最终依然需要人类来兜底
Fast Reading
■
具身智能与人形机器人不能划等号。机器人的核心价值不在于外形是否拟人，而在于能否在具体场景中解决实际问题。
■
资本市场热情不减但趋于理性：关注焦点从技术叙事转向商业模式、落地能力及实际营收。
■
机器人改变世界的方式并非成为另一个“人”，而是作为人类能力的延伸，承担危险、重复及复杂环境下的工作。
作者 | 陈序宁
编辑 | 黄运涛
哈佛大学心理学教授史蒂芬·平克（Steven Pinker）曾在 1997 年提出疑问：“为什么小说里有那么多机器人，现实生活中却几乎没有一个？”
过去几十年，机器人虽已进入工厂和专业领域，如汽车产线的焊接、仓库的自动搬运等，但距离通用型机器人仍有巨大差距。根本原因在于，物理世界远比数字世界复杂：机器人不仅需“看见”，更要“理解”空间、力量及人机物关系，并在动态环境中做出判断。
具身智能的出现正试图破解这一难题。过去两年，该赛道成为科技产业热点，但随着行业进入落地深水区，核心问题逐渐浮现：谁为机器人买单？竞争关键是否在于“像人”？是否会取代人类工人？
聆动通用 CEO 季超指出，具身智能不等于人形机器人。机器人的价值取决于场景解决问题的能力，而非外形。作为科大讯飞孵化的企业，聆动通用聚焦泛制造业智能化升级，已完成数亿元 Pre-A 轮融资。
季超认为，行业演进将遵循“工业、商业服务、家庭”的路径，半结构化、劳动力密集的场景将是突破口。在 2026 世界人工智能大会（WAIC）上，展示重点已从技术演示转向物流、制造、零售等真实场景，“技术服务于场景”成为共识。
对工业客户而言，机器人是生产工具，遵循“算账逻辑”：关注降本增效与投资回报周期（ROI）。更深层的较量在于数据——具身智能时代争夺的是来自物理世界的操作数据与反馈闭环，这是企业构建长期壁垒的关键。
从想象到现实，人类等待机器人已超半个世纪。未来，机器人将成为人类能力的延伸，进入工厂、家庭及复杂环境。真正的考验在于证明机器人“为什么值得被使用”。以下是雪豹财经社与季超的访谈实录：
具身智能不等于人形机器人
Q1：今年 WAIC 上，具身智能行业最大的变化是什么？
季超：最大变化是从单纯的技术展示转向“场景化展示”。无论是重载搬运还是零售场景，主流厂商均推出针对性方案，表明行业正从概念验证加速迈向真实落地。
Q2：外界常将“具身智能”与“人形机器人”划等号，您如何看待这种形态选择？
季超：两者绝不能划等号。具身智能是赋能所有机器人形态（包括机械臂、无人车）的底层物理 AI 技术。行业共识已清晰：技术必须服务于场景，不再执念于外形是否“像人”，而关注解决实际问题的能力。
Q3：商用表演、科研市场与工业场景的落地逻辑有何不同？
季超：三者逻辑迥异。商用表演关注流量与视觉冲击，容错率高；科研市场侧重本体易开发性与生态稳定，非强商业化导向；工业场景则是纯粹的“算账逻辑”与 ROI 导向，客户只关注能否真正降本增效。
Q4：工业客户对 ROI 要求苛刻，聆动通用目前表现如何？
季超：工业界普遍认可的回本周期为 2-3 年。我们在部分典型场景中已将周期压缩至 2 年以内。鉴于非标产线换线周期通常为 3-5 年，若机器人能在 2 年内回本，剩余时间即为客户纯收益期，商业价值显著。
Q5：若回本周期超过两年，是否意味着商业价值低？
季超：不能一概而论。长期看，人力与管理成本持续攀升，而机器人本体成本随供应链成熟呈下降趋势。即便短期需 3 年回本，只要技术达标，ROI 终将回归合理区间。
一年一个大台阶
Q6：如何构建工业级高质量真机数据的长期壁垒？
季超：工业数据具备强垂直性与客户绑定特征，仿真或公开数据无法替代。我们构建“全模态数据金字塔”：塔底利用海量互联网数据预训练；塔身深入一线采集真实数据；塔尖利用高精度本体进行后训练与强化学习闭环。结合数据众包与地方产业合作，形成“数据自建 + 地方产业 + 一线场景”的大数据闭环。
Q7：针对工业与家庭场景，数据策略有何差异？
