29位具身智能CEO談「泛化」：共識和分歧

近年來，具身智能（Embodied AI）成為科技與創投圈最火熱的關鍵字之一，從人形機器人到通用機械臂，資本與人才大量湧入。然而，當產業從實驗室走向量產前的關鍵時刻，「泛化」（Generalization）能力被視為決定這波浪潮能否真正落地的分水嶺。日前一場集結二十九位具身智能領域執行長的閉門座談會上，與會者針對「泛化」的技術路徑、商業模式與產業節奏進行了深度交鋒，雖然對於「必須克服泛化」有高度共識，但在「如何達成」以及「多快能達成」的議題上，浮現了清晰的策略分歧。所謂「泛化」，指的是機器人將在特定環境、特定任務中學習到的能力，遷移到未曾見過的新場景、新物件或新指令上的適應力。

過去幾年，工業機械手臂在固定產線上已能達到極高的精準度，但一旦面對商品種類頻繁更換的物流分揀、家庭環境中雜亂無章的收納任務，或是戶外非結構化地形巡檢，傳統的「示教再現」模式便顯得捉襟見肘。與會的CEO們普遍認為，泛化能力不足，正是當前機器人從「自動化設備」晉升為「智慧體」的最大瓶頸，也是客戶在採購時最猶豫的關鍵原因。在共識層面，與會者一致同意，數據是解決泛化問題的唯一燃料。不同於自然語言處理（NLP）領域有互聯網累積的巨量文本可供訓練，具身智能所需的「物理互動數據」取得成本極高，且難以透過純虛擬方式完全替代。

多位執行長在會中坦言，自家公司最大的開支並非硬體物料，而是數據採集團隊的人力成本，以及後續清洗、標註與仿真環境建置的投入。也因此，會中出現了一種聲音：產業應該盡快建立數據共享聯盟，或至少制定統一的數據格式標準，否則各家公司閉門造車，只會拖慢整體技術演進的速度。然而，關於數據來源與訓練策略，與會CEO們則明顯分為兩派。一派主張「仿真為主、真機為輔」，強調透過高保真的物理引擎與隨機化環境生成（Domain Randomization），讓機器人在虛擬世界中海量嘗試，再將模型遷移到現實。此派認為，唯有將成本極低的合成數據規模化，才能在可接受的時間內覆蓋足夠多的邊角案例。

另一派則堅持「真實數據無可取代」，他們指出，目前的仿真技術在觸覺回饋、軟體形變以及複雜光照下的視覺感知仍與現實有巨大落差，過度依賴仿真會導致模型在實驗室表現驚人，一到客戶現場就「見光死」。這派執行長傾向與特定場域客戶深度綁定，以實際營運中累積的珍貴真實數據，換取更扎實的泛化邊界。這種分歧也延伸到了產品落地策略。一部分受訪企業選擇「垂直深耕」，拒絕做大而全的通用機器人，而是將資源集中在諸如「零售門店補貨」、「藥品揀選」、「餐飲出餐」等單一場景，力求在該場景內做到極致的泛化，讓同一套硬體能處理該場景內八、九成以上的變化。

他們認為，與其追求一個什麼都能做但什麼都做不精的「全能助手」，不如先成為特定行業中不可或缺的標準配備。另一部分企業則押注「通用底層模型」，嘗試訓練一個巨大的「世界模型」作為機器人的大腦，再透過微調（Fine-tuning）快速適配不同任務，他們相信，真正的商業價值在於軟體層的複用性，而非硬體機構的客製化。會中對於「端到端」與「模塊化」兩種技術架構的討論，也激起了不小的火花。贊成端到端學習的CEO認為，直接將感測器輸入對應到馬達指令，最能發揮深度學習的潛力，也能避免傳統「感知-規劃-控制」分層架構中層層傳遞的資訊損失與延遲。

但反對者則警告，端到端模型具有高度不可解釋性，在涉及人身安全的工業協作場景中，客戶難以信任一個無法預測何時會「失靈」的黑箱子；他們主張在關鍵安全環節保留傳統的解析式控制迴路，僅將AI用於任務理解與路徑生成的上層決策。除了技術路線，資本與產業節奏的判斷也左右著這二十九位CEO的發言基調。一部分人認為，目前市場對具身智能的熱度已經過高，融資估值透支了未來三年的成長，若泛化技術遲遲無法突破，明年將迎來一波嚴酷的淘汰賽。他們呼籲同業應更務實地控制現金流，先靠專用設備的銷售養活團隊，再反哺通用技術研發。

另一派則持相反意見，認為正因為泛化是極度燒錢的長期工程，才更應該趁資本市場願意押注未來時抓緊募資，若過早追求損益兩平，只會在研發上綁手綁腳，最終在技術換代時被對手彎道超車。值得注意的是，與會者對於「人形」這個載體是否為泛化的最佳解，也存在著微妙的態度差異。部分CEO堅信，唯有具備與人類相似的形態，機器人才能無縫使用人類設計的工具與環境，這在資料中心巡檢、家庭服務等場景具備天然優勢。但另一派則直言，人形雙足行走本身就是極高的技術壁壘，但對於泛化任務的貢獻有限；與其耗費心力處理平衡與步態，不如將算力與成本集中在雙臂與視覺系統上，採用輪式底盤或固定基座，反而能更快達到商業閉環。

這種「實用主義」與「理想主義」的路線之爭，短期內恐怕不會有標準答案。最終，這場長達數小時的閉門對話並未產生一個統一的技術宣言，但卻凝聚了一項重要共識：具身智能的泛化之戰，絕非單一公司能憑一己之力取勝，它需要硬體供應鏈的配合、演算法團隊的創新，以及終端用戶願意提供真實場域進行試錯的耐心。有執行長在會後私下表示，大家雖然在商業模式上互不相讓，但在「必須盡快讓機器人學會舉一反三」這件事情上，所有人都站在同一邊。當軟體定義硬體的時代正式降臨，誰能在泛化的迷霧中找到最短路徑，誰就有機會定義下一個十年的自動化版圖。而在這個關鍵節點，產業鏈上游的變化也透露了風向。

以感測器與雷射雷達大廠速騰聚創為例，其最新公布的財報數據顯示，機器人相關業務營收已佔整體營收的一半，並貢獻了該公司今年上半年幾乎全部的收入增量，同時也一躍成為毛利潤的主要來源。這項數據從側面印證了，即使終端應用尚未完全成熟，但圍繞具身智能的零部件與基礎設施市場已經率先迎來爆發性成長，為整個產業的長期發展注入了一劑強心針。