“2026年，創投圈的浪潮再次翻涌：AI從技術概念走進產業深水區，硬科技創業從“小眾賽道” 變成“主流共識”，年輕的創業者們正在用代碼和雙手，重新定義中國創新的未來坐標。

每一年，由36氪 · 暗涌主辦的WAVES大會，都是中國創投圈的年度風向標。今年的 WAVES 2026以“今年盛夏”為主題，落地廣州番禺良倉新造創意園，在兩天的時間里，我們匯聚了頂級投資人、產業領袖、新銳創業者，用14場深度圓桌、數十場獨立演講，拆解 AI、硬科技、出海、醫療等核心賽道的底層邏輯，見證那些“少數人” 的堅持，如何匯聚成改變行業的浪潮?！?/p>

以下為對話內容，經36氪整理編輯：

何思翀丨螞蟻集團NEXTA創新實驗室 項目負責人（主持人）

羅霄恒丨帕西尼感知科技首席戰略官

唐旋來丨擎朗智能CTO

朱政丨極佳視界 聯合創始人、首席科學家

孟浩｜大界機器人 創始人兼CEO

何思翀：歡迎各位觀眾，各位朋友，大家好！

歡迎來到本場圓桌對話，2026科技這一年“少數，即浪潮”，我是本場圓桌主持人，來自螞蟻集團NEXTA創新實驗室的何思翀。

如果大家關注科技領域，一定會發現2026年，那些曾經被認為少數派的技術方向越來越走近我們的身邊，成為定義未來的一個浪潮。不管是具身智能、世界模型、柔性制造還是觸覺感知，這些詞匯在幾年前還是實驗室中的概念，但是在今天，它們已經真實地在改變我們的工業生產線、服務場景以及我們和機器的交互方式，所以今天也是非常榮幸邀請到4位站在這場浪潮最前沿的創業者。他們來自不同的賽道，但都在做著同樣的一件事情，那就是讓這一切變成現實，發生在我們的物理世界。

我們先來認識一下今天的4位嘉賓，首先坐在我旁邊的是帕西尼感知科技首席戰略官羅霄恒，跟大家打個招呼。

羅霄恒：大家好，我是帕西尼羅霄恒。

何思翀：第二位是擎朗智能的CTO唐旋來。

唐旋來：大家好，我是來自擎朗智能的唐旋來，謝謝！

何思翀：第三位是極佳視界的聯合創始人，首席科學家朱政。

朱政：大家好，我是來自極佳視界的朱政，很高興跟大家交流。

何思翀：還有一位是大界機器人的創始人孟浩。

孟浩：大家好，我是大界的孟浩。

何思翀：歡迎四位，圓桌從一個具體的問題開始。

2026年已經過去了將近半年的時間，在各自領域是否有感覺到一件事情，這個事情真的發生了，對大家非常有觸動。一分鐘各自分享一下。

羅霄恒：如果說一件事的話，可能發生的事情還挺多的，一個是張雪機車，一個是SpaceX上市，他們倆背后應該是相同的精神，這也是整體創業團隊一直在學習的精神。

何思翀：等一下也給我們詳細分享一下。

唐旋來：我分享一件日常產品訓練中的一件事情，記得大概在3、4月份，因為我們是做具身服務機器人，我們的機器人主要應用在餐飲、酒店、零售、醫院等各種生活服務場景中。當時我們在測試人形機器人做咖啡的整個流程，當時我也在陪著他們調試。實際上,整個訓練、測試過程中沒有其他任務，就是做咖啡，但這個過程中特別有意思。因為抓得不好，咖啡掉了，桌子上撒得全是水，杯子也倒在那里。我們工程師準備出手終止測試的時候，突然發現那個機器人自己觸發了另外一個清潔桌面的任務。機器人試圖把這個杯子撿起來，試圖去抓桌面上的紙來清理桌面的咖啡，這一刻讓我特別驚喜，我們講的具身智能怎么走入社會，怎么產業化、工程化，我一下覺得它好像來了一個智能涌現，就跟我們人一樣會根據環境的變化來靈活處理，今天我們探討具身智能模型怎么進化，其實很多時候的訓練、學習過程，給了它很多基礎的數據和訓練了很多技能，但是很少能夠像人一樣在遇到突發情況有智能涌現。我們的真實環境是復雜多變的，遇到這種情況怎么智能處理和靈活應對，這是真實的一個挑戰。

