在 2025 中國信通院深度觀察報告會上，許志遠副總工程師指出，具身智能正經歷認知與物理智能的“雙螺旋”突破，但模型、數據、形態路線三大爭議未決，大規模落地尚處早期。若想突破現存瓶頸，亟需完成技術架構、數據體系、商業化形態的三重躍升。

技術突破與數據革命

破解落地的核心瓶頸

具身智能落地核心，是模型架構的升級迭代。

許志遠提出 LLM→VLM→VLA 的三階段演進路徑：LLM 賦予模型“思考能力”，VLM 實現視覺-語言跨模態感知，VLA 完成“感知—思考—動作”閉環。

*圖片源于互聯網，供參考

在工業領域，ALVA 純視覺系統基于雙大模型架構，通過“指令輸入→視覺理解→策略生成→群體共享”流程，支持自然語言或動作示范直接訓練機器人，真正做到“具備情境理解與自主規劃能力”的、實現“感知-認知-決策-執行”全棧具身智能。

在 VLA 基礎上引入“世界模型”，是提升環境適應能力的關鍵。許志遠強調，世界模型可理解、預測物理世界，降低真實數據依賴;且“數據革新需推動產業級協作”。

基于生產數據和實時環境數據，ALVA 純視覺系統可在虛擬環境中預先進行模擬決策訓練，豐富的決策經驗和龐大的數據庫，支撐其結合現場環境迅速理解語音指令并執行精準作業，還能不斷吸收人工發出的決策指令的特征，反向優化自身決策水平。

商業化驗證

從“技術秀”到“市場贏”的關鍵路徑抉擇

技術落地的核心爭議是形態路線選擇，當前主要以“人形堅守派”與“折中派”對立。

特斯拉等堅持全人形路線，但受到國情以及經濟發展趨勢影響，國內企業更加強調工業場景可落地性，多采用“輪—臂式復合機器人”—折中路線憑借部署簡單、成本可控的優勢，是現階段平衡技術與商業的最優解，也符合“落地優先于完美”的行業節奏，為技術迭代積累真實數據與反饋。

ALVA 純視覺系統以開創性技術打響國產化替代的“關鍵一槍”。系統融合 AI 大模型與高精度動態視覺感知，核心算法 100% 自主研發。

基于空間計算實時反饋，在機械人執行精密作業時，“手-眼-腦”多位協同實現位姿動態補償優化，可在機械臂高速運動、AMR 自主導航等動態場景中，實現微米級重復定位精度。

ALVA 純視覺系統憑借其百元級的硬件成本，輕量化外觀可靈活適配多種載體，其群體智能進化架構實現經驗共享，更為中小企業構建可成長的智能化產業生態，為具身智能大規模市場化推廣夯實普惠基座。

據 DIC 報告預測，2025 年，全球具身智能機器人用戶支出規模預計超過 14 億美元，2030 年將飆升至 770億 美元，年均復合增長率(CAGR)高達 94%。如此可觀的增量市場，更為行業劃出了未來發展的方向標：全球及中國市場均呈現爆發式增長態勢，仍需技術突破、政策支持、產業鏈完善共同推動行業從“技術展示”向“商業閉環”跨越。

未來展望

人機共生的通用智能時代

據專家預測，具身智能長遠發展將呈現三大趨勢：一是跨具身能力成核心競爭力;二是端到端泛化升級;三是人機共生落地;未來具身智能將按“工業制造—商業服務—家庭服務”順序滲透，逐步“飛入尋常百姓家”。

許志遠強調，具身智能發展的核心矛盾在于，技術突破與落地挑戰的艱難平衡;摩根士丹利的市場預測也印證了行業前景，當技術創新與商業實踐達成平衡，機器人融入生活的科幻場景將從實驗室大步邁向現實。

當智能機體真正融入產業肌理、走進生活日常，技術的微光終將匯聚成照亮未來的星河，讓“機器賦能人類”的初心，在科技與人文的交融中歷久彌新。

關于 ALVA Systems

ALVA Systems 專注增強現實/人工智能等空間智能相關技術的自主創新，成立十余年始終深耕底層算法研發與優化，擁有自研算法引擎并拓展豐富創新產品與應用，是全球空間智能領域的核心供應商。

在工業領域，公司重點致力于基于空間智能技術和制造業的深度結合應用，經過充分實踐，形成了豐富完善的產品線，讓不同行業企業利用既有資源敏捷實現 AI 價值，Anyone can AI ! 開拓了廣域的應用空間，是國際工業物聯網與“數字孿生”解決方案的領跑者。