当具身智能走到十字路口｜对谈苏度、蚂蚁灵波、自变量、破壳：四种一线判断

说话人 1：

我们今天直奔主题？然后我们今天会聊三个话题，一个是数据之声，一个是智能之声，一个是场景之声。为什么都是各种之争呢？就是因为感觉在 2026 年我们正处在一个十字路口，有非常多的没有收敛的路径在等着大家去探索。所以我们第一个问题想请教韩铮总。因为我们今天在数据这个方面，有人会认为要 bat 仿真，然后也有这个公司或者也有研究员在坚定的要 bat 真机。从您的角度看，你们在坚定的押注仿真，当初的这个押注是因为看到了哪些信号，然后到今天你们有没有看到一些新的增强的信号。

说话人 2：

我首先讲一下，我们是坚信要使用仿真。但是同时还有后面一句话，就是我们也坚信这个真实世界的数据的话也是非常有用的。并不是说纯粹用仿真。但我们其实出发点的话也比较朴素。从最早可能在 15 年 16 年开始做这个机器人的仿真器，合成数据的这条路，直到我们自己开始成立公司搞商业化版本的时候，其实是经历过两轮仿真，包括基于模型的强化学习的这条路，在仿真器里边能够去进行大规模的强化学习，这条路本身我觉得科研和，真正商业化的话是不太一样的。

说话人 2：

科研的话其实你可以用一些，比如说我们放出来的开源的项目和数据算法当中的话去做一些实验。但大家通常就会试一下之后的话，不知道接下来再怎么去大规模的去修改到一个基础模型。所以大家一般都会停到那个位置上，或者是大家使用仿真的时候，会在比如说这个偏传统的一些的控制方法里边的话，在换成一些这个机学习方法的时候，会用仿真器去做一些数据的补充等等。但真正大规模做这个大规模预训练，机模型的强化学习，去做大规模的预训练的数据生成和训练的话，实际上现在市面上不管是我们之前的这些开源的仿真器 CBM skill 还是英伟达的 isac，在我们自己内部看的话还是有一定的的局限性。

说话人 2：

所以我们在 24 年之后就是坚定的做了一个大规模的完全重构的必然的数据，包括这个数据管线，然后包括仿真器管线。到去年年底我们大概在 11 月份 12 月份的时候，也是在今年 4 月份放出来的一个结果。就是让大家看到对于这个物体和环境，包括光线等等当中的话组合在一起的强化化下的。比如说某些技能的操作，比如说像抓，包括后面我们放出来的一些，比如说像放置，包括一些组装类的任务的话，的确是可以在这个物体和环境几乎没有限制的情况之下的话，几乎能达到百分之百的成功率。但是我们也坚信，包括其他的这个路线的探索方式，最终大家还是会有一些上下分层，然后包括一些配合的方法，我觉得各自都在探索这个不一样的路径。

说话人 2：

但数据方面的话，我们还是坚持这个观点，就是光靠真实世界的数据收集，主要是效率比较慢，质量有的时候的话也比较受限，所以仿真是绕不过去的。我觉得这也是最近一段时间，比如说在美国的我们的一些的同行，他们自己也开始加强这个仿真器的能力。我们苏老师的一个学生，其实也还是没有毕业，最近也加入了美国的一家公司，然后担任他仿真器的核心的负责人。我觉得这也是给业内有一些信号，虽然各自使用的方法不太一样。对。

说话人 1：

好的，谢谢。接下来有请沈宇军沈总。林波在数据路线上是非常明确的选了真实的数据。对，就在您的角度来看，就真实数据哪些方面是不可替代的，就是仿真是怎么都做不到的那相比仿真的数据，它提供的这个最大的价值是什么？

说话人 3：

其实也不能说是不是坚决的选择了这个真实数据。数据这个事情我们是这么看啊，在凌波内部，我们从来不觉得说哪一种数据是一定要选或者一定不要选的。就是可能不同的数据在不同的阶段能起到不同的作用。我们会认为在预训练阶段，可能比如说说互联网的数据，以及真实的物理世界采集的数据，可能就是作用更大一点。但是如果你说像刚刚韩老师也说，如果我们说回归到做一个某一个具体任务，尤其是仿真，其实在自动驾驶意义就比较大。对如果我们回归到具体的某一个任务本身的时候，仿真数据还是有价值的这一点我们没有说仿真坚决不行。对，这是先澄清一个事情。对。

说话人 3：

但是同时为什么我们会比较坚持的说从预训练阶段的部分的数据，更多的从这个真实场景来呢？因为是这样，就是我觉得机器人它处在我们设想一下，机器人如果有一天真的能够在这个现实世界中干活，他可能跟现在数字世界很多模型的工作方式是不一样的。因为它一定是基于他身上的传感器，这是它唯一的，所有的观测一定只能来自于他身上的传感器。我们不可能说给机器人一个键盘，然后我给他打字输入或者是等等的。但是真实世界的传感器一定是有误差的，这个是物理条件限制的。就是我们没有见过特别完美的一个传感器。在这种情况下，机器人一定只能依赖他身上的传感器当作输入，然后做事情。这是我们觉得机器人最后落地的时候一定会面临的这个事情。

说话人 3：

在基于这个，如果我们从第一性原理说从最后的目标出发的话，我觉得仿真现在可能一个存在的可能一个问题当然大家讲的比较多的都是 seem to real 这个 gap，但我觉得可能更多的反而是 real to seem 这个部分的规模化。换句话说，我们能不能够把传感器的噪声，或者说一些更底层的东西真的很好的搬到房人气里，以及这个搬进去的事情是可不可规模化复制的。如果他不可以的话，我觉得他解决单一的问题是可以的。但如果我们预训练，肯定是希望解决更通用的能力。那在这个方面，如果 real to sim 这一步不可规模化的话，我觉得可能我们只谈 seem to real 这个 gap 的逐渐的变小，可能就是价值不大，这是我们的一个看法。所以更底层的一个判断就是您刚刚也问，我们觉得哪些数据的能力是一定是来自于真实数据，就是替代不了的。我觉得可能就是因为机器人必须要在物理世界中工作，而物理世界很这东西的不完美是不好仿的。

说话人 1：

比如说举一个具体的例子，什么样的不完美是在仿真器里面确实非常难做到的。

说话人 3：

比如说我就是当然现在大家可能讲的比较多的像视觉摄像头什么可能比较发达。假如说我们未来有一天希望机器人在工作的过程中也能依赖一些触觉的信息，大家可以知道就是触觉这个信号。当然现在有很多做触觉传感器的公司，他们也提供一些关于触觉的仿真的东西。但是你会发现，我们测过很多真实传感器拿到的信号跟他仿出来的就是基本上千差万别。不管是你的整个信号的频率，包括你的幅值，传感器之间的一致性等等很多问题。其实是很难真的说搬到一个仿真器里面，然后让他做一个非常完美的复刻。

说话人 1：

对，好的，谢谢。我们接下来再聊一聊这个智能之争。因为最近这个礼拜有一个非常重要的发布是 GPT6 的 astra。然后相信大家也都看到了这个社交媒体上大量的视频是由 S 去直接控制机械臂去完成各种各样的任务。甚至我看到一个说法，就是巨星智能要被通用的语言大模型降维打击了。我不知道王千总王总您看到那些视频的时候，你的感受是什么？我们要被降维打击了吗？