来源：环球网

【环球网科技综合报道】近日，联想“科技有‘联想’·硅基进化论”线下沙龙在北京成功举办。科技本次沙龙汇聚行业一线决策者，有沙业化围绕数据基础设施构建、龙首模型范式演进、场活量产落地挑战及商业化路径等核心议题，动聚深度剖析具身智能行业的焦具现状与未来趋势。

数据瓶颈与基座重构：产业化首要难题

沙龙伊始，身智企业技术负责人率先聚焦数据供给这一核心痛点。联想幂特科技联合创始人、科技CTO王志成指出，有沙业化在AI 3.0物理智能时代，龙首数据已成为决定性因素，场活而模型仅起辅助作用。动聚数据显示，焦具数据相关工作占据了研发流程约80%的工作量。

智在无界合伙人郑思鹏通过成本测算揭示了真机数据的昂贵门槛：采集30秒真机数据成本约为10至15元，累计1小时数据成本约1000元。若进行百万小时真机数据预训练，投入成本将达10亿元量级，这严重制约了大规模模型的迭代速度。为此，该企业于今年4月发布通用具身基础模型，创新性地采用人类第一人称视频数据进行训练，将数据规模拓展至20万小时，大幅降低采集成本，确立了“虚实结合”的新型训练范式。

无问智科创始人刘盛翔进一步强调，行业缺失的不仅是数据本身，更是涵盖工具链与测评体系的完整“数据基座”。他预测，2B场景将比2C场景提前3至5年落地，原因在于家庭场景的安全验证难度远高于相对封闭的工业与商业环境。

此外，细分领域的数据“真空”状态同样阻碍产业发展。云松鼠智能创始人黄骏达指出，灵巧手数据目前几乎处于空白状态，缺乏可用的开源预训练模型。他将灵巧操作学习划分为三个层次：身体行为、身体与外界接触、外界运动模式，主张通过三层次结合训练实现优势互补。在硬件层面，他认为头戴设备技术相对成熟，但触觉手套在技术路线、分辨率密度及成本上均未收敛。

量产落地与商业闭环：跨越从Idea到产品的鸿沟

除了技术路线与底层基建，产业化落地的现实命题同样备受瞩目。联想集团MaaS业务负责人陈磊从制造视角指出，工程化与量产化是许多创业公司发展的核心瓶颈。从创意（Idea）到量产落地之间的巨大鸿沟，往往被研发团队严重低估。

宇泛智能CFO戴恺提出了务实的商业化成熟度“三层模型”：
1. 量产能力：解决“能不能造出来”的问题；
2. 交付能力：检验“能不能卖出去并装好”；
3. 交付质量：拷问“客户愿不愿复购、行业能否持续”。

戴恺认为，量产能力仅是起点，交付能力与交付质量才是衡量具身智能公司真实价值的分水岭。

优宝特智能范永则从产业链分工角度提出建议，认为人形机器人产业链条长，单一企业难以实现全环节最优。本体厂商应聚焦整机、模组及运动控制研发，而智能算法部分则可与专业模型企业合作，形成互补生态。

站在投资视角，联想之星合伙人高天垚回顾了机构自2013年起布局机器人赛道的历程。他指出，2026年机器人本体、AI算法、落地场景三大要素同步发展，共同推高行业热度。然而，产业整体发展节奏循序渐进，具备跨领域综合能力的市场主体才更具长期竞争力。

（吉伊艾佳）