從共識到非共識：科技有「聯想」沙龍首場活動直擊具身智能產業化“三大困惑”

由聯想控股微空間、聯想之星與融科資訊中心共同發起的「科技有『聯想』」線下沙龍，於6月30日在北京迎來首場活動，主題定為「硅基進化論」。這場聚焦具身智能產業化議題的閉門交流，匯聚了學術、創業、產業與投資領域共八位嘉賓，圍繞數據基礎設施、模型範式演進、量產落地與商業化路徑等核心課題，展開了一場名為「共識與非共識」的深度思辨。活動主辦方刻意跳脫傳統論壇的套話框架，希望透過真實、甚至尖銳的一線觀察，為正在快速發展的具身智能產業釐清方向。首個環節「白板開放麥」成為全場亮點。不同於常見的演講或圓桌對話，主辦方邀請七位嘉賓輪流在空白白板前，分享各自最獨家、最不為人知的產業洞察。

這個設計意在打破行業慣例中的「共識陷阱」，鼓勵與會者直視那些尚未被廣泛討論、甚至存在重大分歧的「非共識」觀點。現場火花四射，嘉賓們從自身實戰經驗出發，點出了具身智能從技術驗證到規模化落地之間的諸多現實瓶頸。其中，冪特科技聯合創始人、技術長王志成以AI 1.0時代的發展脈絡為切入點，直言「數據是核心，模型是輔助」。他回顧自己在曠視科技五年間參與AI 1.0落地的深刻體會：團隊有高達80%的精力花在與數據打交道上，從數據標註、清洗到場景適配，每一環節都耗費巨大資源。更關鍵的是，當時的應用場景高度垂直，導致每一次數據工作的邊際價值快速遞減，難以形成可複用的基礎設施。

他認為，具身智能若要突破產業化的天花板，必須正視數據獲取與處理的基礎建設問題，否則模型再先進也難逃「場景孤島」的宿命。王志成的觀點引發了現場對數據基礎設施的熱烈討論。與會嘉賓普遍認為，具身智能不同於純數位領域的AI應用，它面對的是物理世界的連續性、不確定性與高成本互動。機器人需要在真實環境中蒐集數據，而這一過程遠比從網路爬取文本或圖像來得昂貴且緩慢。因此，如何建立高效、低成本、可規模化的數據採集與標註體系，成為產業化進程中無法迴避的第一道關卡。有嘉賓甚至指出，當前許多具身智能團隊仍在使用實驗室環境下的「手工」數據，離真實工業場景的數據需求還有很大差距。

模型範式的演進則是另一個引發激烈交鋒的議題。部分與會者主張，端到端的深度學習模型在特定任務上已經展現足夠潛力，但量產落地時往往需要妥協於算力、延遲與可靠性；另一方則堅持，模組化、可解釋的架構更適合當前的產業化需求，能夠讓工程師針對實際問題進行局部優化，而非仰賴黑箱式的整體訓練。這場「共識與非共識」的辯論並未得出統一結論，但所有人都同意：當前並不存在放諸四海皆準的最佳模型方案，選擇哪條技術路線，很大程度取決於具體的應用場景與商業目標。量產落地與商業化路徑的討論同樣充滿張力。

具身智能機器人從實驗室樣機走到生產線或消費市場，面臨的不只是技術成熟度問題，更涉及供應鏈管理、成本控制、售後服務與用戶接受度等複雜因素。有嘉賓分享，某些看似成熟的機器人方案在工廠試運行時，因為環境光照、地面材質或操作員習慣等細節差異，導致頻繁故障，最終不得不重新設計感知與控制策略。這些「非共識」的實戰教訓，凸顯了產業化過程中理論模型與真實世界之間的巨大鴻溝。整場沙龍在開放而犀利的氛圍中進行，主辦方期望透過這種「去套話」的交流模式，協助業界在喧囂的資本與技術熱潮中，找到真正值得投入的方向。

具身智能作為當前科技創新的熱點賽道，正面臨從實驗室走向規模化應用的關鍵轉折點，而「共識與非共識」的區分與探討，正是幫助參與者避開偽需求、鎖定真痛點的必要思維工具。「科技有『聯想』」系列沙龍由聯想控股微空間、聯想之星與融科資訊中心聯合主辦，未來將持續聚焦前沿科技領域，邀請一線創業者、科學家與投資人，針對產業化過程中最棘手的問題展開真誠對話。首場活動的成功舉辦，為後續系列奠定了基調：不是追求觀點一致，而是在分歧中尋找方向。