6的Astra能控机械臂却叠不好衣服？四位大佬回应具身智能争议

TechWeb

09/10

【TechWeb】过去一年具身智能很火热，却一直没有回答关键问题：训练机器人到底更应该依赖真实数据还是仿真数据？通用大模型会不会“降维打击”具身模型？机器人什么时候才能真正进入可持续商业化？在2026 Inclusion·外滩大会上，苏度科技联合创始人兼CEO韩铮、蚂蚁灵波科技首席科学家沈宇军、自变量机器人创始人兼CEO王潜，以及破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲就上述问题展开...

网页链接

免责声明：投资有风险，本文并非投资建议，以上内容不应被视为任何金融产品的购买或出售要约、建议或邀请，作者或其他用户的任何相关讨论、评论或帖子也不应被视为此类内容。本文仅供一般参考，不考虑您的个人投资目标、财务状况或需求。TTM对信息的准确性和完整性不承担任何责任或保证，投资者应自行研究并在投资前寻求专业建议。

热议股票

{"basename":"/hans","ssrTDKData":{"titleTemplate":"%s - 老虎证券","title":"老虎证券全球投资理财平台| 一站式投资美股新股港股A股","description":"老虎证券助您一站式投资美股，新股，港股，A股等全球金融理财产品。新加坡华人最信赖的在线投资平台，现在加入即享低费用，24/5 无时差炒美股投资理财！","keywords":"老虎证券,老虎证券开户,老虎券商,老虎证券官网,老虎证券app,tigertrade老虎证券,股票,炒股,新加坡股票交易平台,投资,投资理财","social":{"ogDescription":"老虎证券助您一站式投资美股，新股，港股，A股等全球金融理财产品。新加坡华人最信赖的在线投资平台，现在加入即享低费用，24/5 无时差炒美股投资理财！","ogImage":"https://c1.itigergrowtha.com/portal5/static/media/og-logo.0a0bd8dc.png","ogUrl":"https://www.itiger.com/hans/news/2666628517"},"companyName":"老虎证券"},"pageData":{"isMobile":false,"isTiger":false,"isTTM":true,"region":"SGP","license":"TBSG","edition":"fundamental"},"isCrawlerRequest":true,"__swrFallback__":{"@#url:\"https://stock-news.skytigris.cn/v3/news\",params:#id:\"2666628517\",edition:\"fundamental\",auth_exemption:1,,,undefined,":{"share":"https://ttm.financial/m/news/2666628517?lang=zh_CN&edition=fundamental","thumbnail":"https://k.sinaimg.cn/n/default/feedbackpics/transform/116/w550h366/20180326/oOd4-fysqfnf9443669.png/w120h90l50t15d6.jpg","is_english":false,"pubTime":"2026-09-10 21:25","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"2666628517","market":"us","top_or_hot":-1,"title":"6的Astra能控机械臂却叠不好衣服？四位大佬回应具身智能争议","media":"TechWeb","content":"<div>\n<p>【TechWeb】过去一年具身智能很火热，却一直没有回答关键问题：训练机器人到底更应该依赖真实数据还是仿真数据？通用大模型会不会“降维打击”具身模型？机器人什么时候才能真正进入可持续商业化？在2026 Inclusion·外滩大会上，苏度科技联合创始人兼CEO韩铮、蚂蚁灵波科技首席科学家沈宇军、自变量机器人创始人兼CEO王潜，以及破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲就上述问题展开...</p>\n\n<a href=\"https://tech.sina.cn/mobile/xp/2026-09-11/detail-inirkcsq7557353.d.html?vt=4\">网页链接</a>\n\n</div>\n","source":"sina_tech","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>6的Astra能控机械臂却叠不好衣服？四位大佬回应具身智能争议</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n6的Astra能控机械臂却叠不好衣服？