
封面新闻记者 孟梅
11月16日,在蚂蚁灵波首届具身大模型挑战赛闭幕式暨首届开发者大会上,睿尔曼智能创始人CEO郑随兵受邀出席圆桌论坛,与产学研各界专家围绕《具身通用大模型的能力跃迁:从实验室到真实物理世界》展开深度对话。
作为行业首个提出“让机器人真干活、干真活”的企业,郑随兵结合睿尔曼智能的产业实践提出了一系列务实观点,强调应以真实场景为牵引、真机数据为底座,加速推动具身智能走向产业一线。
跨越“故事期”从Demo走向稳定、持续、经济地干活
随着大模型技术的演进,具身智能迎来了前所未有的关注。郑随兵在论坛上指出,无论模型能力如何跃升,机器人终归是一种劳动力,其核心价值在于能否在真实场景中“稳定、持续、经济地去干活”。他认为,如果机器人做不到这一点,今天讲的所有大模型故事都还停留在故事里。
面对这一瓶颈,郑随兵提出了务实的破局路径:在现阶段,需要客观看待技术能力的边界,不必苛求模型在初期就达到绝对完美的极限指标,而是可以采用“具身模型自主作业+远程人工介入”的协同模式。
通过远程作业网络引入人的判断与操作能力,让机器人先进入真实场景把活干起来,在常态化运转中持续获取反馈,进而推动模型的快速迭代。
跨越物理边界在规模化应用中探索真实隐性参数
在探讨大模型与真实物理世界的鸿沟时,郑随兵分享了一个来自睿尔曼具身智能超级工厂的真实案例:在实验室环境下,某模型抓取光洁减速器零件的成功率达到95%;但部署到真实产线后,由于零件表面存在油污,抓取时发生粘连等不可预见因素,成功率大幅下降。“这些物理世界的真实特性,是仿真软件和纯数字大模型难以完全预判的。”
郑随兵强调,真实物理世界的交互存在大量隐性边界,只有通过规模化的真实应用,才能把这些数据边界探索出来。他提出,当前行业的评价体系正逐步向务实理性回归,将关注焦点从单纯的演示效果转向真实的部署成效。
机器人能否在场景中创造切实价值,用户才是最终的评测员。对于行业而言,真正有意义的指标是现场的自动化率、人工介入率以及最终的投入产出比。
硬件与模型协同以一致性为底座,以高附加值场景为牵引
针对“模型与本体协同演进”的议题,郑随兵指出了当前行业的一个核心痛点:本体的一致性不足,导致模型在不同机器人上迁移时效果大打折扣。
正如此前所发起“参数求真”的行业倡议,呼吁产业界在追求智能上限的同时,必须保障机器人的耐用性、稳定性与参数的真实性,从而为模型的跨本体迁移提供良好的基础。在模型与硬件的关系上,二者相辅相成,而牵引这一过程的核心动力一定是真实的应用需求。
在商业闭环与场景选择上,郑随兵认为,具身智能不应去内卷传统工业自动化已经做好的简单流程。真正的机会在于“复刻人的经验”与“替代高危作业”。一方面,是产线上具有一定工艺难度、需要复刻熟练工人经验的场景(如精密电机装配);另一方面,是电力、消防、危化等对人有害、人不愿意干的应急场景。这两类场景附加值高,且对人类的技能与经验具有极高的依赖性,正是具身智能创造新生产力的核心阵地。
从强调机器人“劳动力”本质,到探索真机数据边界,再到锁定高附加值落地场景,郑随兵的发言为具身智能产业的务实发展提供了清晰路径。只有让机器人在真实产线中持续运转,在实干中积累数据与经验,具身智能才能真正跨越实验室与物理世界的鸿沟,成为推动制造业高质量发展的新生产力。
【如果您有新闻线索,欢迎向我们报料,一经采纳有费用酬谢。报料微信关注:ihxdsb,报料QQ:3386405712】