何思翀：您剛才講的時候我也是突然冒出“涌現”這個詞，沒想到機器人它突然涌現出來了。

朱政：我非常贊同兩位嘉賓說的，這半年以來，尤其是春節之后?？赡艽汗澲按蠹叶加X得具身智能、機器人在去年的判斷里面普遍認為至少需要五年，甚至十年，因為之前大家在自動駕駛里面受過嚴重的挫折，尤其是L4自動駕駛，大家覺得解決這個問題大概花了十年時間，我們現在仍處在L2、L3的階段。在去年，大家認為機器人，包括具身智能可能要重新走一遍這樣的周期，但是春節之后我感覺大家的信心增加了不少，尤其是隨著資本的涌入，隨著人才的涌入，大家普遍這個事情會加速，而且不是線性家屬，很有可能是非線性的加速，就像語言模型突然的涌現等等，這是我最大的一個感觸。

孟浩：可能我個人期待比較高，我這半年一直在關注具身，也在關注所有行業里面在做的事情，我還沒有找到那個讓我“Wow！”的時刻！

何思翀：就著剛才幾位的回答，我還想進一步問一下，因為有些嘉賓有一個“Wow”的時刻讓我覺得充滿信心，但有些可能覺得還不夠，我們能不能再舉一些例子，你所在的賽道有什么事情比你預期的快，而有什么時候沒有達到你預期的速度呢？還是從羅總先來。

羅霄恒：我所做的賽道會比較多，包括具身智能、人形機器人，具身數據等。我認為投資界，包括政府領導對專業，跨領域或者交叉學科的學習程度和接受度是比我想象中快很多的。很多投資人，包括政府領導人對產業的鉆研深度和前瞻性，遠超我們的預期。

比我想象得更慢的，是整體社會或者公眾，現在整體都是從上往下去推，在各類活動中，人形機器人已經層出不窮。但是公眾對此類現象接受度未知。所以讓公眾真正感受到具身的便利，具身所帶來的差異化價值點，會是一個很重要的點。

何思翀：從唐總分享一下。

唐旋來：這半年的趨勢讓我感覺比較快的，像大模型以及AI Agent，它真正能夠快速變為我們工作和生活中的工具助手，這個真的變化挺快的。你會發現今天我們的生活跟工作中，正在被這一系列的工具或者這樣的Agent替代。

另一方面，在具身智能的應用和產業化落地的這一塊，我們的人形機器人——具身智能這樣一個AI+物理載體，它真正走入我們真實的生活場景，解決我們日常真實的問題，出現好的產品和應用場景，這個進度沒有想象那么快。

何思翀：朱博士這邊呢？

朱政：其實大家對我們極佳視界印象最深的一個詞就是我們做世界模型比較早，我們做世界模型做得比較早，大概2023年上半年的時間，從公司剛成立就確定了這個技術路線。

我非常贊同剛才羅總講的，我感覺進展最快的一點就是公眾，包括技術圈，包括工業界、學術界以及投資人對世界模型的關注。2023年的時候當時最大的任務就是說服投資人為什么做世界模型，因為當時不只一位投資人告訴我們，如果你們做語言模型或者語言模型的應用，一定會投你們，但是我實在搞不懂你們做的世界模型究竟是什么？問ChatGPT，跟你們學，但實在搞不懂這是什么詞，所以這次不能投你們。去年隨著李飛飛出來創業，這個詞算是走到大眾視野里面。到今年上半年已經有很多投資人過來教育我們，說他們認為世界模型應該是什么樣的，建議我們未來應該做什么樣的世界模型，已經發展到這種階段了，我覺得這是大家轉變非?？斓囊粋€點。

進展比較慢的是，我覺得是現在做具身的，各種工業界、學術界大家的爭論仍然停留在所謂的數據、模型結構、訓練方法，部署場景，里面噪聲還是挺多的，大家很有可能自己做的側重點不一樣，對這個事情的分析也不一樣，所以說我覺得還沒有像語言模型真正達到一個收斂的狀況。

何思翀：孟總跟我們分享一下，你說沒有到“Wow”的時刻，是什么不及你的預期呢？

孟浩：其實跟各位嘉賓的想法也一樣，資本，人才，技術,迭代肯定是越來越快的，但是具身要比大語言模型難很多，因為要跟物理世界接觸，一接觸它就要轉化成生產力、效率、精度、執行力，現在看目前所有的具身公司在產品的落地上還是偏慢的。我們覺得這里有一個周期，包括具身要收斂，大家也要聚焦在不同的細分領域，去做差異化產品，避免同質化的競爭。

