速途网专访（报道：王佩）一只搭载全景相机的机器狗正尝试理解红灯停绿灯行的含义，而在它背后，一群顶尖 AI 科学家正试图用 " 以人为中心 " 的新范式，重新定义机器人与物理世界的交互方式。

" 现有的本体硬件与实际需求仍存在较大差距。" 面对速途网关于技术路线的追问，大晓机器人董事长王晓刚直言不讳。

图：大晓机器人董事长王晓刚

在这场采访中，王晓刚系统阐述了大晓机器人的技术路线——具身智能被期待拥有一个强大的 " 大脑 "，这源于过去几年在大语言模型和多模态模型上取得的突破，大家期待将这种语言模型的能力赋予机器人，以实现通用化能力。

但是，我们能够看到现有技术路线的明显缺陷，包括 VLA 模型。

VLA 模型是以机器为中心的，通过输入指令、图像和视频，直接输出动作，它不太需要去理解真实的物理世界和物理规律。我们期待将来有一个更强的 " 大脑 " 能去理解世界，这就是大晓提出的世界模型，与之伴随的是 ACE 环境式采集范式。

王晓刚表示，以前以机器为中心，基于不同物理结构的本体采集真机数据，很难综合得到一个比较通用化的 " 大脑 "。现在环境式采集 " 以人为中心 "，通过第一视角、第三视角和多模态数据，更好地对人和物理世界的交互进行建模，并利用这些数据训练我们的世界模型。简单粗暴地使用端到端或 VLA 并不能解决具身智能对 " 大脑 " 的期望。

特斯拉 " 视觉方案 " 路线与大晓的 " 世界模型 "

像特斯拉和 Figure AI 提出的所谓 " 视觉方案 "，只有视觉维度也会存在缺陷。在王晓刚看来，视觉确实是机器人理解世界的第一步，但要真正掌握物理规律、实现与人的自然交互，触觉、压力等力学感知必不可少。

具身智能的核心，本质是研究 " 人与物理世界如何接触 "。对人体的理解，不能只看外在动作，还要洞察力的传递、肌肉的协作。对世界的建模，也不能脱离人的需求和交互场景，毕竟我们所处的世界本就是围绕人建立的。

过去很多技术研发，只是让机器人 " 完成任务 "，却没有记录人与环境真实的交互逻辑。比如打拳、跳舞或许能脱离具体环境，但穿衣、递物这些日常动作，核心是人与物体的力感反馈和精准配合，这才是真正的难点。

大晓提出的 " 世界模型 " 更像是一个理解物理世界的 " 大脑 "。该模型分为三部分：多模态数据融合、复杂行为生成与预测功能。通过这三者的结合，机器人不仅能理解环境，还能生成具备物理和因果一致性的长时序行为。

与特斯拉从自动驾驶继承而来的纯视觉方案不同，大晓强调多模态融合的必要性。" 自动驾驶场景中不会发生物理接触，而具身智能需要与周围物体和环境产生物理接触，因此必须纳入其他维度的信息。" 王晓刚解释道。

数据革命：以人为中心的环境式采集

传统机器人数据采集面临两大困境：真机数据采集效率低下，仿真数据与真实差距过大。

大晓的解决方案是 " 环境式采集 " ——让人戴上第一视角传感器，结合周围第三视角摄像头，记录人在真实生产生活中的行为。" 采集效率会非常高，且能在真实场景中完成，还能记录人在长程、复杂环境下完成的动作。" 王晓刚表示。

这种方式与特斯拉和 Figure AI 近期采取的数据采集方式有相似之处，但大晓有更多环境视角数据，并通过世界模型进一步放大了数据价值。" 通过世界模型，我们能将有限的真实采集数据迅速放大。"

今年年初，团队发布了 Ego Life 数据集，记录了人们在真实环境中数百小时的数据。此外，他们还与西南设计院合作，获取大量房屋户型数据，用于训练机器人在不同家庭环境中的适应能力。

落地逻辑：从机器狗到家庭场景的渐进路径

具身智能的落地路径一直备受关注，大晓选择了一条从易到难、从 B 端到 C 端的渐进式路线。

短期来看，搭载导航能力与各类 AI 应用的四足机器狗是规模化落地的突破口。" 此前这类产品未能广泛应用，很大原因在于空间自主能力不足。" 王晓刚指出。

中期目标则聚焦于工业与商业服务场景，特别是闪购仓、前置仓等物流场景。这些场景需要大量人力支持 7×24 小时服务，机器人具备较强的可复制性。

家庭场景被列为远期目标。" 我们期待机器人完成一些复杂任务，但安全性是关键问题。" 王晓刚坦言，" 就像自动驾驶领域有主动安全机制，机器人进入家庭后，如果碰到人，责任该如何界定？这些都是需要解决的问题。"

行业卡位：头部未定，格局远未成型

尽管机器人赛道热度空前，但王晓刚认为行业头部卡位远未完成。

" 从技术路线来看，目前机器人行业原有的技术路线存在明显缺陷。" 他举例说，" 特斯拉和 Figure AI 在过去两三个月内，都放弃了以真机为主的技术路线，转向以视觉为主的技术路线。"

在产业链层面，机器人行业的分工也尚未完善。" 从零部件、传感器到计算芯片等环节，都存在很大的垂直整合空间。" 王晓刚指出，当前机器人成本依然很高，在质量、可靠性、一致性等方面，行业还处于相对初期的阶段。

这种不成熟的状态，反而给了新入局者机会。大晓背靠商汤积累的客户资源与技术能力，试图在具身智能领域找到自己的生态位。" 商汤过去十几年积累了几千家客户，覆盖众多行业方向，但此前缺少机器人载体的软硬件平台。"

团队底色：教授创业团的默契

大晓团队的组成颇具特色——汇聚了陶大程等多位顶尖 AI 科学家。这支以教授为主的团队，有着深厚的学术背景与彼此间的默契。

" 我和大程在硕士阶段跟着汤老师读书时就是室友，有很好的默契；其他几位老师也都是我们的学生。" 王晓刚透露。这种基于师生关系的信任网络，成为团队协作的重要基础。

在王晓刚看来，具身智能赛道仍需要持续创新。" 很多教授自己也想过创业，这些明星教授任何一位都可以去创业，但今天我们要团结起来，集中科研力量和创新能力去做更大的事。"

团队分工上，陶大程主要负责带领教授团队聚焦具身智能方向的持续研究创新，王晓刚则负责公司整体战略规划与商业落地。" 这样就能把研究上的领先性、创新性与现实中的落地工程化能力结合起来。"

写在最后

商汤布局的 "1+X" 战略正在显现其前瞻性。大晓作为 "X" 中的重要一环，承载着一代 AI 科学家由创新技术向产业落地的初心。在商汤的方舟平台已接入几十万路摄像头数据的背景下，一旦具身智能体与方舟打通，上百种 AI 应用都可以迁移到具身平台上。

在速途网看来，具身智能的竞赛不仅是技术路线的比拼，更是数据采集范式与产业生态的较量。当特斯拉和 Figure AI 转向视觉路线时，大晓坚持的多模态融合与以人为中心的 ACE 范式能否成为破局关键，将决定其在即将到来的机器人量产之年能占据怎样的位置。

世界模型开源、与国产芯片厂商合作、构建自己的数据采集体系——大晓正在下一盘多维度的棋。而棋盘的另一端，众多参赛者也在加速布局。具身智能的头部卡位战，或许才刚刚开始。