2025年行將結(jié)束，具身智能一定是今年的科技年度熱詞。

但與熱度并存的，是具身領(lǐng)域從未停止的爭論：Demo外機器人的真實干活水平如何？除了表演，它們還能做到什么？具身模型的進(jìn)展如何？數(shù)據(jù)問題如何解決？...

站在2025年的尾巴上審視，這些問題的答案不算明朗。

在這個時點，清華大學(xué)姚班助理教授、伯克利歸國四子之一的許華哲，也在社交媒體上發(fā)表了他對具身領(lǐng)域的2025年回望。

*許華哲社媒

在這篇名為《具身智能，2025回望》的文章中，許華哲認(rèn)為，當(dāng)下具身領(lǐng)域或許存在三個“不協(xié)調(diào)”：

1. 中國具身公司花更多力氣搞量產(chǎn)、美國公司展示AI技術(shù)上限。

   在美國，Gen0 的精細(xì)操作，Sunday 的長程任務(wù)能力，pi 0.6 的持續(xù)工作能力讓人震感，中國則強調(diào)量產(chǎn)。量產(chǎn)和商業(yè)化固然重要，但機器人需要AI能力來領(lǐng)跑，如果由此引發(fā)“技術(shù)落后”，得不償失。

1. 對很多場景來說，目前沒有自動化的事情，往往要么單價不高，要么重復(fù)度不高。

   因此，具身智能相比于傳統(tǒng)的工業(yè)機器人更像是大模型。就像大模型不應(yīng)該花時間在“情感理解”，“文章摘要”這樣的任務(wù)上一樣，具身智能不應(yīng)該做這些簡單地任務(wù)，而應(yīng)該去挑戰(zhàn)“強操作”、“高泛化”的事情。

1. 足夠好的具身智能和世界模型不可能從已有的數(shù)據(jù)中訓(xùn)練出來，機器人和模型需要“螺旋上升”，邊用邊訓(xùn)。

以下是許華哲發(fā)布在個人社交媒體上的全文。

具身智能：2025回望

北京下雪了。

我在搜狐大廈星巴克剛送走朋友，目送他一段。我當(dāng)然不是愛上了他，而是想看看他在剛落雪又融化的地面上如何保持平衡。我想結(jié)論很簡單：不如 G1 機器人，但好在他很聰明。

回想起幾年前，我們還在討論機器人什么時候能全地形走路，后來發(fā)現(xiàn)這個話題變成了“跑酷”、“跳舞”、“籃球”。這個變化速率讓我知道這個事兒已經(jīng)成了，如果明年可以攀巖我并不吃驚。

但這極快的變化速率又顯得格外不協(xié)調(diào)，因為我沒在任何地方看到人形機器人真正服務(wù)人類。快遞分揀平均速率是1800件每小時，汽車工廠要萬分之一甚至十萬分之一的失誤率。達(dá)成的那一天似乎一直在一個不遠(yuǎn)不近的地方招手——隔三差五有人宣稱任務(wù)已經(jīng)解決，但和跳舞的同行不同，我們只能在視頻里見到它。

就像前面說的速率上的不協(xié)調(diào)，回望2025的具身智能，我發(fā)現(xiàn)了好幾個這樣不協(xié)調(diào)的相互映照的“對子”。當(dāng)然我對它們也有個人的主觀臆斷，所以也請讀者擔(dān)待冒失的地方。

一. 兩個世界的機器人夢

從22年、23年同步出發(fā)，我們和大洋彼岸幾乎同步啟航了具身智能的事業(yè)。但是到了2025年，我們看到了一個比較明顯的分野，中國的公司花更多的力氣搞量產(chǎn)、美國公司則展示AI技術(shù)上限。

我看到 Generalist 的 Gen0 精細(xì)的操作，看到 Sunday 的長程任務(wù)能力，看到 pi 0.6 的持續(xù)工作能力，內(nèi)心是有焦慮的。我有一個不好的直覺，我們要評估我們的技術(shù)是不是落后，但我想這里，我有責(zé)任，@李弘揚 @趙行 @王鶴 @高陽 @龐江森 @穆堯 @周博宇 @陳源培 @... 也都有責(zé)任。量產(chǎn)重不重要，非常重要，但是機器人不是汽車，需要AI能力來領(lǐng)跑。