何思翀：因為我剛才聽到四位談起來，整體上大家都還是在逐步提高認知，甚至認知有時候超過了想象，但是具體到落地的層面，未來還有一些待解決的問題。

我也非常好奇的是，在我們去解決這些問題的路上，不管是各自的產品也好或者是各自組織形態也好，包括客戶的需求有沒有發生哪些變化，大家能不能具體談一談呢？

羅霄恒：其實整體的需求是不斷提升的，之所以說投資者或政府領導的認知在提高?？赡艽蠹以谳浾撋匣蛘叨桃曨l都經常看到機器人開始打工了，要開始進家庭了。這都是一個非常迫切的的期待。然而，智能體需要跟物理世界進行交互的時候，物理世界充滿了噪聲和不確定的點，機器人怎么像人一樣去完成工作，怎么樣精準完成任務，這些東西就不再是我們在實驗室里抓拿放取這么簡單的東西，而是要走到半結構化或者真實的場景里面去完成，這是我認為到今年年底乃至到明年所有機器人公司都要著重去推進的方向。

何思翀：你們具體怎么做？

羅霄恒：實際上目前帕西尼有兩個步驟。第一，我們全國布了5個數據采集中心，我們的核心優勢是自投自建，全棧自研，自主可控，真實雇傭了1000多個數采員工，戴著數采手套進行采集。采集出來的觸覺、視覺、語言、運動軌跡、自體感知等全模態信息等相當于老師傅的手感，里面包括了醫療、康養、醫療、消費、餐飲等15+N種場景數據。相當于洗盤子的數據能夠被直接記錄下來，這是我們為機器人開的幼兒園或者小學，這些的數據就是機器人的基礎動作。就像小孩子一樣，現在很多小孩子可能抓筷子都抓不好，最開始小孩子擰一下、扭一下、抓一下，這些基礎動作沒有練好，導致長程復雜的動作很難學好，這是我們為機器人打的基礎。

下一步帕西尼會跟很多海內外產業方，比如說創始人團隊以外最大的比亞迪、京東、TCL等等一線產業方合作，走到他們真實場景里，從數采再到部署，這一系列的任務落地我們會滾動完成。

何思翀：唐總分享一下。

唐旋來：擎朗是全球頭部的通用+專用具身服務機器人公司，我們在服務行業做了十幾年，不斷在引領和推動機器人落地到我們的經濟生活中，大家今天看到的，比如在餐廳、酒店、商場、醫院的配送清潔機器人，其中有一大部分是擎朗的。

這兩年我收到從客戶層面最大的需求是，經常有朋友會問我，你們機器人搞得怎么樣，什么時候能給我洗衣做飯帶孩子。我們的客戶，像酒店、餐廳客戶經常會問我，我還有這么多需求，你能不能用機器人搞定，你的人形機器人或者下一代機器人能不能幫我搞定，我能感覺到大家對機器人的期待、激情與渴望。

剛才羅總也講到，今天講具身，大家可能覺得什么時候我真的能擁有一個類似于這樣的，像一些朋友跟我講管家機器人，像人一樣的通用機器人。但這里面其實有很大的挑戰，第一點是今天看到很多視頻里具身智能機器人表現的能力，大都是在穩定環境中表現出來的能力，我給你創造一個穩定的環境，機器人按照這個相對穩定的條件去理解去推理，去把這個任務執行完。大家可以想像在現實環境中，或者是真實服務環境中，或者家庭中，它是一個完全開放的環境，一個隨機的環境。這里面就帶來一個問題，機器人在這些隨機環境中怎么像人一樣應對突發事件？就拿我前面舉的例子，比如我在做咖啡的過程中咖啡撒了，或者有一個人把它搶走了，我怎么應對，我怎么針對原來的任務去做改變，去適應這個環境帶來的變化？真實環境有太多類似的隨機和未知，這是真正考驗機器人智能程度的地方。再比如我把這個咖啡做完或者把這個桌子收好，或者做一件事情，但是它是單一事件的任務，而現實過程中往往是，我該怎么樣把這些任務，根據環境的變化去做不同的組合，如何自主去做應變和適應，這是一個很重要的點。如果這個點能滿足，我覺得它會變成一個很好的產品出來。

第二個，大家可能會想到機器人融入我們生活中，一個很重要的就是它自身的穩定性和安全性。我們可以想象我們生活中的很多電子產品，包括汽車等，你肯定希望它是一個田螺姑娘，一個機器人來到我家，什么都不用我管，它可以自己去完成任務， 自己學習，自己保證自身穩定，對我們又友好，這也是大家在商業化落地過程中需要考慮的重要因素。

