如果說大語言模型是讓人工智能學會了人類的語言與邏輯
，那麼“具身智能”則是要讓人工智能穿上物理的軀殼

，走進真實的世界。然而
，當一個“初出茅廬”的機器人嚐試拿起水杯或邁出第一步時，現實世界的高昂試錯成本成為了橫亙在產業麵前的最大阻礙。

要想讓機器人真正在物理世界中遊刃有餘，要先為它們建造“健身房”與“訓練場”。4月13日
，在由上海市發展和改革委員會、上海市科學技術委員會指導
，上海市經濟信息中心、上海張江（集團）有限公司承辦
，上海市經濟信息中心未來產業高端智庫智力支持的“上海市重大科技基礎設施用戶戰略谘詢委員會第二期產業創新沙龍”上，科研學者、行業專家與投資人齊聚一堂，圍繞“重大科技基礎設施賦能人形機器人產業”這一主題展開探討。

資本狂熱與數據缺口

在資本端，具身智能正處於空前的“狂熱期”。shanghaifutengsimujijinguanliyouxiangongsizhixingdongshiyanyiyibiaoshi，xingyeyijinrucongjishuyanzhengmaixiangguimohualuodideguanjianjieduan，zibenshichangduijushenzhinengsaidaodeguanzhuduxianzhutigao。tatidao，2026年開年至今，國內具身智能已披露融資超30起，融資總金額約200億，遠超2024年同期的70億和2025年同期的126億。

張江集團產業促進中心研究員彭澤州說，根據2025年投融資事件數據，生物醫藥行業漲幅6%
，人工智能行業漲幅約60%，而具身智能漲幅達到了206%。“一個具身智能公司融到資的幾率是非常高的。”他說。

嚴禕禕指出，政策紅利
、“國家隊”等(deng)戰(zhan)略(lve)資(zi)本(ben)的(de)入(ru)場(chang)以(yi)及(ji)本(ben)土(tu)模(mo)型(xing)性(xing)能(neng)提(ti)升(sheng)帶(dai)來(lai)的(de)技(ji)術(shu)溢(yi)價(jia)等(deng)因(yin)素(su)共(gong)同(tong)推(tui)高(gao)了(le)市(shi)場(chang)對(dui)具(ju)身(shen)智(zhi)能(neng)的(de)期(qi)待(dai)，但(dan)與(yu)此(ci)同(tong)時(shi)
，行(xing)業(ye)仍(reng)麵(mian)臨(lin)著(zhe)技(ji)術(shu)複(fu)雜(za)度(du)極(ji)高(gao)、核心零部件國產替代以及市場接受度等嚴峻挑戰。

在彭澤州看來，現在具身智能並不缺錢，真正缺的是數據，而且是“非常大”deshujuquekou。zaitakanlai，suanfarencaikeyigaoxinzhengduo，suanliyekeyitongguotouruhuode，danzhenshishijiedeshujubingbushijiandanhuaqianjiunengmailaide。youqishigaojiazhi
、強專業、強場景約束的數據
，更加稀缺。

tarenwei
，ruguobajushenzhinenghezhinengjiashileibi，dangqianxingyeyongyoudeshujuliangjulizhenzhengchengshusuoxudeguimorengyoujudachaju。napabamuqianqiyeshoulideshujudouhuizongqilai，heweilaichanyezhenzhengxuyaodeshujuzongliangxiangbi
，kenenghaichabaibeiyishang。

正因如此

，圍繞數據采集、數據標注
、仿真生成和場景開放的基礎設施，正在變成具身智能產業鏈中越來越關鍵的一環，也是“訓練場”的價值凸顯的原因。

過去，人們更容易把重大科技基礎設施理解為麵向前沿科學問題的“國之重器”，而不一定將其與機器人產業直接聯係起來。但在具身智能時代，基礎設施不隻是做科研的地方
，也可能成為訓練數據的來源、模型驗證的平台和產業協同的節點。幾名與會嘉賓呼籲，應當加強各方合作
，讓更多基礎設施能夠賦能行業。

機器人“健身房”

具身智能的“進化”高度依賴試錯與交互。如果在真實物理世界中讓一台造價高昂的人形機器人去學習開門
、daoshuihuochuanyuezhangai
，bujindiedaosunhuidechengbenjigao，shujucaijidexiaolvyehendi。yinci，goujiangeleixuniyuxianshijiaozhidexunlianchang，chengweilechanyepojudeguanjian。

上海人工智能實驗室主任助理
、領軍科學家、上海創智學院副院長喬宇在分享中指出
，解決數據少、訓練難的有效途徑之一
，是構建一個具身仿真環境和數據生成體係，並與真實數據相融合。研究人員在虛擬世界中建立起包含各類材質

