加入高工机器人专业行业群，加微信：13510670440，出示名片，仅限机器人及智能制造产业链相关企业。
细数具身智能行业，由00后创业者创办的公司已不计其数，如LiberAI、零次方机器人、LatentVerse（潜界科技）、OriginFlow（渊澈太初）、万格智元、微面科技、汇光创新、奇点逃逸、RoboParty（萝博派对）、逆矩阵、启能机器人、xLean（颗粒进化）、Xspark AI（无界智航）、优理奇等等。
这群00后创始人中，有人一边读博一边创业，有人一毕业就投身于具身智能行业。他们所创立的企业紧跟当下最热门的技术路线，完成融资、发布新品，正频繁出现在公众视野中。
对于具身智能这样一个尚无太多可借鉴经验的行业来说，00后创业者不仅意味着初出茅庐，也意味着从0开始。
如果一直盯着“00后”这个标签不放，反而会忽视他们在产业中的摸爬滚打。他们并非借着具身智能的光；更准确地说，是他们选择联手，共同创造一个带有00后特有风格的具身智能行业。
基于此，高工人形机器人邀请了启能机器人 CEO 李论、桥介数物 CEO 尚阳星、猿声先达 CEO 侯宁喆、视塔机器人 CEO 张伟、零次方 联合创始人 李宜哲、潜界科技 联合创始人 陈与争这6位年轻的具身智能创业者，共同参加圆桌对话【后浪来袭】前辈们，具身智能轮到我们上场了。
以新生代的视角，聊聊他们的创业历程，以及对具身智能的真实看法。
从学校到管理公司的身份转变
主持人高工人形机器人 主编 罗广彦给他们抛出的第一个问题是，从学校到公司最大的转变是什么？
高工人形机器人 主编 罗广彦
对李宜哲而言，最大的转变是身份上的转变，“我硕博期间读的是人工智能专业，从一个纯做科研、纯做研发的科研工作者，转变为具备更多产品思维和公司运营思维的人。机器人产品与纯做算法或纯做软件有较大区别。我们已有很多年机器人软硬件全栈的长期交付经验和项目交付经验。因此，从学术界孵化到产业界的过程相对顺利一些。”
陈与争持有类似的认知，但他们通过公司的组织架构来弥补从学校到公司的gap，“我不认为我们是纯粹的科研团队。我们本身有在AI大厂实习的经历，团队中一些比较核心的联合创始人本身就是连续创业者。”
李论则是从工业制造出发谈身份转变带来的认知转变。他表示，“作为00后，我非常希望做一家AI原生的公司，公司的所有决策链路和数据收集全部架在AI上。如果某个环节需要一个HC、一个岗位，我们能不能通过做一款软件或一个Agent来实现该岗位的职能。
但实际上，具身智能本质上属于制造业，需要把东西做出来卖给别人。工业制造业（里面的学问）非常深，涉及质量、ERP等，同时必须保证产品能够量产。
当公司很多产品已经进入上量阶段，在量产过程中，如何解决物料来料、过程质检、出货质检等问题，并不是在学校里学到的东西，也不是原先设想的加一个Agent或加一套软件就能解决的。它更多仍然依赖经验成熟的工程师和质量管理体系，用这些专业体系来确保产品在批量对外出货时是可控的。”
启能机器人 CEO 李论
张伟持有类似的观点，用AI管理公司，关键不在“AI”，而在“管理”。
他表示，“我们身处制造业，既有做触觉的，也有做数据采集的，本质上仍是一个传统制造业。起初我和大家想的一样：如何用 Agent 直接做好生产和质量管理。当时我们去问那些做 MRP、ERP 的公司，聊下来发现，MRP 和 ERP 本质上是管理理念软件化的形态。因此，想做好这部分 Agent，本质上要先学好整套管理思维和链路，才有可能设计好 AI Agent。