季超：工业场景任务结构化、逻辑链短，更依赖真机采集的后训练与强化学习，通过专精小模型高效支撑产线；家庭场景跨度长、随机性大，需在预训练阶段投入海量第一视角与常识推理数据，奠定全时智能底座后再做泛化。
Q8：如何解决 VLA 大模型“跨本体迁移”难的问题？
季超：单一本体训练的模型难以复用是行业瓶颈。我们的解法是构建基础模型层，融合通用预训练能力并开源。开发者可基于此进行二次预训练和后训练，依靠“基础模型 + 二次适配”的开源生态服务千行百业。
Q9：随着训练时长增加，类似“换个桌子高度就无法操作”的问题能解决吗？
季超：行业保持“一年一个大台阶”的迭代节奏。许多生硬表现源于缺乏对应视角或高度的数据训练。目前我们的模型迭代已能适应桌子高度等物理环境变化，技术正快速弥合细节缺陷，落地信号积极。
Q10：为何物流与汽车领域会成为最先突破的场景？
季超：具身智能无法一步实现全域通用，必先在“半结构化、劳动力密集”场景突破。这些场景需求刚性且过往技术无法满足，而当前具身智能发展刚好契合。演进脉络将是：先工业，再商业服务，最后进入家庭。
行业趋于冷静，回调与洗牌在即
Q11：聆动通用的商业化进展及规模化落地领域有哪些？
季超：商业化推进迅速，今年上半年合同金额约为去年全年的 10 倍，主力产品已量产出货。目前在大物流及汽车制造领域实现规模化落地，并在北京、深圳、苏州、东莞等城市深入布局。
Q12：预计全年业绩增幅及融资资金投向？
季超：预计全年合同金额较去年增长 15-20 倍，规模达数亿元。融资资金的 60%-70% 将投入核心技术研发，夯实具身大模型与世界动作模型；其余用于构建量产交付体系。江苏生态工厂已具备千台级年产能。
Q13：与传统物流自动化巨头相比，聆动通用方案的异同？
季超：传统厂商在结构化场景积淀深厚，但在柔性、泛化及长程任务上存在瓶颈。聆动通用方案具备更高柔性与泛化能力。双方并非简单替代，而是生态互补，共同服务大物流客户的全链条自动化需求。
Q14：为何客户接受节拍不如机械臂快的“轮式人形机器人”？
季超：主要基于三点：一是轻部署与低迁移成本，适合租赁仓库等频繁搬迁场景；二是部分场景（如夜间分拣）不追求极致节拍，只需平稳完成即可；三是人形结构在吸收人类第一视角数据时，迁移与学习效率更高。
Q15：作为科大讯飞子公司，如何实现技术与商业协同？
季超：这是高度互补的背靠背关系。生态与商业端，讯飞提供强大渠道资源与商机导入；技术与交付端，聆动通用已实现 B 端制造领域“大脑 - 小脑 - 本体”关键技术自主可控及完备的量产体系。讯飞的平台优势放大了我们的业务潜力。
Q16：资本市场对具身智能企业的评估指标有何变化？
季超：投资人热情依旧，但焦点从“讲故事与技术架构”转向全面考核商业模式、落地能力与实际营收。这对务实构建基本面的企业是良性信号，资本冷静有助于真正具备价值创造能力的企业脱颖而出。
Q17：对未来 3-5 年市场格局演变的展望？
季超：行业必将经历回调与洗牌。早期泡沫期涌现的大量创业公司中，无法完成落地与商业闭环、过度依赖叙事的将面临生存压力。未来行业集中度将大幅提升，收拢至少数几家核心头部企业。
机器人会完全取代工人吗？
Q18：今年最期待的硬件或底层技术突破是什么？
季超：期待上游硬件生态成熟，包括高性价比的关节模组、视觉相机、端侧算力主控及触觉传感器；同时期待下游更多场景跑通 PMF（产品市场契合度）与 ROI 验证，形成可持续商业循环。
Q19：具身智能进入家庭场景的瓶颈及普及时间？
季超：家庭场景空间最大但难度最高，环境非结构化，对泛化能力、安全性及长程任务执行力要求极高。预估具身智能真正走进家庭还需不到四年时间。
Q20：十年后机器人会完全取代人类工人吗？角色将如何转变？
季超：工厂完全无人化不切实际，最终仍需人类兜底。具身智能将带来“生产流程再造”：机器人承担高危、脏乱及重体力劳动；一线工人将从繁重工作中解放，凭借业务理解力升级为机器人主管，转向统筹规划、生产调度与人机协同决策。这不仅是替代，更是职业体验与价值的提升。
封面来源：《机器人总动员》剧照
END
