成为继大模型之后的新一轮产业“主赛道”，它将算法能力从屏幕世界带入物理世界，面向制造、物流、安防巡检、应急救援、养老照护等场景，形成“会感知、能决策、可动手”的新质生产力。作为全国政协委员、天娱数科董事长贺晗今年全国两会期间围绕“如何构筑人工智能时代核心竞争力”这一主线展开。

2025年以来，我国人形机器人产业热度高、企业多、产品迭代快，开始从“能动起来、能表演”转向“能上岗、能干活”。在此背景下，贺晗建议，以“数据-模型-部件-整机-场景-标准”一体化思路，尽快补齐短板，把“热闹的展厅”变成“可复制的工位”，把“单点突破”变成“系统胜利”。

四大挑战亟待解决

作为连接数字世界与物理世界的关键技术方向，具身智能正成为人工智能产业升级的核心赛道，在制造、物流、商服、养老等多个领域展现出巨大应用潜力。然而，如同任何新兴技术的发展历程都不会一帆风顺一样，具身智能在迈向广泛应用与成熟发展的道路上，正遭遇着一系列亟待攻克的难题与挑战。在贺晗看来，核心制约因素集中体现在以下四个方面：

首先，数据荒依旧是横亘在具身智能发展面前的最大瓶颈。具身智能与通用大模型在数据需求上存在着显著差异。通用大模型能够借助海量互联网数据实现自我学习与进化，而具身智能则需要大量“任务级、过程级”的交互数据，如抓取、装配、搬运、开门、叠衣等具体操作环节的数据。这些数据的获取不仅成本高昂，而且标注难度极大。更为严峻的是，国内各研究机构和企业在数据采集方面各自为政，数据采集平台、传感器接口以及数据格式缺乏统一标准，导致大量“数据孤岛”的出现。这使得行业难以形成具有广泛共识的高质量、大规模具身智能开源数据集，严重制约了具身智能技术的进一步发展与创新。

其次，“大脑”泛化能力不足也是具身智能面临的关键问题。具身智能的核心在于通用泛化能力，即能够在不同场景和任务中灵活应用所学知识。目前，我国多数企业仍采用针对特定任务的定制化算法，缺乏真正具备强泛化能力的具身智能基础大模型。这就导致出现一种现象：人形机器人能在受控环境下出色地完成演示任务，却不一定能适应实际工作岗位的需求；在A工厂能够顺利运行的系统，迁移到B工厂后可能就无法正常工作。面对真实世界中复杂多变的光照条件、丰富多样的物体形态、差异显著的工位设置以及不可避免的干扰碰撞等情况，当前的人形机器人仍容易出现策略失效和长任务中断的问题。

再次，场景牵引不强同样阻碍着具身智能的发展步伐。制造、物流等领域对具身智能有着巨大的真实需求，但在实际落地过程中，却常常面临场景碎片化、验收口径不一致以及预算与迭代机制不完善等问题，导致企业在“项目制交付”与“产品化复用”之间难以抉择，犹豫不决。即便政府采购与补贴有所增加，整体产业仍处于导入期，缺乏可复制推广的“规模化上岗模板”。

最后，同质化与泡沫风险上升也不容忽视。随着具身智能市场的热度不断攀升，企业数量迅速增多，但产品却趋于雷同，重复建设现象严重，部分企业甚至陷入“拼补贴不拼能力”的恶性竞争。尽管标准体系已经发布，但产业仍面临“多赛道拥挤、差异化不足”的结构性风险，行业发展亟待破局。

四维发力提升核心竞争力

针对我国具身智能产业面临的数据孤岛、泛化不足、场景牵引薄弱、同质化竞争等核心瓶颈，贺晗认为，需立足产业发展规律与技术演进趋势，从数据要素、核心技术、场景应用、产业生态四个维度形成合力，推动具身智能产业从“试点演示”迈向“规模化商用”，从“低水平竞争”转向“高质量发展”，全面提升我国在全球具身智能赛道的核心竞争力。

一是以国家级“具身数据要素工程”破题。数据是具身智能发展的基石，建设公共数据底座、统一格式与权属规则至关重要。通过建设若干“国家级具身智能数据采集与预训练中心”，聚焦典型任务如搬运、装配、分拣、巡检、护理等，形成可复用的高质量数据集。同时，统一数据标准，涵盖动作轨迹、力觉/触觉、视觉语义、工位工艺参数等数据格式与元数据规范，促进数据跨企业、跨平台的复用。此外，明确数据权属与合规边界，对涉及个人隐私、工厂商业秘密的数据建立分级脱敏、可信计算与授权机制，形成“可用不可见、可控可计量”的共享模式，为具身智能的数据流通与利用提供坚实保障。

二是大力发展具身基础大模型。支持头部AI企业与顶尖高校联合研发多模态具身通用大模型，集中优势资源攻克关键技术难题。重点突破端到端控制算法和Sim-to-Real迁移技术，提升机器人的常识推理能力和在未见环境下的泛化操作能力，使机器人能够更加智能、灵活地应对各种复杂场景。

三是以“场景牵引+政府采购/首台套保险+央国企带头应用”拉动规模化上岗。建立国家级“人形机器人上岗清单”，优先选择收益可量化、环境相对结构化的场景形成规模。推行“首台套/首批次”风险分担机制，降低企业采购门槛。同时，发挥央国企的引领示范作用，以“AI+制造”为抓手，形成真实工位数据回流与持续迭代机制，带动中小企业进入配套生态，加速具身智能的规模化应用。

四是做强软件栈与开源生态，用开放接口降低重复研发、提高产业协同效率，推动具身智能产业生态的良性发展。