、力學屬性和三維結構等的虛擬環境
，將數字機器人放入其中進行成千上萬次的演練。這如同為機器人打造了一個“黑客帝國”般的“數字母體”，讓機器人在接入現實軀體前，就已經在虛擬工廠或家庭中完成了海量長程任務的試錯與學習。

chunxunideshujushizhongyuzhenshiwulishijiecunzaichayi，jiqirenzuizhonghaishiyaoshuangjiaoluodi。shanghaifuliyezhinengkejigufenyouxiangongsifuzongcaidaizhihuizhanshileyizhongbanshiwuwulixunliansheshi。

這套係統類似於一個專為機器人打造的“5D沉浸式影院”。其中，機器人的麵前是一塊巨大的環幕，播放著公交車


、地鐵或喧鬧街市的實景視頻。與此同時
，機器人腳下踩著的並非普通地麵，而是可以動態模擬各種顛簸
、qingxielukuangdeliuziyoudupinghengpingtai。zaizhetaosheshizhong，yanfarenyuankeyijingzhunjiancejiqirenzaimianduifuzashijiaoganraohejiaoxiadongtaibianhuashidepinghengnengliyudonglixueshuju。

落地場景：介於標準自動化和高價值任務之間

kejijichusheshibujinnengtigongshujuhexincailiao
，benshenyeyouwangchengweijiqirendeluodichangjing。qiaoyuzaiyanjiangzhongjuli，zaihejubiansheshidejiansheyuweihuzhong，huanjingzhongchongchizhegaofusheyujiduanwendu，zheshirenleiroushennanyichengshoudejinqu。ruguojubeikongjianlijiehejingxicaozuonenglidejiqirenjiqunnengzaicitidairenleijinxinglingbujianbanyunyujiance
，jiangshichanyeluodidezhongdatupo。

然(ran)而(er)
，彭(peng)澤(ze)州(zhou)指(zhi)出(chu)
，高(gao)價(jia)值(zhi)場(chang)景(jing)往(wang)往(wang)伴(ban)隨(sui)著(zhe)極(ji)低(di)的(de)容(rong)錯(cuo)率(lv)。無(wu)論(lun)是(shi)造(zao)價(jia)昂(ang)貴(gui)的(de)同(tong)步(bu)輻(fu)射(she)光(guang)源(yuan)
，還(hai)是(shi)動(dong)輒(zhe)損(sun)失(shi)百(bai)萬(wan)美(mei)金(jin)的(de)半(ban)導(dao)體(ti)晶(jing)圓(yuan)製(zhi)造(zao)車(che)間(jian)

，當(dang)前(qian)的(de)具(ju)身(shen)智(zhi)能(neng)都(dou)難(nan)以(yi)進(jin)入(ru)。因(yin)為(wei)目(mu)前(qian)的(de)人(ren)形(xing)機(ji)器(qi)人(ren)係(xi)統(tong)尚(shang)缺(que)乏(fa)絕(jue)對(dui)的(de)穩(wen)定(ding)性(xing)和(he)基(ji)於(yu)實(shi)時(shi)操(cao)作(zuo)係(xi)統(tong)的(de)確(que)定(ding)性(xing)。在(zai)這(zhe)些(xie)零(ling)容(rong)錯(cuo)的(de)極(ji)端(duan)場(chang)景(jing)中(zhong)，任(ren)何(he)一(yi)次(ci)輕(qing)微(wei)的(de)小(xiao)腦(nao)控(kong)製(zhi)延(yan)遲(chi)，都(dou)可(ke)能(neng)導(dao)致(zhi)災(zai)難(nan)性(xing)的(de)財(cai)產(chan)損(sun)失(shi)。

在此次討論中，嘉賓們對落地場景的判斷雖然不完全一致
，但有一個共同傾向：機器人率先落地的場景，大多會出現在介於“完全標準化自動化”與“高風險、高價值人工任務”之間的區域。

在工業製造中的部分環節，尤其是柔性裝配、搬運和協同操作，被認為仍有較大空間。與傳統工業機器人相比

，具身智能並不擅長替代那些高度固定
、流程已優化到極致的工作；相反
，它更適合進入那些變化較多、還依賴人工經驗的環節。華東師範大學國家可信嵌入式軟件工程技術研究中心副主任王江濤提到，未來幾年，製造業、物流業以及部分醫療和陪護場景，可能會更快看到落地。

youyuhuizhebiaoshi

，xiangjiaoyugaoduzidonghuadechengshugongye

，nongyefanerkenengshizhideguanzhudefangxiang。nongyechangjingtianranjuyougengqiangderouxinghegengdaderengongyilai，tongshiyixiexiandaisheshinongyeyijingjubeijiaohaodehuanjingkekongxing。