具身机器人路线分歧公开：数据、模型与落地之争

2026年，具身智能不缺热度，缺的是有人把分歧摆上台面。9月10日外滩大会“物理智能——分歧与抉择”圆桌上，苏度科技韩铮、蚂蚁灵波沈宇军、自变量王潜、破壳机器人许华哲围绕数据、智能、场景三大分歧展开讨论。

数据之争：仿真还是真机？韩铮坚定押注仿真，认为光靠真实数据收集效率慢、质量受限。苏度2024年后重构闭源数据与仿真器管线，今年4月演示中，在物体、环境、光线强泛化下，抓取、放置、组装等任务成功率近100%。他称仿真是绕不过去的，美国同行也在加强仿真能力。沈宇军则表示不坚决选某一种，预训练阶段互联网与真实物理世界数据作用更大，具体任务中仿真仍有价值。他强调Real to Sim的规模化才是关键，若传感器噪声等无法规模化搬进仿真器，只谈Sim to Real gap缩小价值不大。触觉信息就是典型难仿案例，真实传感器信号与仿真千差万别。

智能之争：Astra会降维打击具身智能吗？王潜认为，Astra训入了大量机器人数据，OpenAI、Anthropic去年起大量采购机器人数据，这不奇怪。他提出“智能本体存在于数据里，模型只是蒸馏器和容器”，做前沿AI系统，模型作用已极小，关键在造数据、挑数据、验证数据。若OpenAI、Anthropic做具身，仍需一样的数据与验证基础设施，那它只是另一个具身公司，难度不会因基础模型优势降低。他认为大语言模型泛化到具身形成降维打击可能性不大，语言模型史上从未发生，3D、computer use、视频生成也未直接转化为机器人控制优势。反过来，Astra启示是预训练确实work，应坚定走下去。通用大模型无法在机器人上合理速度推理部署，仍需专用具身模型。

许华哲透露，破壳在Astra可用当天即测试。若将具身任务分为语义、空间、物理泛化，Astra语义和空间很强，物理较弱。它能认识桌面物体、抓起筷子等难抓小物体，甚至能把筷子立起插进杯子，三维空间效果很好。但做带物理接触的复杂任务，如用筷子挑开东西，就不太行了。他认为，理解物理是具身机器人公司最后的阵地。

当行业不再争论“什么是对的”，而是各自用产品和落地证明“什么是可行的”，一个赛道才真正从泡沫走向产业。