在资本与技术密集的具身智能赛道，百亿资金能否撬动未来人与机器人共生的局面？

11月20日智源具身OpenDay“具身模型会客厅”现场，八位产学研领军者针对这个颇具张力的问题，展开了一场关于战略抉择与产业路径的思辨。

若有100亿元推进具身智能，这笔资金如何使用？

在圆桌讨论现场，主持人甲子光年创始人张一甲提出一个更具洞察力的问题：“若手里有100亿元推进具身智能，这笔钱该怎么花？”

中国科学院大学教授赵冬斌风趣地将问题抛给产业界同仁：“这是资金方面的问题，让他们来回答（笑）。”这巧妙地预示了随后的精彩交锋。

“首先，100亿并不够。”加速进化创始人程昊紧接着直言不讳地修正问题前提：“若我只有100亿，肯定不会独自埋头落地，而是会找更多伙伴，比如投资智源研究院，吸引全球研究人才，使他们能专注于长期的技术突破。”

智源研究院院长王仲远积极回应。“我很赞同程昊总的回答，”他表示，并给出业界标尺：“100亿听起来多，实际也就10亿多美元。GPT - 3开始训练时，微软的投资规模也是这个量级。”

“100亿并非关键，”北京大学助理教授王鹤强调，他将“愿景引领”置于资金之上，“重要的是如何凭借事业和坚定进步吸引人才加入。我们期望大家为未来人与机器人共生的世界努力，而非仅为钱。”

自变量创始人王潜将话题拉回现实竞争维度，答案简洁有力：“首先吸纳市场上优秀人才，这是首位。其次是算力和数据。”

智元机器人合伙人罗剑岚展现宏大技术构想：“我会构建世界最大的能自我进化、自我闭环的数据系统。”他指出关键意义：“100亿可说多也可说不多，但关键是首个投入百亿做此事的个人或机构尚不存在。”

清华大学助理教授星海图首席科学家赵行称：“我也会构建最大的‘data engine’，目标是将物理世界信息全部数字化。”

最后，招商局集团AI首席科学家张家兴从模型架构层面为讨论提供收敛方向。他说：“我希望设计出属于我们的具身智能‘黄金式模型’，然后大规模预训练，提升能力，找到正确路径。”

架构之争：具身智能的“Transformer”终局思辨

对于具身智能未来是否会收敛到某种统一架构，众人也给出了思考。

中科院大学教授赵冬斌认为，“当前具身模型训练方法多样，”通过预训练、后训练等方式，模型在多项任务中展现通用能力。“未来可能出现收敛的单一模型，也可能保持模型多样化路径，两种情况都有可能。”

那么，最可能的收敛路径是什么？招商局集团AI首席科学家张家兴率先描绘颠覆性蓝图。“如同人类智能演进：先有动作能力，再发展视觉，最后诞生语言。”他指出，当前主流的VLA（视觉 - 语言 - 动作）架构在视觉和动作间插入语言模块，不符合人类操作本质逻辑。“开车时能边说话边驾驶，说明视觉和动作间有直接通路。本质上，期待大模型领域实现范式转换：从‘language first’转向‘vision first’或‘vision - action first’。”

清华大学助理教授赵行对此深表认同。“确实需要与大语言模型平行的基础模型，可能是‘大型行动模型’。”他阐述，该模型应基于视觉，融入语言能力，符合生物进化规律。他还指出具身智能模型与大语言模型关键区别：“大语言模型是开环的——用户提问，模型回答，流程结束。具身智能不同，执行动作后会立即获得世界反馈并调整自身行为，所以必须是能与环境实时交互、持续调整的闭环模型。”

然而，收敛之路并非一帆风顺。智元机器人合伙人罗剑岚提出“系统论”视角：“智能问题更可能由完整系统解决，而非单一模型。系统包括VLA、世界模型、强化学习等核心要素，整合形成真正闭环系统。”

智源研究院院长王仲远从数据基础角度给出收敛前提。“这种模型所需数据量极大，”他坦言，“可能要等更多机器人真正落地……出现‘具身智能的互联网’，有了数据基础，才可能有更好的大一统模型。”虽路径漫长，但他强调：“长期看，这是必须突破和解决的关键问题。”

北京大学助理教授王鹤将挑战指向数据瓶颈：“如今研发‘行动优先’模型，核心问题是：全球处于前沿场景运行的人形机器人可能仅有约一千台甚至更少。数量如此之少，不足以支撑探索成熟架构与模型。”他提出，短期靠仿真模拟，长期依赖“人形机器人数量”持续高速增长。

在讨论具体技术路径时，自变量创始人王潜提出更本质观点：“‘Transformer’说法可能有误导性，它只是架构组件。如同建造大楼，Transformer可能是砖块或钢筋，可替换。更重要的是设计建筑整体结构与功能。”他从语言模型发展中提炼两条核心经验：一是数据质量优于数据总量；二是通用模型（通才模型）能捕捉任务间“共同结构”或本质规律。他甚至大胆预测：“不久后，真正主导的多模态模型可能由具身智能推动发展……反过来主导甚至取代现有多模态范式。”

正如赵冬斌教授最后总结的：“输入模态远比互联网大模型丰富，输出也有多种实现路径。目前业界发展迅速，从学界看，仍处于百花齐放状态。”

而这正是爆发前夜的典型特征——在通往终局的路上，充满分歧的思辨往往比表面共识更能推动领域前行。所有人都期待具身智能“ChatGPT时刻”的范式革命早日来临。

（文章来源：蓝鲸新闻）

原标题：如果有100亿怎么花？8位具身智能大佬现身回答

郑重声明：信查查发布此内容旨在传播更多信息，与本站立场无关，不构成投资建议。据此操作，风险自担。