直擊IROS現(xiàn)場(chǎng)：宇樹禾賽自變量杭州論劍，美團(tuán)C位攢局

henry 發(fā)自 IROS
量子位 | 公眾號(hào) QbitAI

要說IROS Day 1誰最炸——美團(tuán)當(dāng)仁不讓。

一手2025美團(tuán)機(jī)器人研究院學(xué)術(shù)年會(huì)，展廳直接被圍到到水泄不通。

畢竟，一整個(gè)機(jī)器人圈的技術(shù)天團(tuán)都來了：

美團(tuán)副總裁毛一年、港大席寧教授、禾賽創(chuàng)始人李一帆、自變量機(jī)器人CEO王潛、宇樹創(chuàng)始人、CEO王興興、星海圖聯(lián)創(chuàng)許華哲、清華丁文伯教授、浙大許超教授、清華趙明國(guó)教授……

這些大咖不光人到了，主題演講也是亮點(diǎn)連連、金句頻出：

• 毛一年展示了美團(tuán)無人機(jī)高空送漢堡、機(jī)場(chǎng)閃送“小黃蜂”等最新進(jìn)展。
• 李一帆重磅發(fā)聲：機(jī)器人是中國(guó)近20年最好的機(jī)會(huì)！
• 王潛則直接拋出：具身智能不是把DeepSeek塞進(jìn)宇樹機(jī)器人里——具身智能不是 AI 應(yīng)用，而是基礎(chǔ)模型。

圓桌環(huán)節(jié)同樣火花四射：圍繞機(jī)器人的第一性原理，王興興與許華哲現(xiàn)場(chǎng)過招，當(dāng)前的機(jī)器人軟硬件到底誰在拖后腿？

接下來，讓我們一起深入看看本次年會(huì)的更多精彩內(nèi)容。

機(jī)致生活-Robotics for Better Life

幾乎所有在做具身智能的團(tuán)隊(duì)，如今都在強(qiáng)調(diào)一個(gè)共識(shí)：不要拿著錘子找釘子。

技術(shù)不是目的，而是工具。要回到場(chǎng)景，解決實(shí)際問題，讓技術(shù)真正成為生產(chǎn)力。

而談到“場(chǎng)景”，放眼整個(gè)行業(yè)，大概沒有誰比美團(tuán)更懂。

更重要的是，在美團(tuán)的戰(zhàn)略體系中，“場(chǎng)景”與“科技”的關(guān)系早就被想得非常透。

美團(tuán)副總裁、機(jī)器人研究院理事長(zhǎng)毛一年在年會(huì)上表示：過去幾年，美團(tuán)的戰(zhàn)略已從“零售”升級(jí)為“零售 + 科技”。

兩者的關(guān)系很清晰——零售是場(chǎng)景，科技是賦能。

科技的作用，是讓我們的場(chǎng)景變得更大、更好，讓服務(wù)更高效、更優(yōu)質(zhì)。

不同領(lǐng)域做機(jī)器人，本質(zhì)上都是為了服務(wù)人類、服務(wù)更好的生活。

而在未來5到10年，具身智能正是這一切的核心技術(shù)范式。

美團(tuán)的關(guān)鍵詞是autonomy（無人化）——讓技術(shù)驅(qū)動(dòng)零售行業(yè)變革。

無人機(jī)能送漢堡、披薩，無人配送車能從北京跑到深圳，風(fēng)雨無阻，而機(jī)場(chǎng)、酒店、園區(qū)場(chǎng)景中，小黃蜂也在承擔(dān)閃購(gòu)配送任務(wù)。