總而言之，物理世界AI需要面對復雜多變的動態環境，需要更強的智能水平。

何思翀：聽聽朱博士的世界模型。

朱政：其實我們極佳視界做的事情有兩個關鍵詞，一個是世界模型，另外一個是具身的基模，就是所謂具身智能的基礎模型，其實從這兩個關鍵詞可以看出來，我們還是把自己定義成一家模型公司。既然是模型公司，它的商業化一定是有步驟的，我們可以發現過去大多數機器人的系統可能是通過大量的規則，少量的小模型組合的一種形式，現在落地應該是規則和模型的混合體，我們希望在后面模型可以更多取代規則，直到達成在工業場景或者家庭場景全模型的狀態。當然，大家可能都知道，訓練模型是一件很難的事情，這個難不僅僅體現在技術角度，還體現在人才密度、組織架構，包括資金是否充裕等等。所以綜合幾方面來考慮，其實過去幾年投資人對這個行業是非常寬容的階段。

大家都知道，模型的迭代不管是以半年為周期，還是以季度為周期，總而言之不可能一蹴而就。從商業化角度來講，我覺得相比其他行業的投資人，比如說生物制藥或者說可控的核聚變，甚至量子計算等等，我覺得投資人對具身智能這個賽道應該是非常寬容，因為大家并沒有要求你立即在工廠里面替代工人，甚至進入家庭里面，像剛才各位嘉賓說的洗衣服、做飯，做一個通用機器人。大家還是希望你能從細分賽道逐步迭代數據，收集數據，改進你的系統等等。當然經過2024、2025年這兩年數據、模型的積累，尤其是2026年上半年隨著資金的大量涌入，我感覺下半年或者是明年應該是商業化非常關鍵的一年半的時期，我們還是希望能夠在為2028年之前大家做好準備，為2028年大規模不管是工業場景還是家庭場景，大規模商業化的拐點做好準備。

何思翀：聽聽孟總的。

孟浩：雖然我今年沒有“Wow”的時刻，但是我還是非常相信，具身智能，在五年左右時間里，能夠變成真正的產品，能夠跟人一起協同，創造一個人機共生的社會，當然我覺得家庭機器人產品化會更遠，但工業里面其實有大量的場景是需要機器人，從工業機器人到協作機器人，到現在各種形態的具身機器人，能創造更大的價值和生產力。

但本質上我覺得不管投資人和政府怎么看，也不管市場的熱度是怎么樣的，其實客戶的需求永遠沒變，他就希望機器人能像人一樣，對標人的生產力，能把這個事干好。

所以我覺得這個需求是一直在的，也沒有變過，無非是大家在各自賽道里面，怎么樣圍繞真實場景的需求去定義產品，去迭代技術，我覺得這是最關鍵的。

何思翀：剛剛幾位嘉賓談到了他們期待具身智能有所突破的點，但事實上幾位嘉賓在各自行業做出的產品都是可圈可點的，大家如果站在全球的視野來看，我們中國的科技在這幾個賽道上大概處于什么樣的位置？羅總你先來，因為帕西尼觸覺傳感器出貨量已經排名第一了，可不可以給我們介紹一下，這個第一是怎么得來的，它能保住多久？

羅霄恒：我們不談保持多久，只爭朝夕。

首先給大家介紹一下帕西尼，為什么叫帕西尼？帕西尼是一個小體，我們每個人身體中都有無數個帕西尼小體，它是專門負責感知高頻次外部壓力與震動變化的人類力學感受器。我們的初心是讓機器人擁有人一樣的手感和觸感。

我們從2021年開始做觸覺傳感器，“十四五”期間，觸覺傳感器是工信部列的35項卡脖子技術之一，前四項分別是光刻機、芯片、OS、航空發動機短艙，第五項是觸覺傳感器。該產品曾經重度依賴進口，只存在歐美象牙塔里面，10萬塊錢一小片，這是沒法產業化和商業化的。所以我們通過不斷迭代，運用磁電原理，包括自研芯片和算法架構，最終把它降到199一片，所以這是很適合于產業化、商業化應用的區間。

整體占比在市場上大概是半壁江山，去年黃仁勛亮相的14款人形機器人里面有11款用的是帕西尼的傳感器，我們希望真正給機器人帶來更加豐富的、直接的觸感。

何思翀：請唐總給我們聊聊擎朗，聽說擎朗海外營收超過了50%，外國客戶怎么看待我們中國的機器人呢？

唐旋來：因為擎朗十幾年一直專注商用服務場景在做具身服務機器人，我們真正出海是2019年左右，這里面也是非常有意思的一個過程。

首先我們出海的時候，整個具身服務機器人它的使用跟普及是有三個圈，第一個圈就是中國，中國實際上做得最好，最好，包括應用場景和產業鏈，大家的接受度是最高的；然后是環中國地區，典型像日韓，可能因為文化相近，大家知道，日本對機器人也是非常喜歡；然后再就是歐美。所以，我們出海的時候就發現，最早你要教育市場，特別是在歐美，我們看美國大片很多機器人都是有點反面角色的感覺，所以你要教育這個市場接受它。