我覺得我們要適應(yīng)一件事，就是時代變了。在過往的技術(shù)上，我們采用跟隨策略；在大模型上我們已經(jīng)產(chǎn)生了 DeepSeek 這樣的原始創(chuàng)新；在具身智能上，我們應(yīng)該有信心也有概率，最大的那件事兒發(fā)生在中國。

我之前在破乎中也有討論過：“簡單說你用修長城的場，不管給多少人、多少機器、多少錢該干不出來還是干不出來，該攆不上就是攆不上”。我理解努力做確定性有收益的事情的那種爽感：我努力、我成長、我收獲。但是我想我們真正缺乏的還是：我努力、我失敗了99次、但我吸取教訓(xùn)并且期待第100次也許會成功。在一些人“成功地”蒸餾別人的模型時，另一些人在“失敗地”研制新的算法。

我認(rèn)為商業(yè)化很重要，也深知量產(chǎn)的嚴(yán)肅性，我只是怕我們錯過了最大的那個西瓜。

二. 落地簡單場景還是挑戰(zhàn)困難場景

這陣子也有看過一些場景，各種各樣的工廠。我有一個稍有一點悲觀的暫時性結(jié)論：高價值高重復(fù)的場景，總會出現(xiàn)一個深圳或者無錫的聰明人，造出一套自動化設(shè)備解決90%的問題。這個結(jié)論的反面是——目前沒有自動化的事情，往往要么單價不高，要么重復(fù)度不高。因此，我反而覺得具身智能相比于傳統(tǒng)的工業(yè)機器人更像是大模型。

讓我們沿著這一類比去想，就像大模型不應(yīng)該花時間在“情感理解”，“文章摘要”這樣的任務(wù)上一樣，具身智能就不應(yīng)該做這些簡單地任務(wù)，而是應(yīng)該去挑戰(zhàn)“強操作”、“高泛化”的事情。這樣我們也更能期待一個高質(zhì)量的模型，通用地解決許多事情。

當(dāng)然我們不能否定現(xiàn)有落地的價值，因為很多向具體場景的落地，無論未來的智能模型有多強，都還是需要比較高的遷移成本的，這個路早趟過去也是好的。

三. “預(yù)訓(xùn)練” 配合 “先驗學(xué)習(xí)”

具身智能的數(shù)據(jù)瓶頸天然存在，仿真數(shù)據(jù)不足、真機數(shù)據(jù)的缺乏，會逐漸解決但也會持續(xù)存在。因此，具身智能恐怕不能先窮盡預(yù)訓(xùn)練數(shù)據(jù)，再走向模型探索，而是需要螺旋上升式地進(jìn)行探索。

未來我們可能會看到，一個預(yù)訓(xùn)練好的模型，用強化學(xué)習(xí)在一些任務(wù)上變得擁有超越人類的能力；而這個模型可能又會在未來更多的數(shù)據(jù)上——包括增采的和真機探索的——訓(xùn)練得更好。

同樣的邏輯，也適用于世界模型，我從不相信我們能夠從人類采集好的數(shù)據(jù)里面訓(xùn)練出一個足夠好的世界模型，相反，我們需要機器人真正地自主與世界交互，才能找到真正屬于自己的世界模型。我還一直有一個很感興趣的話題，用一套強化學(xué)習(xí)目標(biāo)函數(shù)來完成預(yù)訓(xùn)練和后訓(xùn)練，但這是來年的事情了。

所有的成長，都是掙扎著向上。

具身智能的2025年，沒有一步登天，但是確實越來越強烈地感受到一種未來在召喚。突然想起了前陣子和小龍的一次閑聊。“但也沒感覺很遙遠(yuǎn)了” “確實，不算太遠(yuǎn)了” “It’s an exciting time. Just needs execution.” 是我們對話的結(jié)束。

最后想送給所有夢想著讓機器人幫助所有人的朋友，一句《馬大帥》里的話：“讓我們抓緊時間慢慢等吧”。