在人工智能技术浪潮奔涌的当下，具身智能（Embodied AI）正以破竹之势成为全球科技竞技的核心赛道。2025年6月6日，2025北京智源大会期间，“智源具身智能会客厅”汇聚了宇树科技、北京人形机器人创新中心、银河通用、穹彻智能、Physical Intelligence等全球顶尖企业，通过技术展示、实机演示与圆桌对话，勾勒出这一领域的最新图谱。
这场科技盛宴不仅揭示了具身智能在运动控制、环境交互、数据驱动等关键技术的突破，更展现了从实验室原型到产业落地的清晰路径。
从格斗到叠衣服：机器人开始“干真活”
宇树科技CEO王兴兴带来的G1机器人，以“全球最能打的机器人”标签引发关注。在《CMG世界机器人大赛》机甲格斗中，G1凭借自主决策算法与高动态运动控制，击败多国劲旅夺冠。王兴兴强调：“格斗不是表演，而是验证全身协调性、实时决策能力的‘炼金石’。”其背后是深度强化学习与动力学模型的融合，使机器人在高速对抗中实现毫秒级反应。
宇树机器人上台表演（gif进行了加速处理）
北京人形机器人创新中心的天工2.0则以“马拉松冠军”身份亮相。总经理熊友军展示的数据令人惊叹：天工 1.0在2小时40分钟内完成半程马拉松，且具备草地、沙地、丘陵等多地形适应能力。升级后的天工2.0强化了上肢灵巧手系统，配备了灵巧手，具备更高的自由度和更强的负重能力，从而拓展了它在实际任务中的应用范围。
天工2.0 现场展示准备茶点（gif进行了加速处理）
银河通用创始人王鹤展示的Galbot轮式机器人，在商超复杂环境中实现了“所见即所得”的抓取能力。其自研VLA（视觉-语言-动作）模型突破传统轨迹规划局限，通过合成数据训练，在货架密集场景中完成超高的品识别与抓取成功率。更关键的是，系统具备抗干扰能力——即使人为触碰，仍能动态调整动作完成订单。
银河通用机器人展示商超货架场景应用（gif进行了加速处理）
穹彻智能联合创始人卢策吾的演示更具颠覆性：机器人通过力觉-位置双重反馈，完成刮胡子、挖冰淇淋等精细操作。其系统在食品加工行业已实现规模化落地，卢策吾指出：“力反馈是机器人理解物理世界的‘第六感’，就像人类闭眼也能感知力度，这种本能化交互是通用性的关键。”
穹彻机器人挖冰淇淋演示（gif进行了加速处理）
Physical Intelligence联合创始人Karol Hausman提出的“100个家庭训练法则”引发热议。通过在100个不同家庭场景中训练，其π-0.5模型实现了对第101个陌生家庭任务的高效泛化。Karol坦言：“这打破了‘数据量决定论’，证明算法架构的优化比单纯堆砌数据更重要。”
Physical Intelligence 联合创始人兼 CEO Karol Hausman
产业落地：从“炫技”到“干活”的范式转变
为什么是“比赛”推动了产业前进
“机器人赛事不是作秀，而是产业化的催化剂。”王兴兴的论断在圆桌讨论中引发共鸣。熊友军表示认同：“举办机器人竞技赛事意义重大，这不仅是一场全民科普盛会，也是技术的实战“训练场”，更是连接产业界与潜在客户的重要平台。”
卢策吾认为，机器人赛事本身非常有价值，能很好地展示技术能力，但它更应该是一个起点。接下来我们更希望看到机器人能“干活”的比赛，即真正体现生产力和实际应用价值的比赛。如果未来能有更多“技能型”的比赛，就能更好地锤炼和检验这些实用能力。我们也希望通过这样的路径，让大家真正看到：机器人不是只会表演，而是能劳动、能创造价值——劳动最光荣。
王鹤的银河通用则通过“无人药店”项目实现商业闭环：在北京部署的7家24小时药店中，由人形机器人承担夜间接单和配送任务，既便利了用户，也缓解了人力紧张。他计划年底前将网点扩展至北上广深，并进军工厂料库管理。“当机器人能稳定运行2000小时无故障，就是产业爆发的临界点。”
形态之争：人形是否是终极答案？
针对清华大学张銹院士“人形非最优解”的质疑，熊友军以“场景适配论”回应：“家庭环境天然适配人形，门把手高度、操作界面设计都以人体工学为基准。”目前在人形机器人的成本和技术成熟度上还存在挑战。但从长远看，它依然是推动具身智能真正落地的最理想选择之一。
王兴兴则提出“形态解耦”理念：“机器人形态越接近人类，数据采集越方便，训练效果也越好。下肢可以是轮式或四足，但上半身保留类人结构以利用现有动作数据。”同样，王兴兴认为，未来进入 AGI 或通用智能阶段后，机器人的外形将极大多样化，会根据不同任务出现各种更高效的设计，结构、尺寸、材料可能比现在丰富百倍。
模型瓶颈：从“能动”到“可靠”的最后一公里
尽管VLA模型在简单任务中表现优异，但嘉宾们一致指出其局限性。卢策吾表示：VLA 模型很受关注，我认为它火得有道理。V 代表对世界的理解，L 是与人的沟通，A 则是行动和改变世界，这几乎涵盖了机器人所需的核心能力。而语言作为“粘合剂”，能将高层知识更好地串联起来。但我也认同王鹤的观点：VLA 虽有潜力，但在机器人这一更复杂、更高不确定性的任务空间中，仍有明显局限。
Karol Hausman则坦言：“当前模型在长序列任务中的成功率还达不到实际应用所需的水平。这不仅仅是数据量的问题。即便我们有无限的数据，用现有的算法也很难在复杂、长时序、精细操作的任务上达到接近100% 的成功率”。
劳动创造价值，智能重塑世界
在这场科技与产业的深度对话中，“能干活，才是未来”的共识贯穿始终。从春晚舞台到工厂车间，从格斗擂台到家庭客厅，具身智能正以惊人的速度跨越“死亡之谷”。当机器人开始理解力度、适应变化、创造价值，一个由实体智能重构的产业革命已然开启。正如Karol Hausman所言：“这仅仅是开始，但已足够振奋人心。”未来，具身智能将如何改写人机协作的叙事？答案或许就藏在下一场机器人马拉松的赛道上。