第二點才是出海的產品怎么匹配這個市場，不一定在中國賣得好的在日本就能賣得好，在日本賣得好的不一定在歐美賣得好。我們當時出海有兩步，一步叫全球化，第二步叫本地化，你只有先走出去，然后再沉下來，就是海外本地化的過程，最后才讓大家真正能接受。而且每個國家講的機器人價值不一樣，有些地方能講勞動力的替補，但是換一個地方不能講，其實都是很有意思的過程。在海外，我們這個領域，中國的競爭力是遙遙領先的，因為中國的AI技術加上中國供應鏈的能力，以及中國大量場景打磨出來的產品成熟度，這讓中國的服務機器人產品完全能夠遙遙領先全球。

何思翀：聽聽朱博士，因為極佳視界的模型也是擊敗谷歌、英偉達，登頂的榜首，這對你來說意味著什么？

朱政：大家都知道，現在全世界的AI競爭大家只用看中國和美國，像日本、韓國或者歐洲暫時還沒有進入主流的競技場。

我們先拋卻模型的技術不談，還有一個非常深刻的問題，我經常在思考，我們中國從過去的制造業的大國到現在所謂的打造業強國，一個非常大的優勢就是人，除了工程師以外還有很多產線的工人，第一個數量比較充足，第二個從業經歷比較豐富，不管是組裝手機，還是各種產線上他們都可以非常熟練的，很好地完成工作，這也就導致美國很多時候他們的產品沒有辦法跟中國競爭，尤其涉及到人工的產品，很多時候美國沒辦法和中國競爭。但現在出現了一個新的變量，美國現在的機器人，包括具身產業，他們雖然也很注重家庭產業，但是像Figure或者特斯拉機器人首先要解決的第一個武裝就是工業場景，產線的場景。假如說美國的模型或者美國具身智能整體的發展可以領先中國整整一個段位，他們就有可能在替代人這個問題上產生一種新的變量，有可能會很大程度上增加產品的競爭力，我覺得這對中國來講是一個非常大的隱患。假如說我們要重蹈過去像芯片、操作系統或者光刻機這樣的老路的話，有可能會陷入一個很大的問題，這是我覺得除了技術之外一個很重要的點。

再回到技術這個點，大家經常講中美的大語言模型可能差距在6個月到12個月（半年到一年），可能只差兩代旗艦模型，就是如果按照季度來更新旗艦模型的話。在具身行業，大家知道具身都是依賴于本體的，大家沒有辦法在一個非常公平的場合對比自己的模型，比如像語言模型，我可以在上面刷榜或者刷分，或者讓人工去打分等等，現在具身智能是沒有這個條件的。但是好在頭部的具身智能公司或多或少都開源了自己的一些模型，我們在內部建了一個非常大的測試集，大概覆蓋了十幾種場景，幾十種操作任務。我們測過非常多國外的開源模型，包括國內的開源模型?，F在整體感受國內的模型基本上跟國外的模型還是有一些差距的，但是差距大概在一代模型之內，大概差在一個季度上的模型，這是我們初步的一個判斷。

最后想談的一點是，硅谷具身智能大概講這么幾個故事，第一個故事是VLA，第二個故事是強化學習，最近在講的一個故事是自適應化的具身智能的系統，基本上是完全Follow語言模型最新的三個進展。國內現在跟得也比較緊，甚至有些子領域上已經超過了國外的一些同行，但是現在具身智能中美面臨的一個共同問題是仍然受限于語言模型的進展，往往是語言模型成功的一些經驗或者一些成果，然后我們搬到具身智能上，這是接下來大家要共同思考的問題。因為具身牽扯到一些算法，牽扯到本體，牽扯到中間的一些協同，它還是跟語言模型非常不一樣的，還面臨著很多自己的問題，所以需要中美共同來解決的一個問題，就是我們怎么跳出語言模型的圈子，或者超越語言模型來解決屬于具身的問題，這是大家共同面臨的問題。

