在人工智能技術浪潮奔涌的當下，具身智能（Embodied AI）正以破竹之勢成為全球科技競技的核心賽道。2025年6月6日，2025北京智源大會期間，“智源具身智能會客廳”匯聚了宇樹科技、北京人形機器人創新中心、銀河通用、穹徹智能、Physical Intelligence等全球頂尖企業，通過技術展示、實機演示與圓桌對話，勾勒出這一領域的最新圖譜。
這場科技盛宴不僅揭示了具身智能在運動控制、環境交互、數據驅動等關鍵技術的突破，更展現了從實驗室原型到產業落地的清晰路徑。
從格斗到疊衣服：機器人開始“干真活”
宇樹科技CEO王興興帶來的G1機器人，以“全球最能打的機器人”標簽引發關注。在《CMG世界機器人大賽》機甲格斗中，G1憑借自主決策算法與高動態運動控制，擊敗多國勁旅奪冠。王興興強調：“格斗不是表演，而是驗證全身協調性、實時決策能力的‘煉金石’。”其背后是深度強化學習與動力學模型的融合，使機器人在高速對抗中實現毫秒級反應。
宇樹機器人上臺表演（gif進行了加速處理）
北京人形機器人創新中心的天工2.0則以“馬拉松冠軍”身份亮相。總經理熊友軍展示的數據令人驚嘆：天工 1.0在2小時40分鐘內完成半程馬拉松，且具備草地、沙地、丘陵等多地形適應能力。升級后的天工2.0強化了上肢靈巧手系統，配備了靈巧手，具備更高的自由度和更強的負重能力，從而拓展了它在實際任務中的應用范圍。
天工2.0 現場展示準備茶點（gif進行了加速處理）
銀河通用創始人王鶴展示的Galbot輪式機器人，在商超復雜環境中實現了“所見即所得”的抓取能力。其自研VLA（視覺-語言-動作）模型突破傳統軌跡規劃局限，通過合成數據訓練，在貨架密集場景中完成超高的品識別與抓取成功率。更關鍵的是，系統具備抗干擾能力——即使人為觸碰，仍能動態調整動作完成訂單。
銀河通用機器人展示商超貨架場景應用（gif進行了加速處理）
穹徹智能聯合創始人盧策吾的演示更具顛覆性：機器人通過力覺-位置雙重反饋，完成刮胡子、挖冰淇淋等精細操作。其系統在食品加工行業已實現規模化落地，盧策吾指出：“力反饋是機器人理解物理世界的‘第六感’，就像人類閉眼也能感知力度，這種本能化交互是通用性的關鍵。”
穹徹機器人挖冰淇淋演示（gif進行了加速處理）
Physical Intelligence聯合創始人Karol Hausman提出的“100個家庭訓練法則”引發熱議。通過在100個不同家庭場景中訓練，其π-0.5模型實現了對第101個陌生家庭任務的高效泛化。Karol坦言：“這打破了‘數據量決定論’，證明算法架構的優化比單純堆砌數據更重要。”
Physical Intelligence 聯合創始人兼 CEO Karol Hausman
產業落地：從“炫技”到“干活”的范式轉變
為什么是“比賽”推動了產業前進
“機器人賽事不是作秀，而是產業化的催化劑。”王興興的論斷在圓桌討論中引發共鳴。熊友軍表示認同：“舉辦機器人競技賽事意義重大，這不僅是一場全民科普盛會，也是技術的實戰“訓練場”，更是連接產業界與潛在客戶的重要平臺。”
盧策吾認為，機器人賽事本身非常有價值，能很好地展示技術能力，但它更應該是一個起點。接下來我們更希望看到機器人能“干活”的比賽，即真正體現生產力和實際應用價值的比賽。如果未來能有更多“技能型”的比賽，就能更好地錘煉和檢驗這些實用能力。我們也希望通過這樣的路徑，讓大家真正看到：機器人不是只會表演，而是能勞動、能創造價值——勞動最光榮。
王鶴的銀河通用則通過“無人藥店”項目實現商業閉環：在北京部署的7家24小時藥店中，由人形機器人承擔夜間接單和配送任務，既便利了用戶，也緩解了人力緊張。他計劃年底前將網點擴展至北上廣深，并進軍工廠料庫管理。“當機器人能穩定運行2000小時無故障，就是產業爆發的臨界點。”
形態之爭：人形是否是終極答案？
針對清華大學張銹院士“人形非最優解”的質疑，熊友軍以“場景適配論”回應：“家庭環境天然適配人形，門把手高度、操作界面設計都以人體工學為基準。”目前在人形機器人的成本和技術成熟度上還存在挑戰。但從長遠看，它依然是推動具身智能真正落地的最理想選擇之一。
王興興則提出“形態解耦”理念：“機器人形態越接近人類，數據采集越方便，訓練效果也越好。下肢可以是輪式或四足，但上半身保留類人結構以利用現有動作數據。”同樣，王興興認為，未來進入 AGI 或通用智能階段后，機器人的外形將極大多樣化，會根據不同任務出現各種更高效的設計，結構、尺寸、材料可能比現在豐富百倍。
模型瓶頸：從“能動”到“可靠”的最后一公里
盡管VLA模型在簡單任務中表現優異，但嘉賓們一致指出其局限性。盧策吾表示：VLA 模型很受關注，我認為它火得有道理。V 代表對世界的理解，L 是與人的溝通，A 則是行動和改變世界，這幾乎涵蓋了機器人所需的核心能力。而語言作為“粘合劑”，能將高層知識更好地串聯起來。但我也認同王鶴的觀點：VLA 雖有潛力，但在機器人這一更復雜、更高不確定性的任務空間中，仍有明顯局限。
Karol Hausman則坦言：“當前模型在長序列任務中的成功率還達不到實際應用所需的水平。這不僅僅是數據量的問題。即便我們有無限的數據，用現有的算法也很難在復雜、長時序、精細操作的任務上達到接近100% 的成功率”。
勞動創造價值，智能重塑世界
在這場科技與產業的深度對話中，“能干活，才是未來”的共識貫穿始終。從春晚舞臺到工廠車間，從格斗擂臺到家庭客廳，具身智能正以驚人的速度跨越“死亡之谷”。當機器人開始理解力度、適應變化、創造價值，一個由實體智能重構的產業革命已然開啟。正如Karol Hausman所言：“這僅僅是開始，但已足夠振奮人心。”未來，具身智能將如何改寫人機協作的敘事？答案或許就藏在下一場機器人馬拉松的賽道上。