具身智能何时迎来爆发？亮源新创找到冷启动解法

在2026可持续全球领导者大会相关论坛上，亮源新创围绕消费级家庭机器人的落地路径、模型泛化、数据飞轮与开放生态分享了行业判断。亮源新创认为，随着机器人硬件与供应链能力逐步成熟，行业发展的关键正从“能否制造机器人”进一步转向“能否让机器人在真实世界中稳定运行、适应多样化任务”。面向家庭这一复杂而多元的使用环境，如何让模型尽早进入真实场景、通过实际反馈持续提升能力，并借助开放生态扩大应用范围，是消费级机器人走向规模化应用的重要路径。

亮源新创联合创始人兼CTO范廷翔

一、打破冷启动：让模型进入真实世界，在使用中持续迭代

具身智能行业面临一个典型的冷启动问题：没有用户使用，就缺少真实场景数据；缺少数据反馈，模型迭代又可能受到限制。亮源新创认为，模型不能长期停留在实验室和预设的测试环境中，而应尽早进入适合的真实场景，接受不同任务与使用条件的检验。让模型在真实使用中不断积累经验、提升能力，是推动具身智能规模化落地需要解决的关键问题。

在模型训练方面，亮源新创利用互联网数据构建模型的学习资源。人类在日常生活与工作中积累了丰富的移动、操作和任务执行经验，互联网视频记录了大量这类行为。利用这些已有的人类行为数据，模型能够学习人类的运动与操作经验，为通用具身能力建立更广泛的学习基础，而不必完全依赖机器人在每个场景中重新采集数据。

亮源新创已积累上千万条互联网人类运动视频，用于具身模型训练。目前，团队每周处理的视频数据量约为20万小时，较半年前的12,500小时增长至16倍。持续扩大的数据处理规模，为模型学习更丰富的人类运动与操作经验提供了基础，也为具身基础模型的规模化预训练和能力提升提供了支撑。

数据规模之外，场景的丰富程度同样重要。模型只有经历足够多样的环境与任务组合，才能更充分地学习不同场景之间的共性与差异，提升跨场景泛化能力。亮源新创希望将互联网级别丰富的场景导入仿真器，进行大规模合成与训练，持续拓展模型的场景覆盖范围，为跨场景能力迁移创造条件，并有望推动模型能力实现质的飞跃。

这也体现了具身智能训练中的“数据金字塔”思路。物理AI既需要让模型通过互联网视频学习人类的运动与操作经验，也需要让机器人进入真实场景，与人和环境进行交互，获得一手的物理交互经验。前者为模型提供广泛的人类行为学习基础，后者则帮助模型检验和改进实际执行能力。两类数据相互补充、共同促进模型迭代，让模型既能从已有的人类经验中学习，也能在真实物理世界中不断积累经验。

丰富的训练数据为模型能力提升提供了基础，但模型能否将学到的经验迁移到陌生环境，并稳定完成实际任务，仍需要通过真实使用来检验。从“能用”走向“好用”，不仅需要进一步验证模型能力，也需要持续了解真实用户的需求。亮源新创关注的用户需求（User Queries）与失败案例（Failure Cases），正是识别模型能力边界、发现实际应用问题的重要反馈来源。其中，用户需求能够反映真实场景中尚未满足的任务，失败案例则有助于识别模型在环境适应、动作执行或任务处理中的不足，为后续模型改进提供依据。

二、从高容错场景切入，让家庭机器人先做到简单、好用、稳定

亮源新创认为，通用具身模型从广泛的环境适应走向具体任务的精准执行，将是一个渐进的过程。对于消费级家庭机器人，可以优先考虑容错空间较大、任务目标相对明确的场景，结合模型现有能力，让机器人先在消费者确实需要的日常任务中发挥作用，逐步提升基础能力与执行稳定性，再拓展到更多任务与场景。

例如，日常物品归位、分类整理和简单收纳，都是家庭生活中真实存在的需求。这类任务的目标相对明确，完成情况也较容易判断，既有实际使用需求，也适合检验机器人在真实环境中的基础能力。机器人需要处理的不只是物品本身，还包括不同的摆放位置、空间布局和执行条件。通过在这些场景中开展实际任务，机器人能够在满足用户需求的同时，逐步适应不同的家庭环境，检验并提升自身能力。

对于消费级家庭机器人而言，关键是将现有模型能力转化为简单、好用、稳定的使用体验。通过自然语言指令，用户可以向机器人提出任务要求，机器人则需要理解指令、执行相应任务，并在不同的日常环境中保持相对稳定的表现。相比单纯增加功能数量，任务能否可靠完成、使用过程是否顺畅，更能体现产品的实际价值。

亮源新创认为，随着基础能力和泛化能力不断提升，机器人可以逐步将已有能力迁移到新的任务与环境中，从具体任务的稳定执行，拓展到适应不同家庭环境，再到支持更广泛的家庭事务。在这一过程中，真实场景中的任务实践持续检验模型能力，模型能力的提升也为更广泛的家庭应用创造条件，让产品落地与模型进步相互促进。

三、开放模型，共建生态：消费级具身智能即将迎来Chat GPT 时刻

亮源新创已开源通用具身导航模型与通用具身全身控制模型，支持通过自然语言指令驱动机器人执行导航任务或生成全身动作，并探索将通用模型能力应用于人形机器人、四足机器人、无人机等不同形态的机器人本体。产业伙伴和开发者可以在适用场景中使用这些模型开展部署与应用，无需额外进行微调。让机器人听懂人话、理解人的意图，并将其转化为实际行动，是通用具身模型降低使用门槛、拓展应用可能性的重要能力。

亮源新创希望通过开放模型，为开发者和产业伙伴提供便捷的技术入口。一个好用、能够解决实际问题的通用模型，可以帮助开发者减少从头构建基础能力的投入，将更多精力放在具体任务、产品体验与应用创新上。亮源新创欢迎全球开发者和产业伙伴免费试用开放模型，与团队交流实际使用中的问题、需求与想法，共同推动模型在更多应用场景中发挥价值。

DeepSeek 的发展也提供了值得参考的经验：具有竞争力的模型与开放策略相结合，能够吸引全球开发者参与使用、研究与创新，并扩大技术的产业影响力。亮源新创希望在具身智能领域探索类似的开放路径，让通用模型成为更多产业参与者能够使用、继续开发并创造价值的技术基础。

对于具身智能的未来，亮源新创持乐观判断，认为具身智能有望在2027年迎来类似大语言模型领域 ChatGPT 时刻的重要突破。这份观点来自研发过程中不断出现的“Aha moment”——随着模型能力持续演进，一些过去难以实现的能力正在逐步显现，让团队看到了具身智能进一步突破的可能性。这不仅反映了当前的技术进展，也体现了亮源新创对行业未来发展空间的信心。

这一判断也建立在大语言模型持续进步所带来的技术机遇之上。亮源新创一直在利用前沿AI模型的发展推动具身模型演进，因为两者在语言理解、任务理解等方面存在许多可以相互借鉴的能力。与此同时，具身模型面向真实物理世界，需要更快地响应环境变化，并具备更充分的物理知识。这些独特的技术要求，也有机会为大模型能力的进一步发展带来新的经验与启发。随着两类模型持续演进，语言理解、任务规划与物理世界中的行动能力有望进一步衔接，为具身智能带来更多能力突破。

亮源新创期待与全球开发者、硬件厂商及产业伙伴共建开放的具身智能产业生态，加快通用模型在不同机器人与家庭场景中的应用，推动消费级家庭机器人从技术研发走向真实生活，并一同定义全球具身智能产业的未来。