具身智能进入场景落地关键阶段，百度袁佛玉详解模型、数据与应用协同

随着人工智能技术的快速发展，具身智能（Embodied AI）正迎来从实验室走向实际应用场景的关键转折点。2026年8月19日，在北京举行的2026世界机器人大会上，百度集团副总裁袁佛玉发表演讲，揭示了具身智能产业正在经历的重大转变：从单纯追求模型能力的“能力涌现”，向能够解决实际问题的“生产力兑现”阶段迈进。

袁佛玉指出，要让机器人真正进入物理世界并承担实际任务，仅仅理解语言是不够的，还需要具备对物体关系、动作后果及环境变化的理解和预测能力。这一转变要求具身智能系统必须实现模型、数据与应用的深度协同。依托百度百舸AI计算平台，百度智能云正在构建完整的AI基础设施（AI Infra），支持企业完成从数据处理、模型训练、仿真评测到真机推理部署的研发全流程，将研究原型转化为可工程化的系统。

在数据层面，具身智能面临前所未有的挑战。不同于大模型可以通过互联网海量文本进行训练，具身智能的数据采集成本高昂且标准化程度低。袁佛玉强调，未来企业的核心竞争力将体现在有效任务小时数、高价值失败样本积累以及数据回流能力上。相比重复执行相同动作，失败案例、人工干预和边界情况数据更能暴露模型的真实缺陷，为后续训练提供宝贵反馈。

商业化落地方面，具身智能不会从替代完整岗位开始，而是优先选择工业上下料、物料搬运、质量检测等边界清晰、结果可度量的任务切入。袁佛玉表示，场景能否成功的关键在于任务成功率、人工接管率和单位任务成本的持续改善。为了支持规模化部署，百度智能云正在围绕多模态人机交互及云管端安全提供全面支持，并致力于推动标准化与场景开放，探索从试点项目到大规模商业应用的关键路径。

与此同时，行业内的合作模式也在发生深刻变化。过去模型公司与数据平台之间主要是采购关系，而现在双方需要共同识别模型的能力缺口，并据此决定新的数据生产方式。例如，光轮智能与黎曼动力的合作计划旨在构建百万小时级的具身智能数据集，形成完整的闭环生态系统。这种共创模式不仅要求数据平台参与出题、考试与纠错，也促使模型公司更早暴露自身不足，通过评测结果和部署反馈优化模型。

在应用场景拓展方面，具身智能已经从实验室演示走向真实生产生活。江苏国际数据港约5000平方米的实景实训场内，箸境S1人形机器人正在进行货架理货、商品拿取等复杂任务的持续训练。这些看似简单的动作数据，实则是培育具身智能泛化能力的重要场景。通过不断重复和调整动作，机器人积累了大量动态环境下的交互数据，为后续模型迭代提供了坚实基础。

此外，具身智能还承担着科学启蒙的使命。江苏箸境智能科技有限公司推出的“科创小学员”项目，利用自研人形机器人搭建国产机器人面向青少年的科普实践平台。身高约1.3米的“小箸”机器人不仅可以完成挥手、握手等拟人动作，还能进行书法绘画等精细操作，让孩子们直观感受语音识别、机器视觉和运动控制等技术的协同工作原理。

展望未来，具身智能的发展将更加依赖于产业链上下游的深度协作。模型公司、数据平台和场景方需要共同构建标准化的数据接口和任务结构，打破不同机器人终端之间的数据孤岛。只有实现数据的自由流动和共享，才能真正推动具身智能从实验室走向千行百业、走进千家万户。