值得一提的是，美團(tuán)還是全國(guó)唯一獲得民航局許可在全國(guó)所有城市合法飛行的無人機(jī)，而且在晚上也能飛。

從低空到地面，從城市到社區(qū)，美團(tuán)正在構(gòu)建一個(gè)真正的“具身智能網(wǎng)絡(luò)”。

這也是今年年會(huì)主題——“機(jī)致生活 Robotics for Better Life” 的最好注腳。

可以說，只有當(dāng)低空經(jīng)濟(jì)基礎(chǔ)設(shè)施建設(shè)與真實(shí)零售場(chǎng)景深度結(jié)合，具身智能才能發(fā)揮出它的全部潛能。

最后，美團(tuán)也不忘“秀肌肉”——

在具身智能投資與產(chǎn)業(yè)化落地的賽道上，美團(tuán)依然穩(wěn)坐第一梯隊(duì)。

Model-base和learning-base的對(duì)抗生成

港大席寧教授的分享則直接從軟應(yīng)用帶向了硬科技，他的題目是《人工智能時(shí)代的機(jī)器人感知、規(guī)劃與控制》。

其中，頗具啟發(fā)性的是GAT 模型（Generative Adversarial Transduction）

簡(jiǎn)單來說，就是讓機(jī)器學(xué)習(xí)模型和解析模型彼此糾錯(cuò)、循環(huán)迭代：

機(jī)器學(xué)習(xí)負(fù)責(zé)處理復(fù)雜的感知數(shù)據(jù)，解析模型則基于物理規(guī)律來“守門”，保證穩(wěn)定與可解釋性。

兩者相互轉(zhuǎn)導(dǎo)，讓機(jī)器人既能“學(xué)得深”，又不會(huì)“飄太遠(yuǎn)”。

這也是他口中具身智能應(yīng)有的形態(tài)——既非純數(shù)據(jù)驅(qū)動(dòng)，也非傳統(tǒng)模型驅(qū)動(dòng)，而是二者的生成性博弈。

更具前瞻性的是他的非向量空間控制（Non-vector Space Control）理論。

在傳統(tǒng)控制中，我們處理的是位置、速度這樣的“向量”變量。

而在AI時(shí)代，感知空間早已不止向量——圖像、點(diǎn)云、觸覺，這些都構(gòu)成機(jī)器的“感知維度”。

席寧提出要在感知空間中直接控制，這意味著機(jī)器人未來的行動(dòng)不再依賴精確的軌跡規(guī)劃，而是從視覺、聽覺中直接“感”出下一步。

此外，他還提出了感知控制（Perceptive Control）的理論框架——

不同于傳統(tǒng)的“規(guī)劃-控制”串行鏈路，感知信息可以實(shí)時(shí)介入控制指令，讓機(jī)器人在復(fù)雜環(huán)境中實(shí)現(xiàn)真正的“Planning and control in perceptive frame”。

也就是說：機(jī)器人不只是看清世界，而是從看中學(xué)會(huì)行動(dòng)。

在底層理論部分，席寧教授還用香農(nóng)采樣定理拋出了一個(gè)極具挑戰(zhàn)的問題：

• “我們能否在采樣不足時(shí)仍然有效控制？”他以壓縮感知為例，討論如何在低采樣率下重構(gòu)信息，為機(jī)器人在算力受限、數(shù)據(jù)不完備的場(chǎng)景中仍保持穩(wěn)定控制提供了思路。

最后，他展示了人形機(jī)器人控制的最新嘗試：

當(dāng)機(jī)器人失衡或遇到突發(fā)狀況時(shí)，它不再死守原計(jì)劃，而是學(xué)會(huì)“執(zhí)行Plan B”，像人類一樣快速重置策略、重新站穩(wěn)——

這正是“具身智能”真正落地的樣子：機(jī)器學(xué)會(huì)感知、決策、再行動(dòng)。

汽車到機(jī)器人的變與不變

與美團(tuán)強(qiáng)調(diào)場(chǎng)景落地不同，李一帆提出了禾賽的路線：專注基礎(chǔ)設(shè)施，撐起整個(gè)行業(yè)。

