3月26日，“云天會客廳（第四期）暨具身智能研討會”順利舉行。

本期以“具身智能與機器人閉門技術研討會”為主題，匯聚產業鏈核心企業，共話技術演進與產業落地。

會議匯聚了具身智能及相關產業鏈的眾多代表性企業，包括眾擎機器人、智元機器人、自變量、星塵智能、諾因智能、跨維智能、越甲靈動、超維動力、科盟創新等本體與系統企業，見山科技、巨犀科技等AI企業，以及邁特芯、睿思芯科等AI芯片公司。會議圍繞數據、模型、芯片、算力與商業落地等多個維度的核心痛點展開了深入討論。

議題一：數據獲取與標準化仍是具身智能最大瓶頸

數據獲取與標準化依然是當前具身智能產業最關鍵的制約因素。

高質量數據的獲取高度依賴于先進的數據采集設備體系。相比依附于具體機器人本體的采集方案，當前行業正在探索更多“去本體化”的通用采集設備，以提升數據的可復用性與規模化能力。例如以UMI等為代表的采集方案。

在數據規模目標上，頭部廠商普遍將目標設定在百萬小時級數據積累，但實際推進過程中，遙操作采集效率低、操作門檻高、人力成本大，成為規?；瘮祿a的主要瓶頸，這也進一步凸顯了高效采集設備的重要性。

與此同時，不同機器人本體之間的數據復用率仍然極低，核心原因在于行業內缺乏統一的數據標準與處理管線，導致數據難以跨平臺遷移與復用。

議題二：技術路線之爭，混合架構將長期主導產業部署

在底層技術路線上，與會嘉賓并未盲目推崇“端到端大模型即終局”的單一論調。不少專家認為，傳統視覺與規則驅動、端到端深度學習，以及由傳統方法作為安全兜底的混合架構，將在較長時期內并存。

應用場景的差異直接決定了技術范式的選擇。家庭機器人場景更為看重復雜的邏輯推理能力、長尾任務的處理以及多模態語義對齊；而工業機器人場景則對柔性裝配精度、多SKU適應性、極低故障率和絕對物理安全性有著嚴苛要求。

盡管視覺-語言-動作（VLA）模型熱度攀升，但在真實的工程部署中，系統往往還需要疊加模仿學習、強化學習或檢索增強等模塊以提升樣本效率與運行穩定性。在復雜的物理世界中，單一模型難以包攬一切。

議題三：云端與端側的博弈，本質是成本與時延的取舍

針對智能體算力部署架構的討論，揭示了當前行業在純云端與純端側之間尋找最優解的普遍焦慮。

純云端方案在成本控制和輕量化部署上具有天然優勢，但在工業制造等對實時性要求極高的場景中，網絡時延成為致命弱點。同時，受限于功耗、散熱和物理體積，機器人本體的端側目前難以直接滿載運行龐大的多模態大模型。

因此，“云端負責慢思考與全局規劃，本體負責低延遲快執行”，或是將大模型蒸餾為端側小模型的折中思路，正在成為務實的產業共識。邊云協同架構不僅能夠有效平衡部署成本與響應時延，也契合了當前算力平臺向邊緣側實時推理延伸的宏觀趨勢。

議題四：底層芯片不再唯算力論，聚焦系統級適配與推理延遲

具身智能的崛起正在重塑對底層AI芯片的評價標準，產業界已告別抽象的峰值算力（TOPS）比拼，轉向關注系統級的工程實際要求。不少與會專家認為，時延控制、吞吐量、內存帶寬瓶頸，以及新型存儲架構能否真正支撐多模態數據的實時推理，成為各方關注的核心。

以3D DRAM為例，其在理論上具備帶寬、延遲和功耗的綜合優勢，但實際產業價值仍需通過流片與系統級驗證的嚴格檢驗。這一討論印證了AI芯片行業的聚焦點已經實質性地邁向了實時推理效率、安全部署能力以及在嚴苛功耗和成本約束下的落地表現。

議題五：商業閉環壓過技術想象力，場景跑通決定商業價值

在商業化進程方面，行業正在經歷從“技術可行性驗證”向“商業變現能力考核”的深刻轉型。終端客戶的關注核心高度聚焦于任務完成度與投資回報率，而非單純的技術泛化敘事。模型能力集成、日常系統運維與安全責任體系的構建，已成為商業交付中不可或缺的環節。

短期內人形機器人與具身智能設備更有可能在文娛商演、結構化環境下的簡單交互、倉儲物流搬運以及工業巡檢等垂直場景率先跑通商業閉環。從Demo展示走向規模化運營，在特定工業和商業場景中率先創造可驗證的經濟價值，已成為決定企業生存的關鍵。

云天會客廳是由云天勵飛主辦的產業與技術研討沙龍，旨在搭建高質量的對話平臺，與產業鏈上下游生態伙伴共探技術趨勢，共建產業生態。未來，云天會客廳將繼續圍繞AI芯片相關的前沿命題，攜手更多行業力量共同探討務實發展之路。