在具身智能和人形机器人领域，过去一年里，既有草根团队积极投身，也有商汤科技等头部企业强势布局。无论何种力量参与，都离不开规模化量产和体系化运营的支撑。商汤科技联合创始人、执行董事、大晓机器人董事长王晓刚在大晓机器人首场品牌发布会上接受媒体采访时表示，团队虽不完美，仍有许多短板待补，要在这一领域站稳脚跟，需具备多维度的综合能力。
大晓机器人正将这种对综合能力的深耕转化为实实在在的技术突破和产品落地。公司率先发布了行业首创的ACE具身研发范式，推出了首个开源且商业化应用的世界模型——开悟世界模型3.0，以及具身超级大脑模组A1。这些成果精准针对具身智能的核心痛点，得益于大晓机器人构建的全链路技术体系，涵盖“环境式数据采集-开悟世界模型3.0-具身交互”，有效解决了行业数据荒、常识差、泛化难和通用性不足等问题。
王晓刚指出，人形机器人产业仍处于发展早期，亟需标准指导，标准化建设需要全行业协同推进。目前，行业标准化建设面临三大难点：数据共享标准缺失，企业间数据无法互通，导致大量重复工作；安全责任与法规空白，机器人进入家庭后可能存在安全隐患，但相关责任界定和法律法规尚未明确；质量标准亟待完善，多数机器人难以实现两年保质期。
在王晓刚看来，具身智能需要长期投入和持续创新，不能仅靠单点突破。为此，大晓机器人组建了融合高校科研团队和产业化执行团队的复合型团队。首席科学家陶大程兼具顶尖学术造诣和深厚产业实践经验，作为澳大利亚科学院院士和欧洲科学院外籍院士，持续推动人工智能基础研究边界拓展，并深度参与过科技公司技术战略布局和产品落地实践。
除陶大程外，大晓机器人还汇集了吕健勤、李鸿升、刘子纬、潘新钢、赵恒爽、刘希慧等全球顶尖AI科学家，他们来自南洋理工大学、香港大学和香港中文大学，是环境智能、世界模型、具身模型领域的开拓者，助力大晓机器人抢占技术制高点。王晓刚表示，商汤科技深耕人工智能领域11年，具备独特优势，对行业应用场景理解深入，并提前布局具身智能领域，涵盖本体、零部件和触觉传感器等，为大晓机器人供应链奠定基础。
以方舟平台为例，商汤科技十年前积累了丰富的场景运营经验。如今，机器人成为移动终端，应用需求痛点未变。入局具身智能赛道后，商汤科技可快速捕捉核心需求，将机器人与方舟平台深度融合，这是其区别于其他参与者的显著优势。
AI发展经历了三代跃迁，倒逼具身智能研发范式革新。AI 1.0人工标注时代，标注ImageNet数据集需单人全职10.5年；AI 2.0大语言模型时代，数据规模指数级跃升，互联网文本数据集需单人全职撰写超12万年；AI 3.0具身智能时代，行业面临数据量级断崖式缺口，真机数据量级仅为10万小时，而特斯拉FSD V14每日训练量相当于人类驾驶员500年驾驶经验。这表明具身智能研发需实现范式革新，突破发展瓶颈。
传统“以机器为中心”的研发范式将机器人本体及硬件参数置于核心，导致数据采集成本高、效率低，技能模型绑定于特定硬件，无法形成通用认知与适应能力，成为行业规模化、通用化发展的关键障碍。特斯拉和Figure AI放弃真机遥操路径，探索纯视觉学习方案，但缺乏对三维物理世界力学规律、物理属性和动作意图的理解，难以逾越现实鸿沟。
大晓机器人颠覆传统逻辑，发布“以人为中心”的ACE具身研发范式，为行业带来四大核心数据价值：数据维度更全面，完成超10个视角、8种模态和4大类物品属性的多模态数据升级；任务覆盖更长程，支撑分钟级、数百种原子动作的复杂任务；交互精度更高，达到亚像素级标准；采集效率更具规模化，能快速完成从十万小时到千万小时的数据积累。