他說，真正能支撐行業(yè)發(fā)展的，不是追著“金子”跑的人，而是那些在挖“礦”的——基礎(chǔ)設(shè)施建設(shè)者。

基礎(chǔ)設(shè)施技術(shù)（Infra Tech）之所以關(guān)鍵，是因?yàn)樗芙鉀Q創(chuàng)業(yè)和發(fā)展中的根本性風(fēng)險(xiǎn)和不確定性：

• 許多人以為挖金子方向會(huì)變化，但如果開發(fā)的是基礎(chǔ)設(shè)施，就能保持穩(wěn)定和可控的組織目標(biāo)。
• 真正“挖金子”的團(tuán)隊(duì)容易目標(biāo)頻繁變動(dòng)，導(dǎo)致組織文化和執(zhí)行力受影響。
• 做基礎(chǔ)設(shè)施的人更容易形成有戰(zhàn)斗力的團(tuán)隊(duì)，因?yàn)樗麄兡繕?biāo)明確、收入和規(guī)模清晰。

除了戰(zhàn)略思路，李一帆還分享了硬件開發(fā)的不可能三角：質(zhì)量、性能、成本。

• 質(zhì)量為先：先保證產(chǎn)品可靠，讓用戶放心使用
• 性能其次：在可靠的基礎(chǔ)上探索技術(shù)邊界，提升性能
• 成本最后：在前兩步完成后，實(shí)現(xiàn)規(guī)模化普及，控制成本

在具體的降本方面，他指出：硬件成本大部分來自電子料，關(guān)鍵不是壓榨供應(yīng)商，而是自己掌握關(guān)鍵部件并優(yōu)化設(shè)計(jì)。

以禾賽為例，自2017年起，他們逐年將核心技術(shù)自研化，每年投入數(shù)億元，確保產(chǎn)品性能與成本可控。

此外，他對(duì)汽車與機(jī)器人的對(duì)比，也揭示了未來的創(chuàng)業(yè)機(jī)會(huì)：

• 汽車：數(shù)據(jù)豐富、二維環(huán)境、硬件成熟，軟硬件可部分解耦
• 機(jī)器人：自主交互、三維環(huán)境、硬件不成熟，數(shù)據(jù)稀缺，軟硬件不可解耦

這意味著，創(chuàng)業(yè)者可以先把硬件打磨好，再以數(shù)據(jù)和AI為切入點(diǎn)，構(gòu)建行業(yè)基礎(chǔ)設(shè)施。

在軟硬不解耦的環(huán)境下，中國(guó)創(chuàng)業(yè)者憑借強(qiáng)大的供應(yīng)鏈和制造能力，有望快速搶占市場(chǎng)。

李一帆表示：這個(gè)有可能是未來20年我們看到的最好的機(jī)會(huì)。

自變量王潛：構(gòu)建物理世界的基礎(chǔ)模型

與前幾位分享者不同，王潛一上來就提出了幾個(gè)大家忽視的命題：具身智能是什么？

具身智能不是把deepseek塞到宇樹機(jī)器人里，而且具身智能也不是AI應(yīng)用，而是基礎(chǔ)模型。

這個(gè)基礎(chǔ)模型和大語言模型完全不一樣。

現(xiàn)有的語言模型、多模態(tài)模型固然強(qiáng)大，但它們都扎根于虛擬世界，對(duì)物理世界的理解與操作能力仍然非常有限。

他強(qiáng)調(diào)：“我們今天所做的，是一個(gè)平行于虛擬世界的物理世界基礎(chǔ)模型，它完全獨(dú)立于現(xiàn)有的語言和多模態(tài)模型。”

物理世界充滿隨機(jī)性和不可預(yù)測(cè)性：推動(dòng)一個(gè)杯子，同樣的角度、力度，結(jié)果可能每次都不同；

抓取一個(gè)物體，看似簡(jiǎn)單的抓握，實(shí)際上涉及摩擦、可變形物體和部分可觀測(cè)的復(fù)雜狀態(tài)。

傳統(tǒng)的語言模型和靜態(tài)數(shù)據(jù)集無法應(yīng)對(duì)這些挑戰(zhàn)。

他進(jìn)一步強(qiáng)調(diào)，機(jī)器人需要主動(dòng)感知、交互式操作等能力，這些在虛擬世界或傳統(tǒng)模型中根本無法實(shí)現(xiàn)。

