文｜南都记者 严兆鑫
具身智能正处在技术突破与商业落地的关键阶段。万亿级市场潜力吸引资本和技术加速涌入，但从实验室走向现实场景仍面临巨大挑战。当前多数企业依赖人工遥控采集数据，导致机器人“大脑”智能化不足，难以应对复杂任务。
在此背景下，大晓机器人成为行业关注焦点。12月4日，商汤科技联合创始人王晓刚正式出任大晓机器人董事长，标志着商汤“1+X”架构调整后，具身智能业务进入独立运作新阶段。大晓机器人将聚焦解决行业核心痛点——智能决策能力缺失问题。
不同于主流“以机器为中心”的研发路径，大晓提出“以人为中心”的技术范式，通过穿戴设备记录人类与物理世界的交互过程，提取常识与物理直觉，训练具备泛化能力的“通用大脑”。在商业模式上，坚持“软硬一体”，以场景驱动硬件定义，打造可落地的完整产品解决方案。
12月9日，南都湾财社记者就行业关切问题与王晓刚展开对话，深入解析大晓机器人的技术路线与战略方向。
以下为对话节选：
范式重构：跳出“机器中心”的数据陷阱
南都湾财社：为什么商汤选择此时通过“大晓”独立主体深耕具身智能？
王晓刚：我们正处于从AI 2.0向AI 3.0演进的关键节点。过去的大模型依赖互联网文本和图像数据，但这些数据缺乏物理交互信息。要实现真正的智能跃迁，必须让AI与真实世界持续互动。
具身智能是下一个数十万亿级赛道，未来机器人数量或超手机，价值堪比汽车产业。商汤长期积累的视觉感知与场景理解能力，为机器人落地提供了基础。通过“1+X”模式将大晓独立运营，有助于建立更灵活的机制，专注垂直整合，推动技术闭环。
南都湾财社：目前行业普遍存在“泛化难”问题，大晓提出的“ACE技术范式”有何不同？
王晓刚：关键在于技术起点——是以机器为中心，还是以人为中心。
当前主流采用“机器中心”路线：先构建机器人本体，再通过遥控操作采集数据训练模型。这种方式存在两大瓶颈：一是数据孤岛，不同结构的机器人无法共享数据；二是能力局限，遥操只能完成简单动作，无法教会机器人处理复杂、长序列任务。
大晓采用“以人为中心”路径：利用穿戴设备和多视角传感器，直接采集人类与环境的真实交互数据，包括视觉、触觉、力觉等多模态信息。我们将这些数据输入世界模型，训练出具备物理常识和行为逻辑的“通用大脑”，再适配到各类机器人本体上，从根本上提升泛化能力。
生态定位：不做“安卓”，要做“苹果”
南都湾财社：大晓在生态中更倾向做“安卓”还是“苹果”？
王晓刚：现阶段我们走“苹果”路线，坚持软硬一体交付完整产品。
当前硬件供应链尚未成熟，许多设备不满足实际场景需求。例如市面上的机器狗摄像头视野狭窄，无法识别红绿灯，也无法稳定跟随移动目标。仅靠算法优化无法弥补硬件缺陷，因此我们必须参与硬件定义。
我们会基于具体场景提出设计规范，甚至在关键模块（如全景感知系统）上与厂商联合开发。但我们并非完全封闭：模型端保持开放，提供基础模型与开发方案；硬件端联合生态伙伴共同设计。最终面向客户的是可解决问题的整机产品，而非需自行集成的代码包。
南都湾财社：大晓在商业化落地上有哪些规划？
王晓刚：我们分三个阶段推进：
短期聚焦四足机器人在工业巡检领域的规模化应用。传统机器狗依赖人工遥控，自主性差。大晓通过搭载“具身大脑模组A1”，赋予其自主导航、空间认知和语音指令理解能力，结合云端管理平台，实现无人值守巡检、异常识别与响应，满足安防刚需。
中期拓展至商业服务场景，如即时零售前置仓。仓内SKU众多，任务复杂，传统示教方式效率低下。我们将依托环境式采集训练的大模型，使机器人具备处理海量商品的泛化操作能力。
长期布局家庭服务机器人市场。该场景对安全性与交互复杂度要求极高，需要长期技术沉淀，是我们重点攻关方向。
核心壁垒：给世界模型加上“物理定律”
南都湾财社：“开悟”世界模型3.0与Sora、World Labs相比有何差异化？
王晓刚：核心差异在于对物理规律的真实理解与因果预测能力。
Sora本质是视觉驱动的视频生成模型，基于大量视频学习帧间关系，常出现违背物理规律的“幻觉”内容。而大晓的“开悟”模型输入维度更丰富，包含视频、相机位姿、3D轨迹、触觉、力学等多模态数据。
这使得“开悟”具备三大独特能力：
一是多模态融合理解：不仅能识别物体运动，还能判断动因，理解施加的力和作用关系。
二是精准预测与操作指导：生成的结果不仅用于观看，更能指导机器人执行动作。模型可根据指令预测机械臂下一步运动轨迹，且符合物理因果律。
三是动态场景编辑：可分离场景中的动态元素（如人、物体），自由替换背景或目标物（如将瓶子换成杯子），同时保持交互过程的真实性与一致性。
南都湾财社：具身智能何时能迎来类似ChatGPT的“奇点时刻”？
王晓刚：ChatGPT的爆发源于互联网文本数据达到临界规模。具身智能要实现类似突破，需两个条件：
第一，**物理维度扩展**：除视觉外，需大规模接入力、触觉、惯性等传感器，构建完整的物理感知体系。
第二，**数据规模积累**：当环境式采集普及，机器人走出实验室，在真实场景中持续运行并积累海量交互数据，达到互联网级别时，Scaling Law将在具身领域重新生效，推动智能水平跃升。