11月7日，第九届中国国际进口博览会配套活动——具身智能产业生态共建交流会暨眸深智能战略发布会在上海国家会展中心举行。活动现场，眸深智能联合复旦大学未来信息创新学院、国家地方共建人形机器人创新中心、宇树科技、优必选等42家企业及机构，启动“通用具身大脑产业创新联合体”，并发布三项具身智能技术成果。
与此同时，眸深智能还宣布了多项产学研及产业合作，涉及机器人本体、算力、商业服务、先进制造和家庭应用等领域。
相比硬件性能的持续提升，如何让机器人适应不同本体、理解复杂环境，并在真实场景中稳定完成任务，正在成为具身智能产业化需要解决的问题。
42家企业及机构联合，推动具身大脑与产业场景对接
此次启动的通用具身大脑产业创新联合体，成员覆盖高校科研、机器人本体、灵巧操作、数据算力及产业应用等多个环节。
对于具身智能企业而言，模型研发与实际部署之间仍存在不少工程障碍。不同机器人本体的控制方式、芯片的计算能力和应用场景的任务需求存在差异，同一套模型能否适配不同硬件，以及适配成本能否降低，直接影响技术的应用效率。
此次联合体的成立，意在连接模型研发、本体制造、算力支持与应用场景等产业资源，为跨领域交流、技术协作与应用对接搭建平台。
活动现场，眸深智能还与复旦大学举行校企联合实验室签约仪式，“通用空间智能与自主系统机器人校企联合研究实验室”，围绕具身智能大模型、世界模型、端侧部署及多类型机器人系统集成等方向开展研究。
在产业应用方面，眸深智能分别与碧桂园服务、弈柯莱、东方有线、壁仞科技签署合作协议，合作方向涵盖商业服务、先进制造、家庭应用及国产算力适配。
这些合作覆盖了具身智能从基础模型、硬件部署到下游应用的多个环节。不过，从合作协议走向实际业务部署，仍有赖于后续技术适配、场景验证和商业模式的持续探索。
三项技术成果发布，覆盖模型、部署与家庭场景
技术发布是此次活动的另一项重点。
眸深智能创始人兼首席科学家陈涛发布了新一代具身原生模型“眸深·深悟”和具身智能基础架构“眸深·深枢”；公司联合创始人、技术委员会主席张益民则介绍了具备长期记忆能力的家用世界模型FWM。
其中，“眸深·深悟”主要面向机器人动态环境下的任务执行需求，通过一步生成动作，以及视觉与动作计算交叠等方式，降低动作生成过程中的等待时间。
根据企业发布的测试数据，在所列测试条件下，一步生成相较对应的多步生成基线，推理加速最高达到24.84倍。现场展示的任务能力还包括实时追踪与动作校正、受到干扰后恢复执行，以及失败后的重新规划等。
与模型侧的能力提升不同，“眸深·深枢”更侧重实际工程部署。该架构连接模型、芯片、机器人本体和应用场景四个维度，并衔接数据、仿真、模型配置、芯片部署、本体控制及场景交付等环节，试图降低不同软硬件组合下的重复开发成本。
另一项成果FWM则将目光投向家庭场景。
这一模型通过感知、长期记忆和操作模块相结合，探索机器人对家庭环境及用户需求的持续理解。发布会展示的一段视频中，系统利用此前积累的信息，帮助老人寻找眼镜盒，呈现了长期记忆在家庭辅助场景中的一种应用方式。
从上述成果可以看出，眸深智能的研发方向不再局限于单一模型性能，而是同时涉及模型推理、软硬件适配和具体场景中的任务执行。不过，模型在演示及测试中的表现，与跨场景、长周期运行的实际效果仍需区分。
从实验室走向真实场景，成本与数据闭环仍是关键
在随后举行的圆桌论坛上，来自机器人研发、产业应用及学术研究领域的嘉宾，围绕“从看本体到看大脑，具身智能‘大脑’赛道为何成为全球竞争焦点？”展开讨论。
对于中国具身智能产业的竞争优势，与会嘉宾普遍关注国内成熟的机器人供应链体系、丰富的应用场景，以及相对较低的数据采集成本。
上海创智学院副教授熊晓滨认为，中国丰富的应用场景为具身智能模型提供了数据积累机会，但较低的人力成本也带来了商业化挑战：当机器人进入实际作业场景时，能否实现优于人工的经济性，仍是一道现实门槛。
国家地方共建人形机器人创新中心首席技术官邢伯阳则从产业应用角度指出，中国具身智能的发展机会并不局限于工业领域，农业生产等多样化场景，以及人口老龄化带来的康养需求，都可能为机器人提供新的应用空间。与此同时，相对较低的数据采集成本有利于基础模型研发，但端侧部署的成本回收、异构本体与模型的适配，仍是技术走向应用需要解决的问题。
碧桂园服务首席技术官赵晓光则从物业服务场景出发，讨论了机器人规模化部署面临的具体问题。
在他看来，相比算力、功耗以及机器人本体与大脑之间的适配，真正困难的是建立有效的数据闭环。
一方面，机器人需要达到一定部署规模，才能持续积累真实场景中的数据；另一方面，如果单台机器人的投入产出账算不过来，又很难实现大规模部署。这使成本控制与数据积累形成了相互制约的关系。
此外，实验室中的高任务成功率，并不意味着机器人可以直接进入复杂环境。赵晓光以社区服务为例指出，不同地区的生活习惯、社区环境和安全要求，都可能产生模型训练时未充分覆盖的长尾问题。
他还强调，机器人部署不只是技术问题，也涉及企业原有业务流程的调整。如果仅将机器人视为人工岗位的直接替代品，而不重新设计工作流程，实际经济效益未必能够达到预期。
眸深智能首席技术官余翀则从技术部署角度提出，未来一段时间，云端与端侧模型可能仍将共存。机器人不仅需要复杂任务的推理能力，还必须满足实时性和安全性要求。尤其在工业生产等场景中，执行延迟可能影响整个作业流程，因此端侧能力仍然重要。
他认为，未来机器人要实现批量复制，不能每进入一个新场景、更换一种本体或芯片，都重新投入大量人力进行适配。降低跨平台部署的边际成本，是产业持续发展的重要条件。
这些来自应用方、研究人员和技术企业的讨论，指向了一个共同问题：具身智能的产业化竞争，已经不只是机器人能否完成某个复杂动作，还在于相关能力能否以可接受的成本，在不同场景中稳定复用。
以进博会为窗口，具身智能的创新探索正与更广阔的产业机遇相遇。此次活动凝聚科研与产业力量，将模型创新、生态共建与场景合作紧密连接，为通用具身大脑走向规模化应用奠定新的合作基础。
从实验室里的任务成功率，走向真实环境中的商业成功率，或许才是下一阶段具身智能产业竞争更值得关注的指标。
