具身智能基础设施先行收敛，能力量产成产业新焦点

在2026年智能经济论坛上，百度集团执行副总裁沈抖指出，具身智能技术正在经历从硬件制造向能力持续迭代的转变。这一趋势表明，尽管机器人本体已经进入规模化生产阶段，但如何让这些机器人真正"越用越会"，已成为产业发展的核心议题。

与传统数字世界的通用智能体不同，具身智能需要让AI真正进入物理世界。一台机器人学会一个动作并不难，难的是如何将这项能力快速复制到更多机器人和场景中。例如，在工厂环境中，一项已经验证过的任务能否在不同工位、不同设备甚至不同厂房中稳定运行，这考验着具身智能系统的泛化能力和持续学习能力。

当前，具身智能技术路线尚未完全定型，VLA（视觉语言动作模型）、世界模型、全身运动控制等路径仍在并行发展。这种技术路线的不确定性，使得全栈基础设施的重要性日益凸显。它不仅要能够处理数据、训练模型、进行仿真验证，还要能将真实场景中的反馈回流到系统中，形成闭环迭代。

"当智能体进入产业系统时，企业内部的知识、数据、流程和具体要求都需要被组织到真实场景中，"沈抖表示，"这个过程不仅需要解决模型和算法的问题，还需要打通数据持续生产、跨本体和跨场景能力部署等多个环节。"

在实际应用中，具身智能的挑战更加明显。以物流场景为例，机器人完成一次货物搬运可能只需要几秒钟，但如果要实现连续一万次稳定操作，就需要考虑人工接管率、单位任务成本、稳定运行时长等多个指标。而这些指标的背后，是数据采集、模型训练、仿真验证和真机测试等多个环节的协同工作。

"数据是具身智能的最大短板，"中国机电一体化技术应用协会的一份报告指出，"当前产业界正在打响一场数据争夺战，因为只有通过大量真实场景的数据积累，才能让机器人的能力真正得到提升。"

展望未来，具身智能的发展将更加依赖于基础设施的完善。这不仅包括算力、存储等硬件资源的支撑，还包括数据管理、模型训练、仿真验证等一系列软件工具的协同。只有构建起完整的全栈基础设施，才能真正实现具身智能的规模化应用和持续进化。