席宁×王田苗对谈：理想形态VS落地现实，具身智能的另一种可能

发布时间：2026-08-31来源：机器人技术与应用

具身智能正在从看起来很强，走向一个更加现实的阶段——到底能不能干活？

2026年7月，工业和信息化部披露我国人形机器人整机产品已经达到400余款，超过全球总量的一半。与此同时，产业政策的关注重点也在发生变化。6月，工业和信息化部、国务院国资委联合启动2026年度人形机器人与具身智能实景实训专项行动，提出推动机器人在真实生产生活环境中常态化部署，到年底形成百个以上高价值应用场景，并带动形成万台级规模落地能力。官方使用了一个颇具象征意义的说法：机器人要从“表演模式”走向“作业模式”。

当行业真正走到这一步，很多过去被热潮掩盖的问题也开始浮现，一些基本问题反而值得重新讨论。在2026世界机器人大会具身智能产融论坛上，中国电子学会机器人分会主任委员、香港大学机器人与自动化讲座教授、数据与系统工程系主任、新兴技术研究所所长席宁，与北航机器人研究所名誉所长、中关村智友研究院院长、智友·雅瑞科创平台发起人王田苗，围绕“理想形态VS落地现实：机器人的另一种可能”展开了一场巅峰对话。

这场对话最值得注意的，并不是两位教授对具身智能给出了多少确定答案，而是他们不断把讨论从宏大的技术想象拉回现实。世界模型是否足够先进，最终需要场景验证；家庭机器人市场是否足够庞大，并不意味着它就是最合理的第一站；技术能够实现情感陪伴，也不意味着这种产品一定具有正向社会价值；通用人形机器人可能代表重要方向，但并不意味着机器人产业最终只会剩下一种形态。

以下内容根据现场速记整理，有适当删减和调整。

▍中美竞逐：从“质”的差距到“量”的追赶

王田苗：如果从大模型、算力、数据、本体供应链和落地场景几个维度来看，今天中美在具身智能领域分别具有什么优势？中国最需要补齐的短板是什么？

席宁：机器人技术已经发展了七十多年。早期，中国与美国、欧洲、日本相比起步较晚，确实存在明显差距。但经过几十年的追赶，特别是在具身智能出现以后，竞争格局已经发生变化。

如果说过去更多是“质的差距”，今天即使仍然存在差距，我认为更多已经转化为“量的差距”。双方基本处在同一条技术道路上，区别更多是不同环节的发展速度。

中国在供应链和产业化能力方面具备明显优势，部分环节甚至可能领先；在基础理论、基础方法以及大模型等方面仍有不足。但这些差距不是静态的，而是在持续变化之中。今天的竞争已经是一种动态竞争。

王田苗：如果把时间拉长到未来5年或10年，假设全球最终出现5家具身智能头部企业，你认为中国企业能够占据其中的位置吗？

席宁：很有可能。头部企业的形成当然与技术能力有关，但同样取决于应用场景。中国拥有巨大的市场和丰富的落地环境，这是非常重要的条件。

因此，如果未来形成一批全球性的具身智能头部企业，我相信其中一定会出现中国公司。

王田苗：回顾中国工业机器人的发展已经证明，产业格局并非不可改变。

过去全球工业机器人长期由国际巨头“四大家族”（发那科，ABB，安川，库卡）主导，在中国市场曾一度占据90%的市场份额。而经过过去十多年积累，中国本土企业已经快速成长，现在国产工业机器人的市场份额大概已经高达57%。目前AI+机器人及具身智能很可能是一次新的产业窗口。

▍物理AI，不是语言模型的简单延伸

王田苗：目前几乎所有具身智能创业公司都在拥抱大模型。从VLA到JEPA、WAM，再到世界模型，各种技术路线不断出现。一个核心问题是：大语言模型已经取得巨大成功，但这种成功能否直接延伸到物理世界？具身智能模型最终会不会像今天的大语言模型一样逐渐“收敛”？

席宁：今天整个社会对具身智能大模型抱有很高期待，一个重要原因就是大语言模型取得了远超预期的成功。

但语言模型和处理机器人动作的物理AI之间存在本质区别。语言模型主要处理文字和信息，核心是建立信息之间的逻辑关系。机器人面对的则是动作，而动作至少涉及几个不同维度。

第一是逻辑关系，即一个任务先做什么、后做什么；第二是空间关系，机器人必须知道物体在哪里、自身在哪里；第三是时间关系，同一个动作在不同时间、不同速度下，结果可能完全不同；第四是机器人与物体及环境之间的物理交互多模态关系，其中包括力的作用。