现在我自己做得比较多的是整个公司的 AI 打通，但我不会亲自写代码。我们会有一个专门团队来做这部分，为整个业务和服务维护好 AI 能力与策略。”
尚阳星则是谈到成为管理者后的取舍，其表示，真正成为管理者之后，会发现根本没有时间亲自做技术研究。与其现在挤出一些空闲时间去做一线工作，不如把更多时间放在如何让更多优秀的人把事情做好上。
侯宁喆同样是从管理者出发，相比于技术本身，他的重心已经转向整个公司的整合。
他坦言，“一个公司其实牵扯到很多层面。我们也是把学界存在多年的技术路径，花了一年时间研究其中的每一个流程、每一个量产步骤，最终把它推到量产，再到现在的批量出货。在这个过程中会发现，战线越来越多。
从我的角度来说，我的职责更多是从非常点对点的技术，或者说每一个技术细节中抽出来，保证整个组织架构的稳定和高效运行。
从ROI来看，我们也会逐渐转向这边，因为这样对整个组织的效率更高，而不是把精力铺在每一个技术点上。当然，遇到非常难解决、需要攻关的问题时，也需要整个创始团队最聪明的人全部扑到这一个点上去把问题解决。”
基础大模型对具身模型的挑战
显然，6位创业者已经完全适应了管理者的身份。他们的视角不再局限于技术或学术本身，而是从公司和行业的层面去思考问题。在此基础上，他们接下来对下面这些问题的回答，就不会让人担心不够成熟。
第二个问题面向桥介数物、零次方、潜界科技这3家大模型与本体企业，在当下也极具话题性：运控系统、具身大模型会不会被基模吞噬？
尚阳星从运控系统的频率出发，解释道，机器人软件主要分为三层，最上层是大语言模型，中间是具身模型，最下层是运动控制。运动控制层是最难被上层模型吞噬的，原因是运动控制的控制频率较高，至少需要100Hz；而当前上层模型若要在端侧实现实时推理并获得较好效果，非常困难。
长期来看，机器人肯定需要离线运行。既然端侧推理暂时不行，即使有人提出联网方案，用联网来控制机器人也会带来安全性问题，而且长期来看效率也不是最高的。例如人在走路时并不需要思考。因此，无论从短期还是长期来看，运动控制层都不会被取代。
桥介数物 CEO 尚阳星
李宜哲从模型的复杂性出发，介绍称，具身智能未来希望达到通用机器人、万事皆可做的程度。它一定是一个非常复杂的系统，或者说一个非常大的蛋糕，各个模块或各技术对应模块在其中都有固定的生态位。比如当前的多模态基模Astra，可能更适合对用户偏好的长程理解，以及超长程、task-level 的任务编排。
但针对每个具体动作时，一方面受当前推理频率的限制；另一方面，真实物理世界中有更多与物理交互相关的问题，比如摩擦、滑动等与真实操作相关的因素。因此更有可能的是：除了Astra 作为 task-level、闭环跟踪的长程基模之外，还会出现专门针对垂类场景、需要更高准确率和更快推理频率的模型。这些具身模型存在机会。
她表示，“现实物理世界要实现我们未来期望的通用操作愿景，比我们原先在纯PC端处理的语言等任务维度更高，系统也更复杂。我们的很多技术链路和模块，都是共同实现复杂机器运转中的一环。”
零次方 联合创始人 李宜哲
陈与争并未接着上2位嘉宾的观点往下延伸，而是给出了否认的答案，其认为Astra的确给具身模型带来了冲击。
他指出，“我们内部对Astra有比较全面的评估。最开始使用时，它确实对我们冲击很大。我过去一直认为大语言模型与物理世界相对割裂，没有想过二者可以耦合在一起。”
据介绍，潜界科技做了几类测试：第一类与仿真相关，主要通过 Astra 做了一些real-to-sim-to-real实验，并测试了效果，结果确实比较令人震惊。
第二，Astra对整个数据范式的冲击很大，尤其是对ego数据。