四位大佬回应具身智能争议\n</h2>\n\n<h4 class=\"meta\">\n\n\n2026-09-10 21:25 北京时间&nbsp;&nbsp;&nbsp;<a href=https://tech.sina.cn/mobile/xp/2026-09-11/detail-inirkcsq7557353.d.html?vt=4><strong>TechWeb</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>【TechWeb】过去一年具身智能很火热，却一直没有回答关键问题：训练机器人到底更应该依赖真实数据还是仿真数据？通用大模型会不会“降维打击”具身模型？机器人什么时候才能真正进入可持续商业化？在2026 Inclusion·外滩大会上，苏度科技联合创始人兼CEO韩铮、蚂蚁灵波科技首席科学家沈宇军、自变量机器人创始人兼CEO王潜，以及破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲就上述问题展开...</p>\n\n<a href=\"https://tech.sina.cn/mobile/xp/2026-09-11/detail-inirkcsq7557353.d.html?vt=4\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"WDRN","symbol_name":"WisdomTree Physical AI Humanoids and Drones Fund","start_time":0,"source_url":"https://tech.sina.cn/mobile/xp/2026-09-11/detail-inirkcsq7557353.d.html?vt=4","article_id":"2666628517","we_media_id":null,"thumbnails":["https://k.sinaimg.cn/n/default/feedbackpics/transform/116/w550h366/20180326/oOd4-fysqfnf9443669.png/w120h90l50t15d6.jpg"],"rights":{"source":"sina_tech","url":"https://tech.sina.cn/mobile/xp/2026-09-11/detail-inirkcsq7557353.d.html?vt=4","rn_cache_url":null,"customStyle":"body{padding-top:10px;}.art_tit_h1{#titleStyle#}a{#lv2TextColor#}.art_time, .art_cite{#sourceStyle#;} .art_cite{margin-left: 3px;}.weibo_user{#sourceStyle#; margin-bottom: 0; display: inline-block;}.weibo_time{#sourceStyle#};","selectors":".module-article, article","filters":"header, .voice2, .tags, #norm_qrcode_link_auto, .unfold-box, .action, .j_float_wbro, .j_article_wbreco","directOrigin":true},"url":"https://stock-news.laohu8.com/highlight/detail?id=2666628517","pubTimestamp":1789046718,"columns":[],"sourceInfo":{"source_id":"sina_tech","name":"新浪科技"},"weMediaInfo":null,"summary":"许华哲也提醒，当前行业对数据量本身存在一定程度的高估。智能：Astra很惊艳，但还缺物理这一课GPT-6的Astra直接控制机械臂，让“具身智能要被大模型降维打击”的说法又热了起来。王潜并不认同这一判断。许华哲的测试感受更具体：Astra的语义和空间泛化很强，桌面上的东西基本都认识，抓筷子、插杯子、handover也能做。沈宇军认为，完全有可能会诞生一种完全新的技术。","collect":0,"end_time":0,"defaultTopTitle":"sina.cn","property":[],"viewcount":null,"language":"zh","relate_stocks":{"WDRN":"WisdomTree Physical AI Humanoids and Drones Fund"},"translate_title":"The Astra 6 can control the robotic arm but can't fold clothes properly? Four industry leaders respond to the controversy over embodied intelligence","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"WDRN":1.5},"content_text":"【TechWeb】过去一年具身智能很火热，却一直没有回答关键问题：训练机器人到底更应该依赖真实数据还是仿真数据？通用大模型会不会“降维打击”具身模型？机器人什么时候才能真正进入可持续商业化？