对话伯克利Allen Yang：具身智能的泡沫、卡点与商业算账

二级市场经历剧烈回撤，一级市场却热钱涌动，具身智能赛道正陷入一场剧烈的分歧之中。针对当前人形机器人热潮中的狂热与质疑，加州大学伯克利分校ROAR项目主席、Hitch Open联合创始人Allen Yang博士围绕技术栈瓶颈、世界模型边界以及商业落地给出了深入解答。

具身智能不必捆绑大语言模型，先学小松鼠

很多人将具身智能（Embodied AI）简单等同于“AI加一个身体”。Allen Yang认为，更准确的定义在于用物理形体改变现实环境。扫地机器人、自动驾驶汽车、特种作业机械都属于具身智能，终极形态才是人形机器人。而会写代码、下棋的大语言模型，如果不直接驱动物理世界，则不算狭义上的具身智能。

大语言模型的负担是算力消耗大、训练周期长。如果具身智能的核心能力脱离对大语言模型的依赖，落地反而更快。动物没有语言符号体系，但松鼠可以灵巧爬树、猎豹可以高速奔跑。提高物理生产力，语言并非前置条件。动物的DNA就像一个成熟的预训练模型，让它们能在现实世界实现少样本甚至零样本学习。

通用机器人技术栈：从硬件到训练的全面挑战

打造通用机器人通常包含五层技术栈：底层硬件（本体与灵巧手）、感知、小脑（运动控制）、大脑（任务规划）以及最顶层的训练（数据与仿真）。

如果目标是扫地机或自动驾驶，多项技术已经成熟；但若期望人形机器人完成看护、复杂作业等高危劳动，五层技术目前均存在显著卡点：

1. 硬件：下肢动力和耐久性能在加速追赶，但机器手执行复杂微操仍差距悬殊。
2. 小脑：尚无机器人能在未知陌生环境中，自主完成上下楼梯、开门并使用未知工具。
3. 感知：相对最成熟，视觉识别和自动驾驶环境探测已达超高水准。
4. 训练与仿真：现实场景包含大量非刚体形变（如叠被子、抓取软物），难以像刚体碰撞那样用简单的动力学公式完全建模。物理交互的无限维特征让仿真和数据收集成为重大卡点。

世界模型并非所有场景的必需品

世界模型（World Model）是通往空间智能的探索路径，但并非机器人的唯一解。自动驾驶并没有等待生成式世界模型成型，而是直接采集真实道路的物理模型；工厂产线定制化极高、公差精细，通过严格的工程规则即可运行。

世界模型真正不可替代的场景，是那些无法规模化公开采集数据的私密与非标环境，例如千家万户的居家布局和医院病房。而在具有明确规则、能够海量获取数据的场景中（如赛事竞技、公共道路行驶），依赖世界模型进行生成的紧迫性要低得多。

具身智能的AlphaGo时刻：做减法摘低垂果实

历史上的技术拐点往往通过做减法实现。深蓝战胜国际象棋冠军、AlphaGo攻克围棋，都不是以制造一个“全能的人”为目标。具身智能的破局点，同样在于选定物理规则清晰、变量可控的具体项目，实现对人类最高水平的超越。

例如乒乓球项目，规则标准明确，受牛顿力学支配，球体形变极小，机器人握紧球拍后手的自由度问题被大幅压缩。在这些约束边界内探索软硬件极限，能以最快速度完成技术收敛并验证端到端系统的稳定性。

替代逻辑与商业算账：夹起尾巴做人

为什么人形机器人具备无可替代的战略价值？这取决于人类社会的生产力分布。全球统计数据显示，普通人每天与电脑交互的时间极为有限，其余大部分时间都在物理空间中活动。现有的家庭、办公楼和工厂完全是依照人体工学建立的，因此人形形态能覆盖的潜在替代空间最大。

硅谷常说的“夹起尾巴做人，不要做狗”，本质上是对商业化ROI的考量。机器狗的生态价值偏向伴侣或特定巡检，市场空间有限；人形机器人的目标则是直接替代三班倒岗位。

工业老板的核心逻辑是成本精确核算：只要一台全天候运转的机器人总成本比三班工人低一分钱，置换就会瞬间发生。单一工种、高人力成本的国家和地区将最先跨过这个财务临界点。

从竞技到产业：跨越品牌与标准的鸿沟

从赛场上的极限性能验证，到走进真实商业场景，具身智能还需跨过两道鸿沟：

1. 品牌到销量转化：竞技展示证明了极限性能，但商业闭环需要实体企业通过工程化手段量产交付，将性能标签落地为实用方案。
2. 安全与通用标准建立：如同汽车工业在百年演进中确立了碰撞测试与交通法规，通用机器人进入家庭和工厂同样需要完备的等级划分与安规认证体系。

技术演进具有明确的历史规律。西方在算力与顶层算法探索上具备优势，亚洲在精密制造、供应链集成和场景数据上不可或缺。具身智能的最终成熟，仍将建立在软硬件生态的深度配合之上。