具身公司尤其是基础模型公司，从今年到明年一定要找准自己的场景。大家要争取把System 1做好，也就是整个控制要足够流畅，能够解决很多问题。
真正落地场景时，会发现要解决的问题非常多；并不是直接拿一个模型过来就能自由完成很多事情。100个问题里可能只解决了5个，剩下95个仍未解决。所以很多基础模型公司应该慢慢探索，真正什么样的场景、什么样的生态位适合自己。”
潜界科技 联合创始人 陈与争
触觉的实际运用
第三个问题则是面向猿声先达、视塔机器人这2家触觉公司：你认为触觉目前真正应用到具身大模型中的比例有多少？还是更多只是大家认为它应该有？
侯宁喆结合了现实情况，给出的判断是市面上所有SOTA 的模型，暂时没有看到带触觉模态，或者可以很合理地运用触觉模态、实现整体操作能力大幅提升的模型。
猿声先达 CEO 侯宁喆
他指出，现实情况是，目前所有 SOTA 的模型都不包含触觉模态。包括最前沿的强化学习（RL）研究中，已经有不少工作把触觉用得相对较多，例如将切向力、多维力以及更复杂的模态融入强化学习。但从模型层面看，我们看到的大多数最强研究仍把触觉当作布尔量或开关量使用。
现在很多模型最终是为了打榜，而榜单数据本身可能就不包含触觉模态，导致大家缺少对该方向的关注。
今年年初，李飞飞老师发表论文触觉架构 T-Rex 论文后，出现了更多相关论文，有的解决触觉频率问题，有的解决如何统一不同 sensor 的表征。这个方向刚开始受到关注，还处于比较初期的阶段，大家在逐个解决问题。
同时，侯宁喆还强调客户对触觉有着非常明确的需求，他解释称，“第一，客户做产品肯定不是为了当前状态，而是为了产品未来很长一段时间的生命周期。所以大家会预测，或者从第一性原理来说，下一个会被加入的模态就是触觉，因此大家在做产品时会考虑把触觉加进去。第二，大家现在做硬件产品也有堆料逻辑，即别人有的参数我们也必须有。”
视塔机器人CEO 张伟给出一个很直观的数据，根据其统计过今年包括去年发布的所有模型，其中带触觉的模型比例可能只有10%，最多到15%，比例非常低。
据悉，做触觉的模型中，压阻式相对少一些，顶尖工作仍以视触觉为主。这是因为，大家在此前很长一段时间里，都在集中做长程任务，现在逐渐转向接触密集任务，对操作精度的要求也在逐渐提高，因此越来越多地开始关注触觉。
他表示，“在GPT6对触觉数据的原生理解上，我们发现它已经具备一定的理解能力。当然，这可能也因为我们的触觉信号本身偏光学case，但我相信压阻式触觉信号也应该能得到一定理解。
在这个前提下，我们做code policy策略方案识别时发现，加入触觉对模型操作成功率的提升非常大。因此，我认为触觉的必要性是比较明确的。”
视塔机器人 CEO 张伟
数据采集的护城河
第四个问题则由启能机器人回答：目前，数据采集是一个护城河很高的行业，还是随时可能在竞争中被冲走？
李论认为现在谈护城河还有点早，但是通用性强的产品可能是技术未收敛阶段的出路。
他表示，“从CNN时代到大模型，scaling law一次又一次验证了这一点。归根结底，我们站在一个基础认知上：数据很重要。但如何采数据、数据是什么样、采集方式是什么样，现在都还没定。在这个尚未确定的情况下谈护城河，其实很难说护城河在哪儿。
但有一点不变，你在这个里面遇到了什么卡点，这个卡点必须解决，然后才能继续往下做。比如在ego数据上有更多信息、更精确的标定和更多传感器，这些就是卡点。
对我们来说，我们认为自己的护城河应该是一个可供大家共享的方案。我们做了这件事，没有必要让大家重复造轮子。”
具身智能的冷词热词
