百度袁佛玉解读具身智能落地关键阶段：模型进化数据回流与应用接管

具身智能产业的关注焦点，正在从“能力涌现”加速迈向“生产力兑现”阶段，竞争的不再只是单一模型的能力高低。8 月 19 日下午，在北京举行的 2026 世界机器人大会上，百度集团副总裁袁佛玉表示，机器人要从“会展示”真正走向“能上岗”，关键在于模型、数据与应用协同形成的系统化能力。

百度集团副总裁 袁佛玉

模型从理解语言，迈向理解与预测物理世界

机器人若想真正进入物理世界，仅仅理解语言远远不够，还必须理解物体之间的关系、动作带来的结果以及环境变化趋势。随着 VLA、世界模型和运动控制技术持续加速演进，背后的计算工程系统也面临更高标准和更高性能要求。

袁佛玉指出，依托百度百舸 AI 计算平台，百度智能云正持续完善面向具身智能的 AI Infra，支持企业完成从数据处理、模型训练、仿真评测到真机推理部署的研发全流程，推动模型从研究原型进一步走向可落地的工程系统；在部分合作项目中，单步推理延迟已进入百毫秒以内区间。

数据从训练材料，升级为具身智能最核心的生产要素

具身数据采集成本高、标准尚未统一，并且与具体机器人本体、任务类型和应用环境高度相关。

袁佛玉认为，未来具身智能产业的重要竞争力，将取决于企业积累了多少有效任务时长、捕获了多少高价值失败样本，以及沉淀了多少能够持续回流训练的数据。相比重复完成同一动作，失败、纠正、人工接管以及边界案例等数据，更能暴露模型真正欠缺的关键能力，也更有助于推动机器人训练优化。

百度智能云围绕数据采集、数据处理、评测验证与部署回流建设数据 Infra，推动数据、模型与应用场景形成具身智能产业飞轮。

应用从展示能力，走向接管高价值任务

袁佛玉表示，具身智能商业化不会从替代完整岗位起步，而更可能从工业上下料、物料搬运、质量检测、园区巡检等边界清晰、结果可量化的高价值任务切入。一个机器人应用场景能否真正成立，关键在于任务成功率、人工接管率以及单位任务成本能否持续优化。

为了为规模化部署提供更强支撑，百度智能云正在多模态人机交互以及云、管、端安全等方面持续发力。不过，若要让具身智能任务从单一场景扩展到更多行业场景，标准化能力以及场景的持续开放同样不可或缺。未来，百度智能云将继续依托 AI Infra、数据 Infra 以及应用与安全基础设施，与具身智能企业和场景合作方协同推进，探索从试点验证迈向规模化落地的关键路径。