因此，物理世界的基礎(chǔ)模型不僅需要端到端的訓(xùn)練方法，還需要統(tǒng)一模型來應(yīng)對(duì)多樣任務(wù)——從動(dòng)作生成到視覺理解、語言交互再到三維環(huán)境重建。

在談到模型訓(xùn)練時(shí)，王潛提出了一個(gè)核心觀點(diǎn)：

• 數(shù)據(jù)為中心，而非單純?cè)黾訑?shù)據(jù)量。他指出，現(xiàn)實(shí)世界數(shù)據(jù)的多樣性和高質(zhì)量，遠(yuǎn)比大量低質(zhì)量的模擬數(shù)據(jù)更能推動(dòng)模型性能提升。

比如在機(jī)器人導(dǎo)航和動(dòng)作操作中，高質(zhì)量的真實(shí)數(shù)據(jù)往往比仿真數(shù)據(jù)更高效、更經(jīng)濟(jì)。

他總結(jié)道：“單純?cè)黾訑?shù)據(jù)量、建數(shù)據(jù)工廠，沒有太大意義。關(guān)鍵是提高數(shù)據(jù)的質(zhì)量和效率，這才是實(shí)現(xiàn)通用人工智能的核心。”

此外，相比大家偏愛的專才模型，王潛則對(duì)通才模型更情有獨(dú)鐘。

他認(rèn)為，通才模型是未來通用機(jī)器人的核心。

因?yàn)橥ú拍Ｐ涂梢酝ㄟ^學(xué)習(xí)物理規(guī)律、物體屬性和交互模式，模型后續(xù)能夠以極少的數(shù)據(jù)實(shí)現(xiàn)新任務(wù)的快速適應(yīng)，這正是few-shot learning與in-context learning出現(xiàn)的基礎(chǔ)。

最后，他指出：真正的人工智能基點(diǎn)，不是單純的智能基點(diǎn)，而是物理基點(diǎn)——來源于物理世界的算力、能源和數(shù)據(jù)，才能推動(dòng)通用人工智能甚至超級(jí)人工智能進(jìn)入下一個(gè)時(shí)代。

具身智能落地：從第一性原理到理想形態(tài)

在圓桌環(huán)節(jié)，丁文伯、王興興、許超、許華哲和趙明國(guó)展開了一場(chǎng)跨越哲學(xué)、工程、科幻與未來想象的深度對(duì)談。

他們來自不同的領(lǐng)域——有的從算法出發(fā)，有的深耕硬件，有的關(guān)注智能系統(tǒng)的整體架構(gòu)，也有的直接以科幻的方式想象機(jī)器人的終極形態(tài)。

但他們共同的問題是：什么才是具身智能的第一性原理？軟硬件該如何共生？數(shù)據(jù)與模型誰是更真實(shí)的驅(qū)動(dòng)力？而未來機(jī)器人的理想形態(tài)是什么樣的？

Q1：探索具身智能發(fā)展的“第一性原理”

在談到“具身智能的第一性原理”時(shí)，幾位嘉賓從不同角度進(jìn)行了思考。

王興興表示：很多商品都可以按成本與重量來算，這是一個(gè)非常直觀的第一性原理。但目前就智能來說，關(guān)于第一性的認(rèn)知還沒有收斂。

比如數(shù)據(jù)壓縮是比較流行的認(rèn)識(shí)，但他認(rèn)為這并不是終極的構(gòu)想，目前還是缺乏像牛頓力學(xué)那樣的基本規(guī)律體系。未來可能需要在核心原理與工程實(shí)踐之間，找到新的平衡與連接方式。