何思翀：孟總，因為剛才朱博士也提到了工業領域，工業柔性制造領域你來談一談。

孟浩：剛剛朱總聊到特斯拉Optimus，說美國模型變大以后，他們在工業上能夠有更大的機會幫助到美國重振工業，但我持保留態度，因為我覺得特斯拉Optimus還沒有找到可以商業化的場景，更多還停留在探索和展示階段，落地需要一段時間。

前段時間我也跟非常多的人形機器人公司聊，大家都非常焦慮，都在琢磨人形機器人進工廠，做分揀、做抓取，做搬運，但本質上車廠他們不需要這些東西。因為車廠的生產線早就被固定式的機械臂覆蓋完了，該自動化都自動化了，剩下的那些零碎活，用人形機器人替代人，反而不劃算，價值不大。

再看電子行業，其實也不太需要特別智能的機器人，因為電子制造是標準產品的重復性生產，核心工藝其實都被工業機器人以標準的、重復執行的動作做完了，因為它要的是節拍，不需要柔性。

所以現在我們看到人形機器人做搬運其實都是一些邊角料的工藝，可能在做搬運的時候工人還要在電腦里錄入很多東西，看項目單，記錄數據，所以這些其實一直都會需要人，因此我們用機器人去替代好像價值也不高。

那真正的機會在哪？我也在跟很多人形機器人公司交流”，我說你們看看一般工業，我們在做的客戶，包括大型金屬行業、建筑、船舶、電力，這些都是中國的支柱產業，大概占到整個中國產業一半以上，這里面有大量的場景需要柔性制造，需要工業具身機器人，為什么？因為這些行業都是小批量多批次的，是大規模定制化的，客戶的設計一直在變，東西越大，產品的標準程度越低，產能就越小，這里面所有零部件，細分到圖紙、數據，都是在動態變化的。

所以在一般工業里面，工業機器人的滲透率其實20%都不到，因為太難了，太碎片化了，太柔性了，編程的工業機器人跟不了。我們在這個行業里干了十年，越來越看到機會，所以也在積極推動那些很Fancy的人形機器人趕緊到我們客戶的工廠里面干臟活累活。

現在中國機器人的水平怎么樣的？在我們行業里已經完全超越了。我舉個例子，我們在給客戶，包括幾個大船廠提供的型材切割機器人，真的是用一半的價錢去替代了歐洲六七十年的隱形冠軍，就是只做硬件，不懂數據，沒有大腦和AI的這些傳統家族制造業冠軍，以前他們全球賣切割焊接的機器人。但到現在因為軟件和AI跟不上，加上歐洲的工業在衰落，被我們在兩年里就超越了。

為什么？因為中國有大量一般工業場景，我們在里面深耕了快十年，我們懂場景痛點，懂客戶需求，市場需要好的產品，好的機器人來提高生產力，加上工人越來越老，技術越來越難干，年輕人不愛去干。所以我也希望跟更多做具身，做人形的公司能在更大市場里面定義真正好的產品。

何思翀：通過剛才4位的分享，我們還是聽到了一些振奮人心的答案，在某些技術點上我們中國現在的機器人行業確實是領先的，但是我也聽到各位其實還是有非常冷靜的判斷，我們可能還需要有一些突破的地方，不管是在商業化、標準化、生態化上面還要繼續做一些努力。

最后我想問每個人一個問題，比較有挑戰性的問題，大家可以簡短回答我一下，還是從帕西尼的羅總開始，羅總你們選擇的是做觸覺，剛才你也提到這是一個卡脖子的方向，具身智能我們看到這么多家公司里面一般都是講視覺，講動作控制，實際上講觸覺是很少的，如果一個機器人它也能看，也能動，但它摸著沒有觸覺，對你們來講你是覺得它是夠用的，還是完全不夠用？

羅霄恒：AI的時代，我們團隊認為是追溯人性非常好的契機，因為AI給我們帶來的不只是工具，而是全方位的一種重新了解自己的方式。人類認知世界，始于與萬物的真實“觸摸”。今年大家可以看到像大摩、高盛、伯恩斯坦這類頂級投行都在發布關于人形機器人的研報，并且會把觸覺作為未來重點關注的部分。真正的AGI絕不能僅停留在虛擬的邏輯演算，它必須像人類一樣，通過高精度的觸覺去感受、抓取并理解物理世界。具身感知是跨越數字與現實鴻溝的核心鑰匙，只有賦予機器人真實的物理交互能力，讓AI真正理解人類生存的物質空間。這是技術向生命形態的演進，更是邁向通用人工智能的必經之路。