因此，如果说语言模型主要面对信息逻辑，那么物理AI模型必须同时处理逻辑、空间、时间和物理交互，它所面对的问题复杂度要高得多。

王田苗：按照这个逻辑，世界模型实际上需要同时解决任务逻辑、空间建模、时间序列和包括力觉在内的多模态交互。那么未来三到五年，世界模型会不会进入某种收敛状态？

席宁：关键在于如何理解“收敛”。

如果指的是大模型能否不断解决机器人规划和控制中的实际问题，我认为未来三到五年一定会持续取得进展，也会解决越来越多的具体应用问题。

但如果所谓“收敛”是指形成一个统一的平台或者稳定的产业格局，那么决定因素就不仅是模型。

具身智能最终必须进入场景。应用可能很快出现，甚至明年、后年就会有新的落地，但一个应用能否进一步规模化，取决于场景选择、实际效果，以及能否能复制推广。

因此，产业是否“收敛”，本质上并不是一个单纯的模型问题，而且相互交融、迭代与促进的逐步演变相当一段时间收敛。

王田苗：换句话说，世界模型的技术框架是一回事，而判断一个模型是否真正有效，最终仍然要回到具体场景。

席宁：是的。

▍家庭场景，不是具身智能的第一站

王田苗：现在很多机器人创业项目最后都会讲到家庭。原因很直接，只有真正进入千家万户，才可能产生足够大的市场。

如果把家庭机器人的需求大致分为三类：情感陪护、家务劳动，以及养老康养，你怎么看这些场景？

席宁：我认为可以先回到技术发展的历史。

计算机、互联网、GPS、智能手机，在刚出现时都是前沿技术。但回顾它们的发展，没有哪一种技术是一出现就首先大规模进入家庭。

新技术最初通常进入刚需、高附加值的领域，在这些场景中不断迭代，随着性能提升和成本下降，再逐步向更广泛的市场扩散。

具身智能机器人很可能也遵循类似路径。它可能首先进入特种、医疗、制造等价值明确、需求刚性的场景，经过持续验证和技术迭代，再逐渐向消费市场扩展。

因此，我并不认为家庭一定是具身智能最早大规模落地的市场，另外家庭服务机器人与孩子、老人陪护交流不一定是有利于他们健康的事情。

王田苗：这与当前很多创业项目的判断并不完全一致。很多企业首先选择家庭和养老，因为市场空间足够大。

那么在具体家庭任务中，比如做饭、叠衣服、洗碗，通用机器人是否具有足够的竞争力？

席宁：需求当然存在，但判断一个技术是否有商业价值，还要看有没有更便宜、更高效的替代方案。

例如洗碗已经有专用洗碗机。如果一台通用机器人可以洗碗，但成本远高于专用设备，那么它为什么具有竞争力？

只有当通用机器人真正能够完成大量不同任务，并且综合成本具备优势时，它的价值才会充分体现。

情感陪护则更加复杂，因为它不仅涉及技术和成本，还涉及伦理。老年人的孤独并不意味着只要提供一个虚拟交流对象，就解决了问题。很多时候，人真正需要的是与家人、朋友以及真实社会关系的交流。如果机器人最终用虚拟关系替代真实的人际关系，我们需要进一步讨论，这究竟提高了人的幸福感，还是削弱了原本应当存在的社会联系。

因此，评价机器人不能只问“技术上能不能做到”，还要问“这样做对人是否真正有益”。

王田苗：这实际上已经超出了机器人技术本身，进入了机器伦理和社会伦理问题。

席宁：技术发展到一定阶段，这些问题一定会出现。

▍机器人产业不能只有技术逻辑

席宁：过去几十年，你长期参与中国机器人发展战略和科研项目组织。如果今天重新回看，当年推动的哪些方向被证明是正确的？又有哪些经验值得今天发展具身智能借鉴？

王田苗：中国机器人产业的发展首先是有两个前提，一方面得益于长期的国家战略投入，另一方面也来自一批像汇川、埃斯顿、新松、埃夫特、拓斯达等这样的企业长期扎根产业。

回到你的问题，回头看我在2001年承担863计划任务时，有两个方向非常重要。

第一个是工业机器人。当时国内工业基础相对薄弱，汽车制造等行业大量使用国外机器人，因此国家持续投入自主工业机器人技术研发。今天中国工业机器人的发展，与当年的长期积累密切相关。

第二个是特种机器人，包括矿山、石油、农业以及其他特殊环境中的应用。这些市场有时并不大，却能够产生独特的技术需求，并推动关键技术突破。今天来看，一批围绕这些领域成长起来的企业和技术，已经成为中国机器人产业的重要组成部分。

