過去一年，具身智能領域迎來爆發式增長，成為人工智能與機器人技術融合的核心賽道。在近日舉行的北京智源大會上，多位專家學者分享前沿研究與產業實踐，為推動具身智能從實驗室走向廣泛場景應用出謀劃策。

在具身智能的技術路線與底層邏輯層面，清華大學教授孫富春表示，世界模型是全要素模型，空間智能是其向視覺空間的投影，強調觸覺糾偏高于視覺糾偏，需構建包含物理屬性等的沉浸式數字物理系統。

清華大學研究員、機器人控制實驗室主任趙明國提出，類腦算法可替代傳統控制器，人形機器人發展需從運動控制向視覺決策等升級，人類進化的底層運動智能具有啟示意義。

在具身智能的數據瓶頸突破路徑上，北京大學助理教授、智源具身智能研究中心主任王鶴主張采用合成數據為主、真實數據校準的訓練范式，通過十億級高質量仿真數據訓練的端到端模型，可實現零樣本泛化，已在零售、工業等場景逐步落地。

上海人工智能實驗室青年科學家、具身智能中心負責人龐江淼認為，合成數據有助于本體和場景泛化，但持續壓低真實數據采集數量，提升合成數據的質量，直到全合成數據能夠達成零樣本泛化，需要一定時間。

北京大學副教授盧宗青提出，利用互聯網視頻預訓練姿態生成模型，學習人類運動先驗，解決人形機器人數據稀缺問題。

清華大學交叉信息研究院助理教授高陽說，機器人數據采集成本高（需遙操作+物理交互），且難以用語言描述（如游泳），形成“無智能-少機器人-少數據”的惡性循環，可利用互聯網視頻數據，通過跟蹤視頻中物體運動預訓練模型，再遷移到機器人遙操作數據微調，結合強化學習，解決仿真與現實差距。

在具身智能的通用泛化能力構建方面，智源具身多模態大模型中心負責人、北京大學計算機學院助理教授仉尚航認為，構建具身快慢系統是具身智能從“單一任務/本體”邁向“通用泛化”的關鍵路徑，分別以“大腦（推理）+小腦（控制）”的分層快慢系統和VLA端到端快慢系統兩條技術路線，解決跨本體（如機械臂、人形機器人）與場景的泛化性問題。

北京郵電大學教授方斌表示，視觸覺感知是具身智能從“感知”邁向“精準操作”的核心環節，需通過傳感器創新、仿真數據增強與多模態融合，解決動態環境下的操作穩定性與泛化性難題。

關于具身智能的未來應用，智源研究院理事長黃鐵軍總結說，預計5-10年，具身智能有望代替人類從事不愿干、危險的勞動，但這并非終極目標，在更遠的未來，具身智能有望全面超越人類，代表人類走向星際。