环境式数据采集相较于遥操采集，成本更低、效率更高。遥操采集需采购单价数十万元的机器人，投入专人开展实验室采集工作，人力成本高；而环境式数据采集无需额外硬件与专职人力，可实现数倍效率提升。随着数据采集规模扩大，环境式数据采集所用传感器、AI眼镜等设备成本可下降，而遥操采集依赖的机器人尚未规模化量产，成本难降低。环境式数据采集具备更强可复制性，以闪购仓场景为例，工作人员佩戴采集设备正常作业即可完成数据采集，无需额外搭建实验室或配备专职团队，可快速规模化复制。
王晓刚表示，更多人员便捷参与采集过程是规模化的核心前提，类似特斯拉依托数百万辆量产车，通过司机日常驾驶同步完成数据反馈与采集。正因如此，大晓机器人数据采集规模实现两个数量级跨越，从十万小时突破至千万小时。
世界模型较早应用于智能驾驶领域，如今延伸至机器人领域。强化学习与世界模型的结合在自动驾驶领域已有实践，特斯拉最新自动驾驶研发路线引入了二者的融合方案。王晓刚强调，二者并不矛盾，强化学习需要高度逼真、场景丰富的仿真环境，世界模型正是强大的仿真器，这一逻辑在机器人领域同样成立，拥有优质世界模型能更好发挥强化学习作用。
开悟世界模型3.0已与沐曦股份、壁仞科技、中科曙光、辉曦智能、影微创新等多款国产芯片完成适配。王晓刚表示，在与芯片公司合作中发现，各家顶层架构及配套软件差异显著，形成高技术壁垒，导致优化工作效率低下，依托开源生态联合开发可大幅提升联合优化效率，降低技术壁垒。一款有广泛影响力的开源模型对芯片企业价值不言而喻，尤其在国产化芯片成为未来主流趋势背景下，开源价值会进一步凸显，大晓机器人开源策略瞄准这一产业机遇，通过生态影响力反哺商业化价值。
开悟世界模型3.0作为行业首个“多模态理解 - 生成 - 预测”的世界模型，集成文生世界、像驱世界、迹塑世界等多模态生成能力，内置支持11个大类、54个细类，共计328个标签，覆盖115个垂类具身场景，不仅能理解物理世界因果规律，还能生成长时动静态交互场景，进而预测万千可能。王晓刚指出，用户使用过程是持续丰富场景库的过程，会推动世界模型能力边界与实际应用场景迭代式协同拓展。
随着世界模型演进，机器人能力进化将经历关键阶段。世界模型将显著提升机器人对物理世界的理解能力，实现此前VLA架构难以完成的复杂长程任务，机器人的任务泛化性也将迎来突破。训练通用大脑所用数据来自不同人类与场景，存在跨本体鸿沟，王晓刚解释道，世界模型分为多个层次，底层注入大量物理规律，使模型具备思维链能力，不依托物理规律，仅靠传统VLA方式无法完成。
对于具身智能的算力需求，王晓刚认为，若该领域数据积累量有限，算力并非现阶段制约其发展的最大障碍，但随着环境式数据采集推进，具身智能算力需求将远超语言模型。整体来看，具身智能算力需求将呈螺旋式上升特征，数据价值未被充分挖掘时，扩大算力规模能带来显著收益；数据价值触顶后，继续增加算力收益会大幅递减，这一瓶颈将倒逼行业通过新方式生成新数据，开启新一轮“规模化法则”。
在未来端侧领域，需搭建类似英伟达CUDA生态的通用平台支撑软硬件开发。基于此，大晓机器人发布具身超级大脑模组A1，应用场景聚焦低速复杂场景，让具身智能具备走进产业一线的实用价值。例如，搭载该模组的机器狗无需预采高精地图，即可适应复杂动态与陌生环境，完成自主巡检、跟随、避障等多样任务。具身超级大脑模组A1结合Insta360全景感知方案与商汤方舟通用视觉平台，构建全方位、高精度环境感知体系，覆盖超10个行业，实现超150个智能化应用场景适配。