但也有一些经验值得反思，比如服务机器人和ToC市场具有其自身规律，消费者究竟需要什么，最终必须由市场验证。技术能够做到，并不意味着这样技术一定能够满足需求，还有市场销售、管理执行力、资源整合等问题；政策能够提出方向，也不能替代真实市场选择。一些特种技术虽然先进，但如果市场过于狭窄、产品成本过高，也很难形成规模。

因此，机器人产业必须同时遵循两套逻辑：一方面服务国家战略和产业需求，另一方面不能脱离市场本质需求。

还有一点值得强调。过去我们比较重视实验室、研究机构和技术平台，今天再看，还应该更加重视创新的人才。真正的原始创新，最终还是来自优秀的年轻研究者和创业者。

席宁：这与具身智能今天面临的问题其实是一致的。

特种机器人为什么值得投入？因为高附加值、刚需场景能够推动关键技术形成。即使最初市场规模不大，这些技术未来仍可能向其他领域扩散。

但ToC市场应该更多交给市场决定。未来家庭机器人究竟首先做陪护、家务，还是出现一种今天尚未想到的应用，不应该预先替市场作出判断。

中国机器人过去几十年的发展，不仅留下了技术，也留下了这些产业经验。

▍机器人产业不会“赢者通吃”

王田苗：今天很多具身智能创业者同时存在两种情绪：一方面认为这是难得的产业机会，希望在三到五年内进入全球头部；另一方面又担心，一旦没有进入第一梯队，就可能迅速失去融资和市场机会。

所以一个非常现实的问题是：未来具身智能产业究竟会百花齐放，还是像某些互联网平台一样走向“赢者通吃”？

席宁：可以从其他技术的发展过程来判断。

智能手机形成了巨大的市场，也产生了少数全球头部企业。但手机主要处理和传递的是信息，包括文字、语音和视频。

机器人处理的则是动作，动作具有空间、时间和互动等更多维度，而且机器人进入不同场景后，任务要求会产生巨大差异。因此，从基本逻辑判断，未来机器人的种类很可能比手机和计算机丰富得多。

工业机器人的历史已经体现了这一点。最初工业机器人主要用于汽车等相对标准化的制造环境；进入3C产业以后，出现了新的机器人形态；进入物流、建筑等行业之后，产品形态又进一步分化。

所以我认为，具身智能最终不会只有一种机器人形态。

王田苗：如果这个判断成立，那么未来5到10年，具身智能很可能不是简单的“赢者通吃”，而是多种形态长期共存。

这意味着，具身大模型与生态开发Agent公司需要的客户调用规模与次数，硬件公司需要的是性价比高的规模化，垂类应用公司需要的高质量数据定制与工程应用费用，培训与租赁是另一类的培训、维护、耗材以及员工混合的软件服务公司。当然创业公司一方面必须拥抱AI、绑定客户、开发端侧芯片等新的技术能力，另一方面又不能因为行业都在讨论数据飞轮、世界模型和通用人形机器人，就认为所有公司最终必须走向同一种产品。

真正重要的，仍然是找到自己的垂直场景，并把应用做深。

▍什么样的具身智能创业公司更值得关注？

观众提问：当前本体企业、零部件公司都在向数据、模型甚至世界模型延伸，企业的技术叙事越来越相似。在这种情况下，应该如何判断一家早期公司的成长潜力？

王田苗：我首先看两个维度。

第一，项目是否符合国家战略方向，同时存在真实的特别能够规模化的市场需求。

第二，看创始人和团队。对于早期科技项目，人始终是非常重要的变量，尤其是挖掘并且发挥自己优势，与此同时把握好公司节奏，与市场需求、找钱融资、竞争对手进展相匹配，一定要略超前一些。

从具体方向来看，我比较关注几类机会。

首先是垂直模型。未来并不一定需要每家公司都重新构建一个通用模型，更现实的机会可能是基于通用能力，结合特定行业数据和任务，形成“小而专”的垂直智能系统。

其次，要尽可能与头部客户合作。中国很多制造业企业本身就具有全球规模。如果创业企业能够在头部客户的真实环境中持续验证技术，不仅能够建立数据和产品闭环，也可能随着客户供应链走向全球。

此外还有端侧芯片。今天行业对云端算力关注很多，但机器人真正进入物理世界之后，传感器、运动控制、关节以及端侧计算都需要大量专用芯片，这一领域仍然存在明显机会。

▍初创企业如何破局？

观众提问：具身智能技术迭代速度很快。对于企业而言，一方面需要不断寻找场景，另一方面又必须保持与学术前沿的连接。未来企业与高校应该建立怎样的合作机制？