楊劍飛的履歷精準地踩中了過去十年科技浪潮的每一個節點：2012 年，他進入中山大學那個為了響應互聯網潮而特設的“移動信息工程學院”；2014 年加入大疆實習做視覺算法，見證了無人機作為會飛的機器人的元年 ；與此同時，他頻繁出沒于上海、武漢、臺北的黑客松賽場，在 48 小時的極限編程中，反復訓練自己從 0 到 0.1 的產品化能力。

隨后，他在新加坡南洋理工大學、加州大學伯克利、東京大學和哈佛大學之間穿梭，最終將目光鎖定在“Physical AI”（物理人工智能）——一個試圖用多模態感知去重新解碼物理世界的宏大命題。

一年前，他回到新加坡南洋理工大學創立了 MARS 實驗室（Multimodal embodied AI & Robotic Systems Lab），正式開啟了他的教職生涯。

盡管如此，他仍稱自己是個“躺平”的人——求學階段享受在南洋理工的椰林泳池邊喝著啤酒看論文，晚上則化身英雄聯盟征戰東南亞的玩家。他堅信高效學習遠勝于耗時間。

在與我們的對話中，楊劍飛少有學究式的晦澀，更多的是一種兼具極客與產品經理視角的直率。他毫不避諱地指出具身智能賽道全鏈路創業模式下的同質化問題，也坦承自己比起卷模型，更在意如何讓機器人安全地與人共處并服務于人類的生活。

從看見到感知，讓機器人更懂世界

DeepTech：你在 NTU 創立實驗室時，選擇了“Physical AI（物理人工智能）”這個關鍵詞，為什么強調“物理”？

楊劍飛：這與我的研究背景密切相關。過去我一直在做 AI 與物理系統的結合（比如 IoT 和機器人），本質上就是利用人工智能去觀測并理解物理世界。

我的研究始于計算機視覺和多模態感知，最初我以為 RGB 相機加上雷達，已經足以構建一個較完整的三維世界表征。但在哈佛訪學期間，與做光學和實驗物理的研究者深入交流后，我意識到我們對物理世界的認知其實非常有限。真實世界遠比視覺呈現復雜得多：多光譜信息、各種電磁信號、空氣中的通信波段，都是真實存在卻難以直接感知的維度。

因此，Physical AI 的核心并不只是讓機器人行動，而是回答一個更基礎的問題：我們如何更準確、更全面地觀測物理世界，并用 AI 去解釋這些觀測？

這條路徑在其他學科也同樣成立。生命科學中，從顯微鏡到基因測序，各種技術的出現本質上都是創造新的觀測方式，隨后再由 AI 進行分析。正因如此，我認為 Physical AI 是一個未來幾十年都值得投入的方向。它關乎 AI 的邊界，也關乎我們如何理解真實世界本身。

DeepTech：既然 Physical AI 的核心是重新定義我們如何觀測物理世界，那在人機交互的設備層面，你最近關注到哪些值得探索的新載體？比如，你今年初參與了 Meta Project Aria（AR 眼鏡項目）。

楊劍飛：對，這個項目主要利用 Meta 的 Aria 智能眼鏡進行場景識別，希望借此提升人與機器的交互能力。我們關注的是更長期的趨勢：未來什么設備可能取代手機，或成為新的核心交互入口？

我認為會是 XR 眼鏡。

過去十多年，XR 眼鏡受限于顯示、芯片和電池，但現在這些技術正在突破，使它具備成為下一代終端的條件。短期來說，XR 眼鏡可以成為和用戶自然交互的入口；長期來說，隨著邊緣算力的發展，眼鏡能夠實時捕捉用戶看到的世界，并將這些信息反饋給家中的機器人，使其理解用戶關注的內容，從而提供更加自然的輔助。

因此，XR 眼鏡給了 AI 一雙人類的眼睛，我們申請了 Meta Aria Project，就是與學生一起探索 XR 眼鏡與具身智能結合的可能性。目前項目仍在早期階段，但這是我們認為非常值得投入的新方向。

DeepTech：這是否意味著，你認為未來的具身智能是一種更高級、更即時的具身形態？

楊劍飛：我認為，如果討論具身智能或 Physical AI，XR 眼鏡本身就應當被視為其中的一部分。當前市面上的 XR 眼鏡之所以受限，主要在于端側算力不足，而為了控制重量，它們也無法搭載更強的處理能力，因此設備側的 AI 能力仍然非常有限。

但 Meta 的 Project Aria 與傳統消費級產品不同，它是專門為科研設計的設備，重量更大，但也配置了更強的端側算力。這使我們能夠在其上實現更加實時的感知處理，并探索更高級的 Physical AI 交互模式。