何思翀：在精細操作的場景里，觸覺其實不是最好用的，而是必須有的判斷。

聽一下唐總的，擎朗是做服務機器人的，現在我們身邊也看到很多服務機器人，但大家對它的判斷還是一個會動的機器人，不會覺得它是一個具身智能，它好像還差了腦子那一部分。擎朗也提出了“具身智能+”的戰略，你們到底是在原有的機器人上面加一個腦子，還是會形成一個全新的產品形態？

唐旋來：這里我糾正一下，今天大家看到的在酒店、零售、餐飲、商超等服務場景看到的機器人，比如配送或清潔機器人，它并不是沒有腦子，反而它的大腦能力還是非常強的，因為它要隨機處理環境的變化以及人跟它之間的互動，這實際上是需要智能化程度比較高的能力。

你剛才講到的問題是一個什么問題呢？是專用機器人跟通用機器人的關系。今天我們在生活中看到的那些配送、清潔機器人等我們都歸結它屬于專用機器人，即在專用場景中解決一系列專用問題的機器人。今天我們看視頻，看到人形機器人，我們會把它歸類為相對通用一點的機器人，我們稱之為通用機器人，差異點在這里。

擎朗有一個觀點，未來這個世界，也許50年之后，也許100年之后，當人和機器人和諧相處，遍地都是機器人的時候，我們認為到這個階段，它也是一個通用機器人跟專用機器人相結合的世界。為什么呢？大家想想，什么是專用機器人，專用機器人就是生活當中落地的，包括剛剛云鯨講的掃地機器人以及配送機器人，清潔機器人，這類機器人它的優點是什么？跟我們人一樣，優點是在自己所屬的領域、場景中一定是最高效率的。但是缺點是什么？可能換一個任務就不能干了，這是它的限制。通用機器人則不一樣，剛才孟總講到很多碎片化的事情，很多小眾場景需求，實際上大多數需要靈活處理，就跟我們公司一樣，很多時候都有一個全棧，需要這樣的人串起來處理更復雜的任務。所以說，通用機器人能處理更復雜、更多樣的任務，但是相對應的，它處理單一任務一定是效率沒有專用高的。

所以從未來發展來講，它最終一定是“通+?！苯Y合起來的產品形態。擎朗為什么從專用機器人到“通+?！眳f作路線來的，其實一句話歸納就是，為了滿足客戶的更多復雜性需求。其實不管是產品形態，還是技術形態的升級，實際上在這個過程中，我們在同一個場景跟客戶講，我希望在這個場景中用“通+?！苯Y合，給你一個更完整綜合的解決方案，比如在酒店、餐廳，你有清潔、配送的專用需求，也有更通用的需求，如迎賓、調酒、做咖啡等，而我們的“通用+專用”協作方式，就可以提供一個很好的解決方案，為客戶達到效率最大化。

但具身智能不能只講故事，要交作業。這個我們已經有了標桿案例，在香格里拉盛貿酒店，擎朗人形機器人XMAN-R1已正式擔任迎賓員，與配送、清潔等專用機器人協同作業，成為全球首個“通用+專用”機器人協作的落地案例；在挪瓦咖啡，它還以“特聘咖啡師”身份獨立完成咖啡制作全流程，充分展示了多任務規劃、精細力控與人機安全交互的綜合能力。

那在這個過程中怎么商業化落地？擎朗有非常清晰的路徑，叫做崗位化。擎朗“崗位化”的落地路徑，把復雜的服務形成一個個可執行可評價的崗位，讓機器人在真實的勞動中積累數據，在實踐中完成迭代。

我再詳細解釋一下，如今在大廠會有管培生的案例，從技術的角度剛剛朱博士也有講到，在通用模型共享的基礎下，怎么在每一個細分領域去培養一個廚師、調酒師、清潔工等一系列崗位化技能，讓他在這個崗位上就能干好這個崗位。而這些能力都是可以遷移復用的，一萬臺機器人習得了一萬個崗位能力，每臺機器人就具備一萬個崗位的能力。這是基模加垂模的組合，即擎朗自研的全球首個服務行業模型KOM2.0+擎朗崗位化垂域模型KEENON ProS，面向服務場景中的具體崗位，使機器人能夠快速掌握崗位技能，實現“上崗即干活”。搭載該模型后，機器人還具備了自主決策能力，比如在咖啡制作過程中遇到人為干擾、咖啡機屏幕不響應等突發狀況，都能自主判斷并實時解決。崗位化能夠加速具身智能的商業化落地，也在不斷拓展“通用+專用”的服務邊界。