在2026 Inclusion·外滩大会上，苏度科技联合创始人兼CEO韩铮、蚂蚁灵波科技首席科学家沈宇军、自变量机器人创始人兼CEO王潜，以及破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲就上述问题展开了讨论。值得一提的是，四位业内人士坐在一起，不是来统一口径的，反倒把各自的分歧摊开讲了个痛快。数据：仿真和真机，不是一道站队题具身智能的第一个分歧来自数据。韩铮先亮明态度：苏度坚信仿真，但这句话后面还有半句——真实世界的数据同样有用。他回顾，团队从2015、2016年就开始做机器人仿真器和合成数据，后来真正商业化，才发现科研和落地是两回事。2024年之后，他们重构了数据系统和仿真器管线，到去年底、今年4月放出的结果里，抓、放、组装这类任务在物体、环境、光线组合变化下，已经能做到接近100%的成功率。不过，韩铮也没把仿真说成万能，仿真器本身仍有局限，业内重新加强仿真能力，本身就是一个信号。他强调，仿真与真实数据并不是非此即彼，最终更可能形成分层和组合。沈宇军则把灵波的立场说得很清楚：不是“坚决选真实数据”，而是不同阶段用不同数据。预训练阶段，互联网数据和真实物理世界采集的数据作用更大；具体任务里，仿真依然有价值。他更担心的是，Real-to-Sim的规模化，机器人最终只能靠身上的传感器去感知世界，而传感器一定有误差。比如触觉信号，真实传感器拿到的频率、幅值、一致性，和仿真里造出来的常常千差万别。如果这些不完美没法规模化地搬进仿真器，只谈缩小Sim-to-Real的Gap，价值就有限。许华哲也提醒，当前行业对数据量本身存在一定程度的高估。“一百万小时”“几百万小时”并不天然意味着更好的模型。数据规模之外，质量、分布和训练方式可能更加重要。智能：Astra很惊艳，但还缺物理这一课GPT-6的Astra直接控制机械臂，让“具身智能要被大模型降维打击”的说法又热了起来。王潜并不认同这一判断。他的核心观点是，“智能的本体存在于数据里”，模型更像蒸馏器和容器。Coding之所以先被解决，是因为代码数据最容易制造、也最容易验证。如果OpenAI或Anthropic真要做具身，仍然要建数据基础设施、验证体系、仿真器，要到现实里做评估，甚至碰硬件。这些难度不会因为拥有一个更强的语言模型而自动消失。许华哲的测试感受更具体：Astra的语义和空间泛化很强，桌面上的东西基本都认识，抓筷子、插杯子、handover也能做。但一碰到Contact-rich任务，比如用筷子挑东西、叠盒子、叠衣服，就不太行了。他举了真假菠萝的例子，泡沫水果可以靠大力抠起来，真菠萝却得找叶子。具身模型必须知道自己在抓什么，再决定怎么抓。未来应该是大模型、具身模型和物理世界连成一个完整系统，而不是谁替代谁。沈宇军补了一层：机器人身上的模型要源源不断接收传感器输入，不能像对话模型那样一轮一轮被打断。它可能会成为更高阶模型的工具，但反过来，具身场景里那些天气、温度、人的脸色之类的现实信息，也可能给云端大模型新的养料。场景：客户持续掏钱，比Demo更重要聊到商业化，质疑很现实：Demo多、融资热，但能规模复制、持续付费的场景在哪？韩铮认为，高成功率是前提。很多任务第一次就要接近100%，还要有泛化性，不能靠大量后训练去过拟合，设备可靠性和服务也绕不过去。但沈宇军认为，行业还容易陷入另一个误区：把商业化几乎全部归因于模型性能。在真实场景中，客户最终购买的不是一个模型指标，而是一套能够工作的系统。是使用一台完整的人形机器人，还是只需要一套双臂？硬件成本是多少？传感器是否可靠？系统能否长期稳定运行？部署和维护成本能不能被客户接受？这些问题都会直接决定商业化是否成立。“具身是一个复杂的系统工程。”在沈宇军看来，模型只是其中一环。真正落地，要综合考虑硬件、模型、系统鲁棒性、部署方式和最终ROI，而不能把所有场景问题都归结为“模型还不够强”。王潜则给出了一个更加直接的判断标准：客户能否可持续付钱，而且越付越多。最近他们在物流场景里做到了传统机器人做不到的事，ROI超过人类。商业化不是前沿的对立面，有了钱才能继续做更大的模型。许华哲认为，真正属于这一代具身智能的跃迁，是基础模型面对大量未知任务时，也能不断提高成功率——从50%、60%、70%，最终走向工业场景所需要的99.99%。因此，这场“场景之争”的答案可能并不是寻找某一个杀手级应用，而是同时跨过几道门槛：模型要有泛化能力，执行要足够可靠，系统成本要成立，客户还要愿意持续付费。对于未来五年，几位嘉宾反而普遍更加乐观。沈宇军认为，完全有可能会诞生一种完全新的技术。许华哲判断，通用具身服务的出现可能不需要五年、十年，“三年内就可以在很多地方开始服务”；王潜则认为，今天人们甚至低估了具身智能本身的重要性——数字世界的Agent已经开始重构软件生产，而只有当AI真正获得改造物理世界的能力，人工智能对生产体系的改造才可能形成完整闭环。回到开头的问题，这场讨论没有给出标准答案，但把分歧摆得很清楚：数据要混着看，智能要分层做，场景要算真账。具身智能不是某一夜突然降临，它更像一场长跑，谁能把成功率、泛化和成本同时跑通，谁才有资格谈未来。","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":false,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"isVideo":false,"video":null,"symbols":[],"gpt_button":1,"need_auth":false,"need_login_tip":false,"code":"91000000","status":"200"}}}