許超則從控制論與物理學(xué)的角度回應(yīng)了這一點(diǎn)。他將“具身智能”比作“身體與靈魂的合一”：

• 機(jī)器人原本是力量和精度的象征，但它的腦子還不夠。補(bǔ)腦，就是人工智能的任務(wù)。

他提出了一個(gè)啟發(fā)性概念——“牛頓加辛頓”模型：牛頓代表物理世界的第一性原理，辛頓代表神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)與優(yōu)化能力。

未來智能系統(tǒng)的關(guān)鍵，是讓這兩者“握手”——既保留物理規(guī)律的約束，又借助神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)適應(yīng)與學(xué)習(xí)。

許華哲從更哲學(xué)的角度提出了他的“三原論”——欲望、先驗(yàn)與經(jīng)驗(yàn)。

他指出，人類與動(dòng)物的智能，源自最根本的欲望：

• 最基本的欲望就是活下去——不被傷害，探索未知，擴(kuò)大自己的邊界。

但現(xiàn)有機(jī)器學(xué)習(xí)系統(tǒng)只有擬合，沒有欲望。因此，他提出一個(gè)激進(jìn)問題：能否讓機(jī)器人擁有自己的欲望？

接著是先驗(yàn)：“為什么馬生下來幾分鐘就能走路，而機(jī)器狗要訓(xùn)練幾十年的等價(jià)時(shí)間？”在他看來，DNA攜帶了高效的經(jīng)驗(yàn)，而神經(jīng)網(wǎng)絡(luò)缺乏這種先天知識(shí)。

預(yù)訓(xùn)練（pre-train）模型是一條路，但還需要探索更像“遺傳機(jī)制”的高效經(jīng)驗(yàn)移植方式。

最后是經(jīng)驗(yàn)：他講到一個(gè)生活細(xì)節(jié)——修煤氣灶的師傅能在扭曲姿勢(shì)中保持平衡、精確操作，這是人類身體經(jīng)驗(yàn)與智能的結(jié)合。

只有用你自己的身體產(chǎn)生的數(shù)據(jù)，才能讓你的智能體在現(xiàn)實(shí)世界中真正奏效。

因此，智能的閉環(huán)應(yīng)由欲望（目標(biāo)驅(qū)動(dòng)）—先驗(yàn)（內(nèi)在結(jié)構(gòu)）—經(jīng)驗(yàn)（現(xiàn)實(shí)反饋）共同組成。

趙明國(guó)則表示——具身智能真的需要自己的第一性原理。

• 所有的東西最終都是物理的。那具身智能的第一性原理，應(yīng)該也是一個(gè)足夠簡(jiǎn)單、能從根上解釋清楚它與其他智能不同之處的原理。

他認(rèn)為，具身智能必須是一個(gè)獨(dú)立的概念體系，不能只是大語言模型（LLM）的應(yīng)用延伸。

如果只是把具身智能看作大模型的一個(gè)應(yīng)用，那它就不是獨(dú)立的智能。

他強(qiáng)調(diào)，當(dāng)前很多做法只是“把控制系統(tǒng)換成智能算法”，形式變了，本質(zhì)沒變。

真正的突破要來自重構(gòu)智能系統(tǒng)本身的結(jié)構(gòu)邏輯，而不僅僅是替換中間算法。

于是他提出了一個(gè)新的視角——“3 + 1 模式”。

在他看來，一個(gè)智能系統(tǒng)至少包含三大部分：

• 感知世界（傳感）：把外部物理信號(hào)轉(zhuǎn)化為信息
• 處理與推理：在信息空間中進(jìn)行計(jì)算、決策
• 作用于世界（驅(qū)動(dòng)執(zhí)行）：把信息結(jié)果重新變?yōu)槲锢砟芰?/li>
• “+1”部分則是這三者之間的信息和能量流動(dòng)機(jī)制，也就是系統(tǒng)真正的“生命力”