從這個角度看，AR 眼鏡并不僅是信息呈現設備，它實際上是具身智能生態中的一個重要節點，能夠在用戶與環境之間提供連續、實時的感知與反饋。

DeepTech：2026 年，你的團隊會重點投入在哪些研究方向？在具身智能即將迎來應用化階段的背景下，你認為哪些問題最值得提前布局？

楊劍飛：2026 年，我們的重點仍將放在以人為本（human-centric）的具身智能研究方向上，比如更加安全和自然的人機交互（Human-Robot Interaction）。我判斷具身智能可能在未來 3-5 年里逐步落地，而一旦進入實際應用階段，如何讓機器人以更自然、更友好、更加符合人類習慣的方式進行交互，將成為不可回避的問題。盡管這些課題在傳統意義上未必屬于核心性能指標，但我個人非常重視其中的人性化價值，因此也會持續深耕這一方向。

與此同時，我們團隊中負責多模態與大模型的學生也已經開始在 VLA 方向發力。一個關鍵問題是：VLA 是否可以接入更多模態，從而實現更精確的動作表達？在什么場景下，多模態輸入是必要的？哪些任務又不能僅依賴純視覺（pure vision）就能完成？

這些問題的背后，其實都是關于不同模態的數據如何共同影響具身智能能力的更深層探索。因此，從整體上看，我們 2026 年的研究仍將圍繞我們 MARS Lab 的兩個主線展開：多模態感知與以人為中心的具身智能。

通用機器人真正要落地在哪？

DeepTech：目前市面上出現不同的聲音，有些人認為最大的場景是進工廠，擰螺絲、分揀電池、搬東西；也有人認為，機械臂已經夠用了，趨勢應該是個人和家庭。你比較看好機器人在哪些場景的應用？

楊劍飛：我認為核心仍在 to C 端。工業場景固然重要，但在高度結構化、可預設的工廠環境里，傳統工業機器人本身就能做得更好。具身機器人只有在處理工業機器人難以覆蓋的問題才具備價值，例如拆解不規則物體、處理雜亂環境。但這類需求往往更適合由專門的工業自動化公司來解決，也不是通用具身智能最具潛力的方向。

具身智能真正值得期待的，是走進家庭，解決開放世界中可廣泛泛化的真實任務。但家庭場景的復雜性極高，遠非兩三年能夠完全攻克，因此廣泛落地必然是一個長期過程。

在我看來，一個關鍵節點是：在 to C 端出現第一個真正意義上的“殺手級應用（killer app）”。它能讓普通消費者第一次明確感受到“家里有一個具身機器人是有實際價值的”。在這個節點出現之前，具身智能的大規模普及都只能算是過渡階段。

DeepTech：如果說 to C 的話，人形是最好的形態嗎？

楊劍飛：在不同的 to C 場景中，不同結構的機器人設計有著不同的優勢，但如果討論的是通用型家用機器人，人形形態的適配性更強，大致體現在兩個方面。

其一是環境友好性與任務靈活性。家庭空間從本質上就是按照“人”的尺度、動作和可達性設計的。人形機器人能夠在相同的結構中完成多樣任務，包括上、下臺階等輪式機器人難以處理的動作；在海外大量家庭為多層 house 的情況下，這種能力尤為重要。因此，在開放家庭環境里，人形形態天然更具普適性。

其二是情感層面的可接受度。人們對小鵬機器人等產品產生關注，不僅因為其步態逼真，更因為其外觀、材質與比例在視覺與情感上帶來了擬人化的溫度。這種溫度并不必然來自技術本身，而是來自人形結構、織物包裹等設計細節所營造的心理連接。正如科幻作品長期呈現的圖景，當機器真正融入日常生活，人們往往希望它像一個人。

人形并非唯一解，但在通用家用機器人領域，它確實具備更強的環境適配性與情感親和力，這兩點共同構成了它在 to C 市場的重要潛力。當然人形不一定是雙足，這是更加細節的討論了。

中國“全都要” vs 美國“單點破”

DeepTech：從你的觀察來看，中美在自身智能的發展路徑上有什么差異？

楊劍飛：在中國，產業發展往往沿著供應鏈自下而上展開。完整而高效的制造體系，使國內迅速涌現出一批具身智能創業團隊。許多公司由具備北美或國內頂尖科研背景的研究者創立，將硬件基礎與博士階段積累的軟件與模型能力結合，形成較完整的技術鏈路。

但在與二十多家創業者交流后，我注意到一個普遍特征：我國的公司傾向于全鏈路式創新。從本體、感知、控制到大模型，甚至數據采集，幾乎所有環節都在一家公司內自研。這種方式雖能構建統一的平臺與獨立的生態系統，但也容易導致資源分散，難以在某個關鍵層面實現突破；加之供應鏈成熟、造一臺機器人門檻降低，同質化問題隨之加劇。