何思翀：也是聽到了一個非常堅定的答案。

我們問問朱博士，朱博士講了這兩年是世界模型商業化很重要的時間，想問一下世界模型之于具身智能，是像操作系統之于電腦那樣，還是說它是類似像自動駕駛L5？

朱政：因為這是最后一個問題，根據我的經驗，現在是要發表一些暴論的時候，不然整場論壇就不會被大家記住，大家以后傳播也沒辦法傳播。

我們感覺是這樣的，具身智能跟世界模型的關系，現階段的世界模型我們大家都知道，大家理想中的世界模型應該是一個通用的世界模型，它可以對物理世界進行重建，進行各種演化，然后對它進行各種模擬。但是現在如果大家來做通用世界模型其實是沒有一個抓手的，只能按照視頻生成的方式，比如類似于Sora或者Seedance這種方式去做，但是如果沒有海量的互聯網數據訓練，其實它是沒有辦法去理解物理世界的，更不用提我們如何在這里面切入各種物理規律等等高級的操作，所以從這個意義上來講，現階段具身應該是世界模型最好的落腳點。反過來意義上來講，現在具身智能也離不開世界模型。因為大家都知道，之前落地比較成熟的VLA還是有很多缺點的，無論是從監督太稀疏，還是說沒有辦法生成多任務，或者說它的泛化能力比較弱等等，還是說從語言模型集成來的VLA，還是有很多問題的，它可能只是數字AGI的外掛，外掛的一個語言的操作數字AGI，它并不是一個原生的物理AGI，所以從這個意義上來講，我覺得具身跟世界模型它們兩個是深度綁定的，這也是為什么在很多場合提到世界模型大家一定會提到具身智能，反之也是這樣，我覺得現在它們兩個誰也離不開誰。

從長遠來講，世界模型大家追求的肯定不僅僅是一個具身場景的世界模型，我們還是追求像大家之前追求自動駕駛場景的世界模型，包括未來影視、游戲、內容場景的世界模型，最后達到一個通用場景的視界模型。

我大概是這么判斷的。

何思翀：孟總，最后一個問題，你剛才也介紹了，大界機器人已經做了十年了，您開始做的時候應該還沒有具身智能這個詞出現，其實你已經經歷了一個周期，從冷到熱這樣一個過程，你覺得在這十年里，機器人行業令你學到最重要的一課是什么呢？

孟浩：我是覺得技術迭代越來越快，尤其是底層的芯片、算法、數據。早在十五年前，我們在研究生階段就看到這個趨勢，盡管當時工業機器人還是編程驅動，視覺剛剛起步，人工智能也在漸進發展，但是我們已經跟著導師在ETH以及國外頂尖實驗室，開始研究機器人大腦，以及怎么用仿真，數據和模型，讓機器人自適應干活。

后來創業成立了大界，建筑是我們最早切入的場景。這十年我們從建筑拓展到了更多工業制造領域，但貫穿始終的共性挑戰從未改變：碎片化，非標、非結構化。不管是在工廠還是工地，對機器人的智能都提出了非常高的要求。所以越是復雜的場景，越能檢驗真正的產品力。而我們也一直用這份產品力，為中國工業制造創造價值和生產力。

十年了，也是具身老兵了，給大家一些經驗和想法。第一，模型和算法的技術壁壘會變低，最終所有的事情還是會落到產品力和商業化上，就是公司做的事情能不能夠為社會創造價值，不管你手里有多少錢，最終都要落地變成產品；第二，要去真正熱愛這個行業，相信很多事情會變成現實，因為十年里面有非常多的不確定性，包括組織，技術，內部和外部，我覺得創始人的定力，以及對這件事的熱愛和堅信是最重要的，不是為了講故事而講故事，我們也從來不講故事，相信，才是是背后最大的推動力。

我本人還是非常相信具身未來是一個非常大的市場，包括在工業，在家庭，只是不同的產品有不同的成熟周期而已。

何思翀：十年創業的Know—how換來了最底層的相信和熱愛。

時間關系，今天圓桌對話到這里就要結束了，通過4位嘉賓的分享我們也看到具身智能正在經歷一場從實驗室的奇跡到工業及生產力范式的重構，當行業退去了舞臺表演的幻覺，回歸到商業的本質，可能它的拐點才會真正到來。然而在我們面對高度不確定性的物理世界，又想重塑全球生產力標準的時候，這注定了是一場長跑，只有從驗證走向復制的能力，或許才是決定企業能夠真正跨越周期的關鍵。

再次感謝4位嘉賓參與我們的圓桌，也謝謝各位觀眾的參與，謝謝！