外滩大会热议具身智能：仿真与真实数据并非二选一

9月10日，在2026 Inclusion·外滩大会圆桌论坛《物理智能——分歧与抉择》上，苏度科技CEO韩铮、蚂蚁灵波科技首席科学家沈宇军、自变量机器人CEO王潜、破壳机器人创始人许华哲等企业代表，围绕具身智能的数据、智能和场景路线展开讨论。与会者普遍认为，具身智能不会简单复制语言大模型的发展路径，真正的竞争正从单一模型能力转向数据、模型、硬件、系统和场景构成的完整能力。

围绕数据问题，苏度科技长期押注仿真路线，希望通过大规模强化学习让机器人在不同物体和环境中获得泛化能力。韩铮表示，真实世界数据采集效率有限，质量难以稳定，仿真是难以绕过的一环，但仿真与真实数据并非非此即彼，商业公司能获得的高质量结构化真实数据存在上限，如何选择更可能随任务而变化，形成分层与组合。

蚂蚁灵波科技首席科学家沈宇军则提出，机器人未来进入现实环境后，信息只能来自摄像头、触觉、力觉等传感器，而真实传感器存在噪声、误差和个体差异。相比“Sim to Real”，更值得关注的是“Real to Sim”，即将真实世界中复杂细碎的物理特征规模化搬进仿真器，未来有价值的数据竞争在于能否获得并组织真正包含“物理智能”的经验。

破壳机器人创始人许华哲认为，行业对数据量存在一定高估，扩充量很容易，但追求质才更重要，否则会造成巨大资源浪费。他表示，重复的工厂式采集可能价值有限，数据工厂要采得足够丰富、认真，并筛选得足够仔细。“一百万小时”“几百万小时”并不天然意味着更好的模型，质量、分布和训练方式可能更加重要。

针对通用大模型是否会“降维打击”具身智能公司的讨论，自变量机器人CEO王潜并不认同。他表示，“智能的本体存在于数据里”，通用模型要进入具身智能，依然必须面对机器人数据、现实世界评测、硬件、仿真和部署等基础设施问题，如果也要做这些事情，它只是另一个具身智能公司。考虑到机器人对推理速度和部署效率的要求，专用具身模型可能是更高效的选择。