开悟世界模型3.0可加载至具身超级大脑模组A1中，相关能力分步落地，现阶段具备空间智能自主能力，后续逐步叠加操作能力，两类能力在演进中不断融合。方舟属于后台应用，并非具身智能组成部分，其核心作用是将具身智能采集的数据转化为实际应用价值。大晓机器人打造“大体积”硬件，是因采购现有机器人测试后发现硬件存在诸多缺陷，如传感器视野狭窄等，其出发点是让产品更贴合场景需求，赋予机器人空间自主移动能力，后续还会持续迭代优化，降低成本和设备功耗。
在整个具身智能产业生态中，大晓机器人扮演着软硬一体角色，核心目标是输出成本更低、能切实解决用户痛点的最优产品。在具身智能加速落地的关键阶段，大晓机器人搭建全链路自主可控的具身智能生态，与顶尖具身厂商、硬件厂商、芯片厂商、云服务商、数据厂商达成战略合作，共同打通“模型 - 硬件 - 场景”产业闭环，推动技术从单点突破走向场景化落地。在具身本体领域，与智元机器人、银河通用、钛虎机器人、国地中心等多家头部企业合作；在硬件领域，与Insta360、卧龙电驱、帕西尼等伙伴深度绑定。
作为全球头部具身智能机器人公司，银河通用拥有全球最大规模百亿级具身数据集，其自主研发的具身智能大模型在多任务泛化操作、人形机器人全身运动控制等方面开创多项全球第一。大晓机器人与银河通用是互补关系，大晓机器人凭借开悟世界模型3.0的技术积淀构建平台架构，银河通用凭借智能硬件量产经验为大晓机器人技术落地提供产业基础。伴随行业发展，具身智能对算力、模型适配性和全栈国产化能力提出更高要求，大晓机器人与壁仞科技达成战略合作，共同打造面向机器人厂商的具身智能研发全栈解决方案，开悟世界模型3.0与壁砺™系列通用GPU产品已实现“Day 0”适配，整合双方技术积淀和算力优势，打造“算力 - 模型 - 应用”全链路国产化交付能力。
大晓机器人未来3 - 5年将聚焦商业化与工业场景规模化落地。家庭场景规模化落地需等五年以后，商业服务领域的前置仓、闪购仓等标准化程度高且增长迅速，具备规模化推广条件，若机器人能实现该场景替代，将催生十万级市场规模。工业场景可复制性较难，不同工厂产线数据敏感度高、企业开放意愿低，给通用型机器人规模化落地带来阻碍。搭载空间智能自主能力模组的四足机器人凭借稳定硬件基础，能突破工业应用门槛，未来在多个垂直领域具备大规模落地潜力。大晓机器人规划了三个市场目标：推动商业化落地，超级模组搭配机器人实现空间自主能力；2026年起，四足机器人有望大规模落地，具备空间智能、可自主运行；未来两三年重点发力前置仓、零售仓储等场景，工业机器人因产线更换后可复制性较弱，暂不作为核心发力方向。
王晓刚认为，真正意义上能包揽所有任务的“通用大脑”还需时间打磨，市场期待机器人实现更高通用性，但这是一个渐进过程，不同机器人可共享底层能力赋能所有垂直领域。现阶段具身智能机器人与工业机器人是互补关系，前者通用化能力适合柔性产线等场景，后者凭借成熟稳定性持续发挥作用。智能汽车产业与机器人产业共通之处主要集中在体系化建设与供应链管理层面，但机器人产业成熟度远不及智能汽车产业，在行业生态尚未完善阶段，需通过端到端全链路打通控制成本。具身智能赛道尚未形成头部格局，大量机器人聚焦导览类工作，虽产品形态和市场规模有限，但在行业发展初期起到市场普及作用，类似人工智能早期依靠工业领域应用完成市场教育，后续再考量成本与效率。