相比之下，美國生態的分層更為清晰。許多團隊只專注某一技術層，如Physical Intelligence 主攻大模型、genesis 做仿真平臺、generalist 聚焦工業智能大模型等；硬件端則大量采購成熟的中國產品來驗證模型能力。這樣的模式使創新資源得以集中，也更容易形成差異化。當然，也有 Figure AI、Tesla Optimus 等選擇全棧路線的例外，但他們擁有少數團隊才具備的資源規模。

在模型層面也呈現類似差異。目前最具影響力的開源模型仍來自美國體系，如 π 系列。國內雖然不斷有模型宣布開源，我們實驗室測試了部分模型也有不錯的性能，但整體上聲量大于可用性，尚未出現一個能夠真正被社區采納、持續演進的基礎模型。國內缺乏長期維護開源項目、沉淀開源社區文化的土壤，也是原因之一。

從科研與產業雙重視角看，在開源模型能力上美國仍占優勢；但中國在機器人硬件、供應鏈和工程化效率上的領先同樣顯著，也正因如此，美國許多團隊愿意直接采購中國本體。我也非常希望我國具身智能能有 DeepSeek 一樣的模型出現。

DeepTech：中國具身智能行業在高速發展的同時，也伴隨一定的過熱預期。你怎么看當前行業的真實進度與外界敘事之間的落差？

楊劍飛：當然，中國的優勢同樣十分突出，尤其體現在制造體系和工程化能力上。依托松山湖等地高度成熟的機器人供應鏈，我們在硬件本體和人形機器人生產上的速度與成本控制具備全球競爭力：產品可以做得快、做得多、做得好，迭代周期也明顯短于海外。

這種差距在行業內部也被越來越多的海外團隊直接承認。過去大家習慣說“做中國的特斯拉”、“做中國的谷歌”，而如今，美國創業者開始出現希望“做美國的宇樹”的說法，這本身就折射出中國硬件能力在具身智能時代的領先地位。

DeepTech：從產業結構來看，從 2023 到 2025，機器人行業的熱度幾乎是指數級上升。在你看來，是哪些變量讓行業突然進入加速度階段？

楊劍飛：過去這一波具身智能的熱度，并非偶然，我認為真正的拐點出現在 2022 到 2023 年，其背后至少有三股力量共同推動。

首先是大模型的出現。最初大家主要關注基于大模型的智能體與線上應用，但機器人研究者很快意識到，大模型具備解決高層任務規劃的潛力。它不僅能生成動作序列，還能為機器人提供通往開放世界的思考能力。這使得原本局限在封閉環境中的機器人，有了邁向通用智能的可能。

第二個關鍵變量是算力。大模型本身依賴算力堆疊，而機器人也在經歷同樣的算力躍遷。例如英偉達近年來推出的 Star、Jetson Nano 等邊緣計算平臺，顯著提升了端側的 AI 運行能力，推動了自動駕駛、AGV 和服務機器人等應用的實際落地。

第三，是硬件與供應鏈的成熟。以松山湖為代表的制造集群逐步形成，大疆等企業帶動了上游零部件體系的完善，催生出割草機、泳池清潔機器人等上一代產品的商業成功。這些積累為今天的人形機器人奠定了基礎。

此外，國家層面的推動同樣重要。春晚上連續兩年出現機器人，從側面體現了政策與社會層面對行業的關注，也幫助不少企業在關鍵階段獲得資源和認知紅利。綜合制造優勢與人才供給，我相信中國在具身智能領域具備真正實現突破、甚至領跑的可能性。

打造機器人的“ChatGPT 時刻”

DeepTech：另一個所有人都在關心的問題是數據。機器人數據的采集成本極高，也很不連續。你認為合成數據會成為真正的解決方案嗎？還是說，數據要在未來以一種完全不同的方式被生成？

楊劍飛：在我看來，仿真數據和真實數據必然是兩條并行路線，各有優勢也各有局限。仿真最大的好處是規模化容易，但始終存在模擬與現實的差距；真實數據尤其是操作類數據采集成本高，但價值更直接、可遷移性更強。

近年來也出現了一些提升真實數據效率的方法，例如 UMI 通過統一夾爪，讓 generalist 和 Sunday AI 等團隊可以快速擴展真實數據規模。這說明真實數據并非不能擴展，只是幅度無法像仿真一樣成倍增長。再比如最近 PI 發現大量的第一視角人類視頻訓練可以促進具身智能模型的“智能涌現”，而第一視角視頻相比于遙操作數據是更容易 scale up 的。

