在近日舉辦的2025智源具身Open Day活動上，智源研究院向外界全面展示了其在具身智能領(lǐng)域的最新研究成果，并組織多場行業(yè)圓桌討論，聚焦當(dāng)前具身智能發(fā)展的核心議題。此次活動匯聚了眾多業(yè)內(nèi)專家與企業(yè)代表，共同探討具身智能的未來方向。

智源研究院院長王仲遠(yuǎn)在開場演講中，介紹了過去一年在具身智能方向取得的兩大關(guān)鍵進(jìn)展：世界模型的突破與具身大腦全棧體系的構(gòu)建。他重點介紹了原生多模態(tài)世界模型Emu3.5，該模型在訓(xùn)練數(shù)據(jù)量和參數(shù)規(guī)模上均有顯著提升，訓(xùn)練數(shù)據(jù)從15年視頻擴(kuò)展至790年，參數(shù)規(guī)模從8B提升至34B。同時，引入自研DiDA技術(shù)，使視頻和圖像生成速度大幅提升，達(dá)到與Diffusion、DiT類模型相當(dāng)?shù)乃?。王仲遠(yuǎn)指出，Emu3.5不再局限于語言主導(dǎo)的“下一個Token預(yù)測”，而是專注于具身智能所需的“下一時空狀態(tài)預(yù)測”。

在具身大腦全棧體系方面，智源研究院正在構(gòu)建跨異構(gòu)本體的具身智能體系，包括RoboBrain（具身大腦）、RoboOS（跨本體操作系統(tǒng)）和基于VLA的RoboBrain-0。這些模型已在多種形態(tài)的機(jī)器人本體上部署，能夠完成從導(dǎo)覽、導(dǎo)購到復(fù)雜交互的多樣化任務(wù)。智源還展示了在全身控制方向的能力，宇樹G1機(jī)器人在其控制框架BAAI Thor的支持下，成功完成拖動1.4噸汽車的實驗。

活動現(xiàn)場的圓桌討論環(huán)節(jié)，圍繞多個關(guān)鍵問題展開深入探討。在“世界模型是不是實現(xiàn)具身智能的關(guān)鍵”這一議題上，王仲遠(yuǎn)認(rèn)為，如果世界模型僅停留在視頻生成層面，未必能成為具身智能的基座。北京大學(xué)助理教授、銀河通用創(chuàng)始人及首席技術(shù)官王鶴也強調(diào)，機(jī)器人需要的是根據(jù)自身形態(tài)和目標(biāo)預(yù)測下一步狀態(tài)的世界模型，這類模型必須基于大量機(jī)器人專屬數(shù)據(jù)構(gòu)建。

關(guān)于“具身智能是否需要統(tǒng)一架構(gòu)”的問題，招商局集團(tuán)AI首席科學(xué)家張家興提出，具身智能未來不應(yīng)繼續(xù)沿用“大模型的語言中心范式”，而需要一套“先行動、再視覺、最后語言”的具身原生結(jié)構(gòu)，以行動與感知為核心。智元機(jī)器人首席科學(xué)家羅劍嵐則認(rèn)為，具身智能的最終“大模型”不會是單體模型，而是由VLA、世界模型和RL組成的閉環(huán)系統(tǒng)。

在數(shù)據(jù)層面，多位嘉賓強調(diào)了真實數(shù)據(jù)的重要性，認(rèn)為機(jī)器人必須在真實場景中學(xué)習(xí)真實性、多樣性和規(guī)模化。王鶴指出，仿真數(shù)據(jù)是當(dāng)前更現(xiàn)實的突破口，許多底層控制能力依賴大量強化學(xué)習(xí)，而這些訓(xùn)練在真實世界中幾乎無法完成。王仲遠(yuǎn)則認(rèn)為，視頻數(shù)據(jù)是最容易大規(guī)模獲取且最接近真實世界的數(shù)據(jù)形式，其價值類似于孩子通過視頻認(rèn)識世界，再通過真實交互提升技能。

當(dāng)被問及“如果有100億元推進(jìn)具身智能會如何分配”時，多位嘉賓給出了不同答案。自變量創(chuàng)始人兼CEO王潛認(rèn)為，第一優(yōu)先級是吸納頂尖人才，其次是算力和數(shù)據(jù)投入。加速進(jìn)化創(chuàng)始人兼CEO程昊則表示，100億元其實不夠，更重要的是用愿景吸引全球科研人才。星海圖聯(lián)合創(chuàng)始人趙行提出要打造覆蓋物理世界的最大數(shù)據(jù)引擎，張家興則希望將資金用于打造屬于具身智能的模型體系。

在另一場關(guān)于硬件的圓桌討論中，嘉賓們圍繞“人形機(jī)器人是否是具身智能的最終形態(tài)”展開辯論。多位嘉賓達(dá)成共識：模型與硬件并非相互定義，真正的決定要素是場景。星源智創(chuàng)始人兼CEO劉東認(rèn)為，具身智能體系應(yīng)分層構(gòu)建，上層大模型可跨本體復(fù)用，但小腦層模型需根據(jù)硬件結(jié)構(gòu)調(diào)整。北京人形機(jī)器人創(chuàng)新中心CTO唐劍直言，模型和硬件都無法單獨定義對方，場景才是決定機(jī)器人形態(tài)的關(guān)鍵因素。