聊完6位创业者所擅长领域的话题，还剩最后一个更开放性的问题，2026年最被高估的技术概念、零部件或时髦词汇是什么？你认为最被低估的是什么？2027年大家应该更重视哪个词，或者哪类商业化方向、应用场景？
侯宁喆从宏观视角出发，解释了高估和低估这两件事，更多是大家在时间线和通用性上的考量与期待。
从今年角度看，大家高估了具身智能可能实现的通用性；但从2030、2031年的角度看，大家又低估了具身智能可能实现的通用性。
他认为，“我们看到融资可以瞬间到账，一级市场可以很火热，但所有技术进展都需要一步一步往前堆砌，甚至是由非常小的工作堆砌起来，到达某个状态、某个临界点。原本它的通用性处于非常低的水平，但今年发展斜率非常高；即便斜率这么高，也不应对它有那样的期待。
在这样的斜率下，我对未来几年它能实现的东西非常乐观。这更多是它能实现的通用性与时间上、与大家期待之间的匹配问题。”
李宜哲有着类似的观点，她认为今年大家高估或期待较高的，是能否有某种技术路线做出通用的具身大模型，并完成各种各样的任务。也就是说，大家对所能达到的通用性，以及技术发展速度的预期，可能有一点高估。
陈与争从一个鲜见的角度指出，机器人末端及其替换的重要性被低估，世界模型则被高估。
具体看来，在整个商业化落地过程中，机器人末端以及末端替换这件事被低估了。真正进入一些场景后会发现，一个夹爪无法解决所有问题。比如在半导体芯片厂夹取晶圆时，需要用镊子；如果用夹爪去夹晶圆，晶圆很容易被破坏。并且在这类垂直场景中，有时操作极其精细，有时对末端负载的要求又非常高，会遇到五公斤、六公斤、专门承载晶圆的载具，这种情况下就需要使用吸盘。
在Demo层面，做整个末端替换相关工作的模型公司和本体公司都不是特别多，所以这件事被低估了。未来，末端切换会非常重要。
高估的部分，陈与争认为大家可能会高估某一种技术路线，比如世界动作模型，认为它能解决所有事情。以及，纯视觉方案的ego数据也可能被有些高估，因为这类数据中的action并不是特别准确。
李论直言不少Demo被高估了。他认为，“过去做Demo能获得不少掌声和认可，但真正的护城河其实是know-how，被高估的是一些非常高阶的、通用性的模型。我们应该落到实地去做System 1的工作，帮助真实产业解决一些确实很corner case的问题，这种工作才是真正有价值的。”
尚阳星同意了Demo被高估的说法，但他更强调了运动控制领域的Demo被高估了。
他表示，大家往往会截取一些片段，或者看到某些成熟机器人表现很好，就形成印象。但实际上，运动控制与硬件本体性能的耦合很强；在很多其他工况或其他动作下，机器人未必能表现好，只是把表现特别好的片段截取出来。因此，需要综合评估机器人的运动性能。
当前，市面上有一个关注不多、但他认为有必要做的事情：运动控制的跨本体能力，也就是针对一个新本体，或者机器人使用很久后关节发生磨损、本体性能退化时，运动控制如何快速适应新的或退化的身体
这个问题今天在整个行业里较少受到关注，是因为大家通常只需做好自己的机型。但桥介数物会在这个问题上投入，希望能实现突破，最终让一个模型能够控制不同的机器人，或者把运动控制做得更加标准化。
最后，张伟提出，大家高估了场景部署的速度，比如认为通用人形机器人到产线就可以直接使用。
但实际上，大部分机器人都需要经历一定的后训练，这一点大家有些高估了。不过，大家低估了具身智能的发展速度。因为大家一直以来看到的都是具身智能最好的一面，所以从去年到今年可能感觉没有太大变化；但实际上，从常规状态来看，机器人能干活的能力和整体情况已经有非常大的提升。
