外滩大会追问具身智能：数据不是越多越聪明，泛化与ROI才是门槛

具身智能进场景，泛化成核心追问

9月9日至12日，2026 Inclusion·外滩大会在上海举行，1.5万平方米科技展吸引300余家企业，40多家具身智能厂商亮相。机器人展示取药、工业装配、洗衣折叠等任务，部分已进入真实经营场景。破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲对界面新闻等媒体表示，行业里有人卖数据、有人卖硬件、有人训模型，但内核归根到底还是泛化。他预计今年会批量看到同一个模型在不同地方完成一系列任务，这在过去三年没有看到。但需要多少数据、仿真和真机各自解决什么、Demo离长期稳定工作多远，行业仍无统一答案。

数据越多越聪明吗？仿真、真机与世界模型之争

机器人本体放量让数据更受关注。SmartAnalyticsGlobal数据显示，今年上半年全球人形机器人出货约1.91万台，同比增长272%，中国厂商占比超97%，工业与商业应用占比超70%。但SAG指出，硬件放量已快于技术成熟度，真实数据、模型能力、可靠性、精度、安全和成本仍限制部署。过去一年，几十万小时、百万小时频繁出现在具身智能公司的数据集和模型发布中。许华哲认为这部分被高估：百万小时比十万小时多一个数量级，容易比较，但并没有看到数据数字越高，模型效果一定越好。按市场价，一小时数据可能数百元，百万小时投入可能数亿元，若不能用于训练，代价不小。他主张边扩边找，边找边扩，先确认什么数据有效，再继续放量。

苏度科技联合创始人、CEO韩铮认为，具身需要结构化、多样和高质量数据，仿真与真机并非二选一。抓取技能可主要依靠仿真再迁移到真机；电池组装、折叠布料等任务仍需真实演示。蚂蚁灵波科技首席科学家沈宇军提出，真正困难的也可能是Real-to-Sim：现实传感器噪声、误差和触觉信号差异能否规模化搬进仿真。香港大学罗平提到，直接采集真实药剂师数据时质量差到离谱；极佳视界朱政称，部分数采项目中约90%数据被浪费。

真机难采、仿真难覆盖细节，世界模型成为另一条路线。忆生科技杨言超认为，世界模型要能理解预测未来、从数据提取结构形成记忆、依靠记忆持续学习；现实试错昂贵时更有价值。通用大模型也开始控制机器人。OpenAI发布GPT-6 Astra后，社交媒体出现其控制机械臂视频。许华哲团队测试发现，Astra语义和空间能力很强，能抓筷子、插杯子，但叠衣服、复杂接触任务表现下降。他判断大模型与具身模型未来更可能配合：前者负责语义、推理和任务拆解，后者解决连续控制和复杂物理交互。

从Demo到付费：成功率、一致性与系统账

真实产线要求更严。韩铮表示，大量工业任务商业化前提是高成功率，更多任务要求第一次执行接近100%，且不能每进一个新工位就重新采大量数据把模型过拟合一遍。元器件和整机一致性也是门槛，部分基础元器件尚未经过上万小时连续运行检验，相同硬件末端仍可能有细微偏差。沈宇军提醒，客户实际算的是整套系统账：人形还是双臂、硬件成本、传感器稳定性、部署维护成本，模型只是其中一环。自变量机器人创始人兼CEO王潜认为，客户能可持续付钱且越来越多，才是最终标准；这一代机器人要解决传统自动化难解任务，并跑出可接受ROI。

通用机器人成功率门槛更高。许华哲举例，语言模型50%成功率回答，用户还能追问；机器人50%成功率，却可能把杯子摔碎。固定场景可通过后训练提升，但真正困难的是面对未知任务的模型，能否把成功率从50%、60%、70%继续推高到实际使用水平。后训练可较快形成收入，但基础模型能否逐渐拥有通用能力，才是这一代具身智能真正想解决的问题。宇树上市后的股价波动，也让市场重新讨论机器人公司估值，其上市首日股价一度冲至1100元。