具身智能技术路线尚未定型，基础设施却先收敛

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 具身智能技术路线尚未定型，基础设施却先收敛 田, 晏林 2026-09-18 21:16:33 来源： 量子位 田晏林 发自 凹非寺 量子位 | 公众号 QbitAI 咋回事儿呢？机器人本体批量落地，行业要补的课反而更多了？ 别意外。本体数量上来了，具身智能乍看离规模化越来越近，但理解周围世界、学习新任务、持续进化的能力，还没法跟着机器人一起批量复制。 和只在数字世界处理信息的通用智能体相比，具身智能要让AI真正进入物理世界。 一台机器人学会一个动作不算最难，难的是继续学会第二个、第三个任务；一项已经验证的能力，能不能快速复制到更多机器人身上；换一座工厂、一个工位，甚至换一种本体，还能不能继续跑。 说到底，行业关注的重点，正从如何造出机器人，转向 如何持续生产和迭代机器人的能力。 9月16日，在2026智能经济论坛上，百度集团执行副总裁、百度智能云事业群总裁沈抖分享了一个判断： 智能体的能力边界在快速打开，已经能够处理更长程的任务，也开始进入规模化部署。 如果类比AI时代的发展，今天的AI有可能只是灯泡发明后的第一个月而已，因为灯亮了，所有人都看到了变化，但是电力带来社会经济分工的调整还没有出现。 当智能体进入产业系统，企业里的知识、数据、流程、工具和具体要求，要被组织到真实场景里，最终交付结果、创造价值，并持续进化。 这个思路放到具身智能这个领域里，要求只会更高。 机器人每一次执行，都会产生新的数据、误差和现场反馈。 这些经验要能回流到模型和系统里继续迭代，再沉淀成下一次 可以复用的能力 ，机器人才能真正「越用越会」。 于是，当机器人本体开始批量下线后，一个更关键的问题被推到台前： 怎样才能让每台机器人不断学会新技能，并把一项已经验证的能力稳定复制到更多机器人和场景里？ 本体量产是起点，能力量产是下一步 本体已经走上产线，接下来，能力也得找到自己的「产线」。 所谓 「能力量产」 ，指的是把已经验证过的具身应用技能，通过模型、数据和本体的持续闭环，以稳定且可控的成本复制到更多真实场景中。 展台上完成一次叠衣服、上下料，和在工厂里连续做一万次，是两回事。 前者看一次成功，后者看任务成功率、人工接管率、单位任务成本、稳定运行时长，以及一项技能复制到更多机器和场景需要多久。 而一项机器人能力，也从来不只取决于模型。 「本体」 解决身体如何规模化制造， 「模型」 决定能力上限， 「数据和AI Infra」 影响学习新技能的速度， 「真实场景」 则检验它能否从一次成功变成稳定成功。 真机执行后产生的新数据，再回到下一轮训练和验证。 但一个现实问题是， 具身企业进入高频迭代后，原本分散的算力、模型、数采、仿真和部署链路很容易互相拖慢。 数据拿回来要处理，模型训练完要仿真，仿真过了还要真机验证，真机暴露新问题又得重新回流。 看起来只改了一次模型，背后可能同时牵动算力、训练框架、仿真环境、数据管线和部署方式。 这也正是 全栈基础设施 开始受到更多重视的原因。 它要做的，是把 数据、训练、评测、推理和反馈等关键节点 接成一条可重复运行的链路，让同样的时间和预算里，企业能够多跑几轮试验。 「能力量产」要想真正转起来，还要打通三个环节： 模型迭代效率、数据持续生产，以及跨本体和跨场景能力应用部署。 机器人的能力，到底怎么被生产出来？ 第⼀环：让不同模型路线都能快速迭代 当前，VLA（视觉语言动作模型）、世界模型、全身运动控制等路线仍在并行演进，模型如何分工、世界模型如何接入、训练范式如何调整，都还没有完全收敛。 在百度智能云主任架构师应茹看来， 技术路线越不确定时，AI Infra越要保持通用和灵活。 因为每改一次模型结构、训练方式甚至仿真引擎，都要重新适配算力、训练框架和部署环境，研发时间就会大量耗在工程配置上。 她认为， 企业真正需要的，也不只是某一次训练快了多少，而是同样预算、同样时间里，能不能多跑几轮训练、仿真和真机验证。 有人一周能跑3轮，有人3周才能跑一轮。时间拉长，试错次数本身就是竞争力。 百度智能云 旗下的AI算力基础设施产品 「百度百舸」 ，切入的就是这部分共性工程。 它把数据准备、开发训练、仿真评测和推理部署接入同一套workflow（工作流），统一处理算力适配、训练框架、资源调度、仿真环境和模型部署。 以当前常见的5B到20B单体VLA、WAM（世界动作模型）为例，如果一味堆叠高配硬件，但显存、带宽和计算资源未必都能得到充分利用。 SONIC模型训练配方开源后，百舸将其集成到云上，可一键扩展至128卡训练规模；针对WAM模型的推理瓶颈，经过工程优化，相关测试中的推理延迟降至优化前的四分之一。 这些优化最终都是为了缩短具身模型的迭代周期。 本次论坛上， 无界动力 创始人兼CEO张玉峰直言，Physical AI的难点是「操作智能」。 为此，无界动力自研了快慢结合的MWA™具身大脑，并让性能、技能和泛化并行推进，在工业、商业两条场景线持续磨能力。 每进入一个新场景，就带回一批新数据。这也是它与百度智能云合作的切入点。 数据显示， 依托百度百舸AI计算平台， 百度智能云为MWA™具身大脑提供从数据处理、模型训练、仿真评测到真机推理部署的全栈支持， 训练有效时长超过99.5%。 模型研发和场景数据只有同时转起来，能力才能持续生长。 第⼆环：把真实操作转化为可训练的数据 互联网已经给LLM留下了海量文字，但机器人想学会拧一颗螺丝、装一个零件，网上几乎找不到完整教材。 具身数据往往同时包含视觉、动作、空间关系、力觉、本体状态和时序关系，而且和具体本体、任务、现场高度绑定。 数据采回来，后面还有清洗、切片、标注、质检、管理、训练、评测。 当前具身智能的数据难题不只在于数量，更在于数据能否持续生产并高效周转。 在东莞，由东莞市及万江街道方面投入建设、 百度智能云承建运营的具身智能训练场已投入运转。 百度也在这里落地了 大湾区首个实体化具身智能采标实验室 ，提供数据工具链、百舸算力底座和训推平台，为机器人做真机采集、标注、仿真和模型迭代。 作为技术赋能和场景链接服务方，百度智能云充分发挥自身在具身智能基础设施方面的优势，链接具身产业链上下游共创合作方，共同为东莞制造业智能化升级提供场景赋能。 该训练场规划了 13个 真实产业场景，覆盖家具制造、3C电子、五金模具、物流仓储，配置 50台 套异构本体，并持续部署Ego、UMI等 100余台 无本体设备。 这些产业场景紧扣东莞产业优势和特色，把本地制造业刚需直接转化为机器人训练任务。 数据生产分成三条路：真机遥操作保证真实性，无本体采集降低成本并扩大规模，仿真和算法生成补充多样性。 东莞具身智能训练场 也将采集的数据统一纳入具身智能数据采标管一体化平台管理。 不仅如此，训练场还承担「中试」功能。 机器人可以先试训，再中试，最后进厂，相当于把大量试错从正在生产的客户产线上提前搬出来。 由此，这里不再只是单点数据车间，而是一个具身智能行业