因此，大多數團隊最終都會采用混合策略：預訓練依賴大量仿真數據和視頻數據，具體任務和場景落地則必須回到真實數據進行校準。同時，世界模型的路線正在興起，讓模型在類似仿真的環境中繼續強化學習，成為第三條可補充的路徑。

行業的共識逐漸清晰：有效數據不會來自單一來源，而是多種數據形式的組合。未來的關鍵不在于簡單擴大數據工廠規模，而在于探索新的數據范式，從而提高數據采集效率與利用效率。只有這樣，才能真正構建出具有強泛化能力的具身智能模型。

DeepTech：如果機器人數據來自不同國家，它們是否會出現地域特性，甚至價值觀差異？

楊劍飛：這種情況在未來的確非常有可能出現，也正是當下數據體系的核心短板之一。現階段的機器人數據收集往往是高度中心化的：數據通常來自同一地區、同一團隊、同一種環境與交互方式，因此不可避免地帶有特定地域與文化的行為偏差。這使得模型難以獲得真正普適的行為模式。

如果具身智能要走向全球化，它的數據體系必須像互聯網一樣實現分布式采集，來自不同國家、不同文化、不同家庭與不同工作場景的真實數據共同匯聚，形成新的 Internet——機器人數據互聯網。只有在這種高度差異性的數據結構下，才有可能誕生真正意義上的“機器人領域的 ChatGPT 時刻”。

否則，今天許多機器人系統所依賴的依然只是局域網級別的智能，它們在特定環境下表現良好，但難以跨文化、跨場景遷移。要突破這一限制，構建全球化、分布式的數據流將是關鍵步驟。

DeepTech：基礎模型開源與否，會決定行業走向。你認為開源基礎模型，會加速具身智能的發展，還是反而帶來新的不確定性？對于做機器人系統的人來說，開源意味著機會還是隱患？

楊劍飛：開源無疑會加速行業發展，也會帶來大量不確定性。但在技術探索的早期階段，這種不確定性本身就是創新的源頭。以數據采集為例，UMI 提供了一個開源夾爪，隨后社區迅速基于這一接口展開改進：有人直接使用比如 Generalist，有人將其改造成三指靈巧手例如 Sunday AI，開源硬件的啟發性在這里得到充分體現。

軟件層面更是如此。圍繞 PaLM-E、PaLI-X 或 π 系列模型的微調與改造已經遍布學術界。盡管許多工作只是小規模實驗或分數優化，但確實也有研究在模型接入新模態、更高效的數據利用、以及強化學習訓練等方向取得實質性進展。因此，在機器人領域，開源基礎模型的價值甚至比在純軟件領域更大，因為它能夠同時撬動硬件、算法、數據和應用多個層面的創新。

我們也可以從行業的成功案例看到這一邏輯。宇樹的人形機器人之所以迅速普及，是因為幾乎所有國家的實驗室都會至少采購一臺；PaLM-E、π 系列模型之所以成為研究基礎，是因為大量工作都建立在它們之上；在大模型領域，Llama 和 DeepSeek 系列發布后一年內便積累了龐大的社區貢獻。

一家公司的資源再多，它能專注的范圍依然有限。但當它以開源方式激發了研究社區的創造力，社區基于其架構所衍生的成果反過來又會強化其技術生態。這正是開源在機器人時代尤其關鍵的原因，也是推動企業最終取得成功的重要路徑。

DeepTech：近期，多所高校開始討論是否應該設立“具身智能”本科專業。作為長期從事該領域科研和教學的研究者，你怎么看待本科階段培養具身智能人才的可行性？

楊劍飛：長期以來，一個常被討論的問題是：機器人行業發展多年，為什么高校中真正設立機器人本科專業的并不多？

核心原因在于，機器人是高度系統化的工程領域，涵蓋機械、電子、控制、自動化、計算機等多學科。本科階段如果課程設計不夠聚焦，學生很容易學得很雜，卻沒有哪一項真正學深。因此，無論國內還是海外，關于是否要在本科階段開設機器人專業一直存在爭議。

過去十多年，我認為更加推動機器人教育進步并培養學生實踐能力的，其實不是課程，而是競賽。系統化的比賽機制讓學生必須在團隊中完成整機設計、調試與迭代，這種做出來的訓練方式遠比課堂更能塑造一個準機器人工程師。我在大疆參與 RoboMaster 比賽系統測試時就明顯感受到，全棧型人才往往來自高校頂尖戰隊。

因此，本科專業更多是一種組織框架，而真正決定學生能力的，是他們是否有機會參與系統級工程，把一個機器人從零做成可運行的產品。在這個意義上，機器人教育的核心不在課程，而在工程實踐本身。