现在人们已经知道，人工智能产生的基础是scaling law（尺度定律），也就是说，参数量、训练数据和算力的持续提升会带来模型性能的提升，最终带来涌现。

相比于大语言模型可以使用全网的文本、图像数据，以及动辄十亿、百亿级别的参数量，目前机器人的训练规模还非常小。

有业内人士指出，早在2022年，谷歌就推出了机器人模型RT-1，能够执行700多个任务，成本是用13台机器人，在17个月中收集13万条数据。

更重要的是，具身智能所需要的数据是物理世界中的视觉-控制数据，相比于文本数据，获取成本极高。

人们最初获取数据是利用相机拍摄，后来发展到相机阵列：

再后来甚至是这样的：

卢策吾教授认为，如果说自动驾驶所需的训练数据是2D的，具身智能所需要的数据则是80D，空间不确定性更是自动驾驶数据的10000倍量级。

此外，与自动驾驶类似，具身智能需要的是多模态数据，除了视觉感知之外，更多训练者开始引入激光雷达。

上海科技大学的虞晶怡教授团队，还使用了陀螺仪来记录运动数据，以解决超大场景的感知难题。虞晶怡指出，想要获取足够多的数据，未来或许需要在每个人的衣服中都植入微型陀螺仪，由此产生的成本同样不可忽视。

物理世界中数据来源的难题，成为本届人工智能大会上行业人士探讨的焦点。如果不能跨越这道门槛，具身智能的scaling law就无从谈起。

通往AGI之路

为了应对现实世界的数据难题，研究者也在做出新的尝试。

卢策吾团队的思路是将数据简化。他指出，人脑在进行决策的时候，其实也不需要用到非常庞大、精准的感知数据，而是下意识做出一个判断，只要大致趋势正确就可以，后面随时调整。

因此，他们让数据回归到与自动驾驶类似的点阵云，极大压缩了图像体积，并引入力量的维度，建立力位混合的决策，使得数据复杂性大大下降。

此外，用仿真数据替代真实数据，能够大大降低数据成本。

银河通用创始人王鹤认为，当下真正可以实现规模化量产的数据，就是合成数据。过去几年间，王鹤团队建立起从物体、传感器仿真到数据标签生成的全方位合成方法，先以合成数据进行训练，再向真实世界迁移。

王鹤指出，以机器人灵巧手抓取为例，当训练量为10万次时，抓取成功率仅为58%，而十亿次训练可以做到86%的成功率。依托十亿级别的训练，银河通用机器人做到了对透明物体的抓取能力，而这样的训练量在现实世界中是无法做到的。

虞晶怡教授则展示了只用一张图片，就能生成物体三维模型的能力，这同样为仿真训练提供了便利。

除了构建仿真数据，开源合作也是扩大数据资源的有效方式。机器人领域的“国家队”——国家地方共建人形机器人创新中心在此次人工智能大会上发布了国内首款开源人形机器人“青龙”，并宣布将建立对标谷歌Robot Farm的机器人训练场，目标在2027年部署超过1000台机器人。

尽管取得种种进展，但业内人士仍然强调，当下不宜对具身智能抱有不切实际的期望。

谷歌DeepMind首席执行官哈萨比斯近日表示，尽管目前的人工智能可以写作、画画、创作音乐，但以通用智能的标准来说，仍然没有达到家猫的水平。

梅卡曼德创始人邵天兰也直言，目前具身智能仅仅相当于蜥蜴的水平，还没有走出“二叠纪”。

邵天兰还谈到，对于AGI，人类只是有了一些零散的感觉，但很难说真正找到方向，人形机器人也未必是最优的路径。他指出，人类并不一定是很好的模仿对象，比如每个人拿筷子、跑步的姿势也各不一样，也会有一些缺陷，AI也可以在实践中找到自己的方式，未必一定要像人。事实上，AI在围棋上也只是以人类为拐杖，但最终抛弃了人类的思维方式。

优艾智合创始人张朝辉则提醒，认为机器人可以先在工业场景落地，然后过渡到通用智能的想法可能是错误的。因为工业领域要求的是高效率、低成本，但是通用智能的训练与工业要求背道而驰。

因此，多位行业专家都表示，要警惕当下具身智能过热的风险。邵天兰指出，在过去十多年中，机器人行业已经经历了多次起落，如果不专业的资本盲目进入，对行业发展未必是一件好事。