趙明國(guó)提醒：如果我們只盯著信息處理這一個(gè)環(huán)節(jié)，而忽視了傳感與驅(qū)動(dòng)的革新，那所謂的“具身智能”就仍然停留在頭腦里，還沒有真正“長(zhǎng)出身體”。

Q2：站在軟件的角度，需要硬件做什么？站在硬件的角度，需要軟件做什么？

在第二個(gè)問題中，主持人拋出了一個(gè)“battle”——軟件與硬件，誰該跟上誰的節(jié)奏？

許華哲從算法端發(fā)起“挑戰(zhàn)”：

• 硬件別太脆，別太熱，別太容易壞。

他希望硬件能與軟件共同進(jìn)化，像生物系統(tǒng)一樣協(xié)同進(jìn)化。理想狀態(tài)下，AI算法的反饋能直接反作用于機(jī)器人結(jié)構(gòu)的改進(jìn)，實(shí)現(xiàn)軟硬件的共迭代。

王興興則代表硬件方回應(yīng)：AI越強(qiáng)，硬件要求反而越低。

他舉例說，過去非AI算法對(duì)硬件一致性要求極高，但AI算法能適應(yīng)更多物理偏差。

不過在當(dāng)下——AI 還不夠強(qiáng)，因此對(duì)硬件的穩(wěn)定性、靈活度要求仍然非常高。

“雖然我們做硬件的希望大家對(duì)硬件要求高一點(diǎn)，但現(xiàn)實(shí)是AI越強(qiáng)，它越不依賴完美的硬件。”

這一輪“互懟”顯然充滿火藥味，但也道出了核心矛盾：硬件的精密與算法的彈性，如何在同一具身系統(tǒng)中找到平衡？

趙明國(guó)則中和了兩位的表述，他認(rèn)為軟硬件的關(guān)系其實(shí)是一種螺旋式的迭代。

當(dāng)軟件發(fā)展到一定階段，硬件必然需要升級(jí)來承載新的算法與概念。

而硬件的突破，又會(huì)反過來促使軟件范式的更新。表面上看是“硬件升級(jí)”，但本質(zhì)上往往是“軟件邏輯”的躍遷。

因此，未來的關(guān)鍵不在于“軟件先行”還是“硬件先行”，而在于能否真正實(shí)現(xiàn)軟硬一體的融合設(shè)計(jì)，不同的迭代階段對(duì)軟件有不同的需求和側(cè)重。

Q3：具身智能究竟是model-base還是data driven

當(dāng)談到“數(shù)據(jù)驅(qū)動(dòng) vs 模型驅(qū)動(dòng)”時(shí)，幾位嘉賓的討論頗有火花。

趙明國(guó)首先指出，model-based的方式，意味著人要先“想明白”再總結(jié)出理論，用理論去指導(dǎo)實(shí)踐。它的優(yōu)勢(shì)是可解釋、可控，但覆蓋面有限。

data-driven則不同——它的覆蓋面可能更廣，甚至有機(jī)會(huì)在數(shù)據(jù)積累到臨界點(diǎn)后，催生出新的理論。

但趙明國(guó)也提醒：“別以為數(shù)據(jù)沒理論。”真正有價(jià)值的是“好數(shù)據(jù)”，而不是“多數(shù)據(jù)”。數(shù)據(jù)的背后仍然有分布、有概率、有結(jié)構(gòu)——它依然需要理論的支撐。

未來也許不是理論被淘汰，而是理論在數(shù)據(jù)中被重新生長(zhǎng)出來。

他進(jìn)一步指出，當(dāng)一個(gè)系統(tǒng)的復(fù)雜度高到超出人類認(rèn)知時(shí)，我們就不得不依賴數(shù)據(jù)，讓神經(jīng)網(wǎng)絡(luò)去“擬合”現(xiàn)實(shí)的分布規(guī)律。這其實(shí)是一種認(rèn)知上的必然。

