贺焜访谈：详解人形机器人规模化上岗与央企引领作用

（贺曦，来源：天娱数科供图）

2026年春晚舞台上中国机器人产业的“全景展示”之后，具身智能赛道的热度再次升温。不仅具身智能密集落地，产业内投融资亦步入爆发期。及至正在召开的全国两会上，具身智能也成为热议的话题。

十四届全国政协委员、天娱数科董事长贺曦就表示，具身智能正成为继大模型之后的新一轮产业“主赛道”——它把算法能力从屏幕世界带入物理世界，面向制造、物流、安防巡检、应急救援、养老照护等场景，形成“会感知、能决策、可动手”的新质生产力。

不过，在贺曦看来，具身智能作为AI与物理世界交互的终极载体，正面临比通用大模型更严峻的发展瓶颈。首当其冲的便是“数据荒”。他在调研中发现，与通用大模型可借助海量互联网数据不同，具身智能需要大量“任务级、过程级”的交互数据，比如抓取、装配、搬运、开门、叠衣等，数据获取成本高、标注难。国内各研究机构和企业的数据采集平台、传感器接口、数据格式各自为战，形成了大量“数据孤岛”，缺乏具有行业共识的高质量、大规模具身智能开源数据集。

全球知名中文IT技术交流平台CSDN的数据显示，具身智能需要数百PB级物理交互数据，当前存量缺口超99%。而根据行业调研，目前优质灵巧手数据的供给量不足实际产业化需求的10%。

与此同时，具身智能“大脑”泛化的能力不足。“比如能做演示，不一定能上岗；能在A工厂跑通，不一定能迁移到B工厂。”贺曦直言，目前我国多数企业仍采用针对特定任务的定制化算法，缺乏真正意义上具备强泛化能力的具身智能基础大模型。

“制造、物流、商服、养老等领域的真实需求巨大，但落地常见‘场景碎片化、验收口径不一、预算与迭代机制不足’，导致企业在‘项目制交付’与‘产品化复用’之间反复摇摆。”贺曦还谈到，目前场景的牵引力不强，“示范应用”难自然长成“持续采购”。

此外，虽则2026年2月我国发布了首个覆盖人形机器人与具身智能全产业链、全生命周期的国家标准体系，但产业仍面临“多赛道拥挤、差异化不足”的结构性风险。

针对这些瓶颈和不足，贺曦提出了一套系统性的破题思路，核心是以“数据—模型—组件—整机—场景—标准”一体化思路，尽快补齐短板，把“热闹的展台”变成“可复制的工位”，把“单点突破”变成“系统胜利”。

一是以国家级“具身数据要素工程”破题：建公共数据底座、统一格式与权属规则。建设若干“国家级具身智能数据采集与预训练中心”，面向典型任务（搬运/装配/分拣/巡检/护理等）形成可复用的数据集。统一数据标准：动作轨迹、力觉/触觉、视觉语义、工位工艺参数等数据格式与元数据规范，推动跨企业、跨平台复用。明确数据权属与合规边界：对涉及个人隐私、工厂商业秘密的数据建立分级脱敏、可信计算与授权机制，形成“可用不可见、可控可计量”的共享模式。

二是大力发展具身基础大模型。支持头部AI企业与顶尖高校联合研发多模态具身通用大模型。重点突破端到端控制算法和 Sim-to-Real 迁移技术，提升机器人的常识推理能力和未见环境下的泛化操作能力。

三是以“场景牵引+政府采购/首台套保险+央国企带头应用”拉动规模化上岗。建立国家级“人形机器人上岗清单”：优先选择收益可量化、环境相对结构化的场景（3C装配、仓储搬运、质检巡检、危化/电力巡检等）先形成规模。推行“首台套/首批次”风险分担：用保险、性能担保、分阶段验收与租赁（RaaS）降低企业采购门槛。用央国企做“锚定客户”：以“AI+制造”为抓手，形成真实工位数据回流与持续迭代机制，带动中小企业进入配套生态。

四是做强软件栈与开源生态，用开放接口降低重复研发、提高产业协同效率。推动控制中间件、仿真平台、数据工具链、评测基准开源（或开放标准），形成类似“通用底座+行业插件”的生态。政府采购与示范项目设置“开放接口与可迁移性”要求，避免锁死在单一厂商。鼓励“模型—控制—硬件”解耦，提高跨平台复用，降低中小企业进入门槛。