环球产业对话｜谋先飞周恩凯：夯实物理AGI基础设施，以完整数据闭环加速具身智能落地

随着机器人在这一整套“真实—仿真—真实”闭环框架中完成训练和学习，策略在仿真里练成后可直接零样本迁移至真机。“我们还会结合3到10倍的训练加速和照片级渲染，实现虚实差距收窄，基于此数据获取成本大幅下降，长尾场景可以规模化复现，策略迭代速度也会明显提升。”周恩凯说。

在今年的WAIC上，谋先飞联合地瓜机器人、影眸科技发布了具⾝智能可训练仿真闭环联合解决⽅案。周恩凯谈到，此次合作的出发点在于，具身智能训练高度依赖真实场景数据，但真实数据采集面临场地、设备、人员的多重成本约束，复杂布局、特殊物体状态这类长尾场景在真实环境里很难稳定复现，而传统仿真又依赖人工搭建场景，周期长，同时和真实世界有明显偏差。

针对这一行业痛点，三方各出所长将这条链补齐。影眸科技Hyper3D WorldGen从单张照片就能还原出独立的3D资产和场景，谋先飞将生成的3D资产通过自由管线处理为自带物理属性的适配仿真器的原生资产，可以直接用于仿真；把这些资产接入MotrixSim仿真环境，提供稳定的物理和传感器反馈，同一场景还能复制多份并行跑，支撑大规模训练；地瓜机器人(D-Robotics)则提供算力底座和开发工具链，把场景生成、仿真运行、数据采集、模型训练整合到同一平台。

周恩凯表示，“三方希望通过合作实现从真实影像到可训练场景的端到端转化，让训练所得的策略能直接迁移到实体机器人。这是因为让高质量具身数据的生产变成一件低成本、可规模化的事，是整个行业落地的前提。”

真机与仿真互补，与行业共建标准体系

WAIC期间，谋先⻜还与国家地方共建人形机器人创新中心（以下简称“国地中心”）正式签署战略合作协议，成为国地中心在行业基础设施建设、高质量数据应用以及供应链等方面的战略合作伙伴。据周恩凯介绍，双方将共建“真机—仿真”融合数据工厂，将面向复杂任务的可复制、可规模化数据供给能力做出来；共建实训场，将实景实训和仿真训练两种范式融合；共建标准体系，为行业提供可参照的规范标尺。

“具⾝智能下⼀步的瓶颈不在‘有没有机器⼈’,⽽在‘有没有⾜够⾼质量、够规模、可复⽤的数据’,以及‘这些数据和训练⽅法有没有统⼀标准’。这两件事，恰好是真机侧和仿真侧要合起来才能做成的。而国地中心在真机数据采集、多机型实训上有独特积累，谋先飞则是仿真、训练、数据生成这条虚拟侧链路的自研底座。两边正好是‘真机’和‘仿真’的互补，合起来就能构建从物理世界到数字世界、再回到物理世界的完整闭环。”周恩凯说，这不仅是一次商业合作，⽽是卡位到具⾝智能“数据新基建”的底层，数据和标准这一层一旦建立起来，会长期定义整个行业的效率。

这种对行业标准的关注，也在向国际层面延伸。今年7月，具身智能标准焦点组（FG—EAI）研讨会在日内瓦人工智能向善全球峰会期间召开。研讨会由国际电信联盟电信标准化局（ITU—T）第21研究组（SG21）主办，中国信息通信研究院协办。在参加该研讨会后，周恩凯表示，“具⾝智能这个领域标准还处在早期阶段，而中国企业在真机实训、仿真训练、数据闭环等领域的工程落地能力已经走在前面，更多不是去‘跟随’别人已有的规则，而是把我们在真实场景里跑出来的实践经验拿出来，参与到规则形成的过程中。”

他坦言，仿真领域最急需的标准有三方面：虚实差距的评测标准，即如何客观衡量仿真环境与真机的一致性；数据和资产的互通标准，这直接决定行业能不能形成规模化供给；超大规模评测基准，且仿真环境下的评测结果必须与真机环境保持高度一致。

仿真数据走向主流，加速推进多场景落地

谈及对行业发展趋势的洞察，周恩凯告诉记者，⾏业正处在从“能演⽰”到“能规模化训练、能真正落地”的关键跨越期。整个行业正在从单纯的“运动能力”向“精细操作能力”以及“移动与操作深度融合”转型。“能否自主与物理世界进行交互，而不仅仅是跑跑跳跳，是具身智能能否真正成为下一个百万亿级产业的重要标志。如何开发、训练各类灵巧操作，现在是摆在行业面前的一道必答题。”

与此同时，行业对从真实、仿真再回到真实环境的完整开发基建需求也日益迫切。周恩凯谈到，过去几年本体厂商发展迅猛，优秀硬件层出不穷，学术研究同样进展迅速，诞生了一系列针对运动追踪、强化学习、视觉语言动作模型、触觉与视触觉、仿真数据合成等领域的研究成果。“但有了本体，怎么训、怎么测、怎么落地，现在还没有标准答案，急需一个完备、可靠、高效的具身开发范式。”

在周恩凯看来，上述变化推动了基于高精度仿真的完整“真实—仿真—真实”开发框架逐渐成为行业共识。一套能够从真实世界构建训练环境并大量生产高质量训练数据、进而快速完成具体技能训练、验证和部署的统一开发底座，正在成为具身智能未来的刚需。

展望下一阶段，周恩凯认为，模型训练范式与数据生产范式将迎来显著变化。模型训练对数据多样性数量和质量的要求会不断提升，在数据生产方面，只有仿真合成数据能够提供重组的高质量数据，将成为训练数据的主流。而谋先飞目前所做的工作，是用新的训练范式，发展适合仿真的模型架构与训练方法来提升最终真机部署效果，同时让数量提升数千倍，再通过域随机化技术支撑模型的泛化能力和鲁棒性需求。

另一个值得关注的变化发生在评测环节。周恩凯表示，随着仿真精度的提升，仿真与真实世界之间的鸿沟正在被逐步消解。仿真评测基准将覆盖真机可以测试以及无法测试的各类场景、任务和长尾情况，并且保证测试过程安全、可靠、高效、可复现。

基于此，谋先飞将一方面持续打磨MotrixSim引擎物理精度和训练加速能力，把“真实—仿真—真实”闭环在人形、四足、灵巧手等更多机型上验证到位；另一方面是加强国内外主流算力适配，在产业链上与地瓜机器人、影眸科技、国地中心等伙伴协同，将数据工厂、实训场、标准体系这些新基建真正建起来、用起来，推进在工业制造、商业服务、家庭服务等场景的落地。

从“能跑能跳”到“能操作能协同”，从硬件比拼到数据竞赛，具身智能产业正在经历一场从底层逻辑到上层生态的系统性重塑。当行业共识逐渐收敛于“真实—仿真—真实”闭环，竞争的重心也从单点技术突破转向了基础设施的厚度。谋先飞围绕仿真底座、数据工厂和标准体系所做的布局，正是在这一方向上积累长期价值，从而为具身智能产业的提质升级铺就一条可复用的跑道。