許華哲補(bǔ)充了一個(gè)生動(dòng)的觀察——

• “現(xiàn)在做機(jī)器人研究的學(xué)生，用腳投票：幾年前大家還在講 model-based，今年幾乎全都想做VLA（data- driven）。”

他笑稱，這是因?yàn)閿?shù)據(jù)驅(qū)動(dòng)帶來的成果更“可見”——模型再優(yōu)雅，也敵不過能跑起來的結(jié)果。

而當(dāng)機(jī)器能自己“挖數(shù)據(jù)礦”，實(shí)現(xiàn)數(shù)據(jù)采集與訓(xùn)練的閉環(huán)，那才是智能真正自動(dòng)化的開始。

最后，許超從控制論的角度收束了討論。他說，人工智能其實(shí)有一個(gè)“家譜”：爸爸是自動(dòng)化，媽媽是計(jì)算機(jī)，叔叔是數(shù)學(xué)。

他指出，無論是數(shù)據(jù)還是模型、軟件還是硬件，本質(zhì)上都要“合二為一”地去解決真實(shí)問題。

• 不管白貓黑貓，先抓住耗子。模型也好，數(shù)據(jù)也好，能讓機(jī)器人真的動(dòng)起來、能解決實(shí)際問題的，才是好智能。

他還強(qiáng)調(diào)，純粹依賴數(shù)據(jù)去擬合動(dòng)力學(xué)系統(tǒng)是不現(xiàn)實(shí)的——

在機(jī)器人領(lǐng)域，流體力學(xué)、多體動(dòng)力學(xué)這些物理規(guī)律仍然是底層的“秩序”，而深度學(xué)習(xí)更多是把未知部分補(bǔ)齊。兩者結(jié)合，才可能讓具身智能真正具備穩(wěn)健性。

Q4：理想的具身智能機(jī)器人是什么樣的？

圓桌最后一個(gè)問題是：“你心目中理想的機(jī)器人是什么樣的？”

趙明國(guó)表示：“我還是會(huì)繼續(xù)做機(jī)器人足球。”

對(duì)他來說，足球是機(jī)器人最完整的訓(xùn)練場(chǎng)：有運(yùn)動(dòng)、有協(xié)作、有對(duì)抗、有策略，是具身智能的“綜合考場(chǎng)”。

他提到，RoboCup計(jì)劃的目標(biāo)是在2050年，讓機(jī)器人足球隊(duì)能與人類世界杯冠軍對(duì)抗。

接著是許華哲的回答，就像從實(shí)驗(yàn)室走進(jìn)了科幻世界。

• “我希望機(jī)器人能有自己的好奇心。”

他說自己是個(gè)科幻迷，小時(shí)候最震撼的想法就是——如果機(jī)器人能自己造出自己呢？

他想象未來的機(jī)器人可以帶著人類的好奇心、欲望與智慧去探索宇宙。

許超則希望未來的機(jī)器人能和人類完美共生。

他正在構(gòu)想一個(gè)“匯聚之城”，讓機(jī)器人與人類在真實(shí)空間中協(xié)同、驗(yàn)證、共同生活。

同時(shí)，他強(qiáng)調(diào)綠色智能的重要性——算力不只是更強(qiáng)，而是更高效、更節(jié)能。

王興興則將具身智能和AGI聯(lián)系起來，他表示：

• AGI是人類最終極的一個(gè)發(fā)明，后續(xù)的無論是生產(chǎn)，包括可能很多的生產(chǎn)消費(fèi)娛樂，包括什么挖礦，包括星際探索，都可以用它來實(shí)現(xiàn)。

而且，這個(gè)時(shí)代是年輕人最幸運(yùn)的時(shí)代

• 再早幾十年你沒算力，再晚幾十年別人都做完了。唯獨(dú)我們這一代，有機(jī)會(huì)真的去定義智能。