6月30日，由联想控股微空间、联想之星与融科资讯中心联合发起的“科技有「联想」”线下沙龙首期活动——“硅基进化论”，在北京成功举办。本次活动汇聚了来自具身智能领域学术界、创业圈、产业端及投资界的8位重磅嘉宾，围绕数据基础设施建设、模型范式迭代、规模化落地路径及商业化进程等关键命题，展开了一场兼具理性深度与思想张力的“共识与非共识”对话。
开放麦：于“共识与非共识”之间逼近产业本质
沙龙首个环节“白板开放麦”打破常规表达逻辑——主办方主动摒弃行业惯用话术，邀请七位一线实践者分享最具原创性、最富洞察力甚至最具争议性的实战观察。
幂特科技联合创始人兼CTO王志成以AI 1.0至AI 3.0的发展脉络为线索，旗帜鲜明地提出：“数据才是核心，模型只是工具。”他复盘了此前在旷视科技五年间推动AI 1.0落地的真实经历：80%的工作精力消耗在数据处理上，而高度垂直的应用场景导致边际收益持续递减。他警示业界，若物理AI时代无法实现数据规模的指数级扩展，整个行业或将退回“重复做AI 1.0旧事”的轨道。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
本次“科技有「联想」”沙龙首场圆桌聚焦具身智能基础设施议题，由《晚点LatePost》科技作者、AI分析师申远担任主持人。与会嘉宾普遍认同：人类视频数据的价值已从早期争议走向广泛共识，但如何高效采集、高质量清洗与高价值利用，仍是横亘在产业面前的核心瓶颈。
郑思鹏透露，智在无界已将人类视频数据规模由千小时级跃升至20万小时，建成国内规模最大的具身智能预训练人类视频数据库。但他坦言，当前主流公开数据集的“洁净度”远低于预期——以学界常用Ego4D为例，经其自研数据管线处理后，约三分之二样本因质量不达标被筛除。“把原始脏数据提纯为可用数据，如同从铁矿石冶炼出钢铁，需要全链条协同、全行业共建。”在模型技术路线上，智在无界坚定选择隐式世界模型路径，理由在于显式模型（如英伟达Cosmos Policy）训练成本约为隐式方案的80倍；仅用20万小时视频完成一次训练，投入即达数千万至上亿元。“兼顾成本可控与效率最优，隐式世界模型是现阶段更现实的选择”。
刘盛翔基于自动驾驶领域的深厚积累指出，具身智能对数据的需求强度远超自动驾驶——前者需在三维空间中完成复杂交互，后者仅依赖二维道路结构即可运行。他提出“采集世界—生成世界—模拟世界”的螺旋上升飞轮模型，并强调Real2Sim2Real闭环对齐，是弥合仿真环境与真实世界鸿沟的关键抓手。他还透露，无问智科正携手头部场景方共建“数据高速公路”，类比为“在工厂门口设立专业检测站”，依托第三方权威测评体系，客观评估不同机器人产品的实际能力边界，从而加速标杆案例的规模化复制。
黄骏达直击灵巧手数据生态的“真空地带”：目前市面上几乎不存在可直接调用的开源预训练模型。他将灵巧操作的学习过程划分为三个层级——身体自主运动、身体与外部环境接触反馈、外部物体动态演化规律，理想状态是三者融合建模、优势互补。在数据采集硬件方面，他判断头戴设备已相对成熟（受益于VR产业多年技术沉淀），但触觉手套无论在传感原理、分辨率密度还是量产成本层面，均尚未形成稳定的技术收敛路径。
王志成则给出更具前瞻性的判断：所有依赖专用硬件的数据采集方式，本质上都属于过渡形态；终极目标应是让全球70亿人借助智能手机等普及型终端，自然、低成本地贡献高质量数据流。幂特科技的技术栈已覆盖Ego（第一视角）、Exo（第三人称）、Wholebody（全身多视角）等多源人体视频的6D姿态精准解析能力，目标是实现数十万小时人类行为视频的全自动、零人工干预式结构化解析。他特别强调，数据量的爆发式增长必须同步匹配场景维度的指数级拓展，否则单纯堆砌数量难以触发质变跃迁。
圆桌二：量产与商业化——万亿级市场足以支撑多元成功
第二场圆桌由跃为资本合伙人王孚睿主持，将讨论焦点转向产业化进程中最为刚性的命题：谁能真正在产线跑通？谁能在真实商业环境中稳定交付？
联想之星合伙人高天垚作为资深投资代表，回溯了所在机构自2013年起持续加码机器人赛道的战略布局。他认为当下行业的热度并非泡沫，而是模型能力跃升、本体硬件进步与应用场景拓宽三大要素历史性交汇的结果，整体仍处于上升通道，远未进入所谓“倒闭元年”。高天垚指出，具身智能的产业演进遵循渐进式逻辑，真正具备跨领域整合能力的企业，才更有可能穿越周期、赢得终局。
范永对“倒闭元年”这一说法持审慎态度。在他看来，除非企业同时缺失核心技术壁垒、真实落地场景及可持续资金支持，否则在当前政策红利与资本耐心并存的大环境下，仍有充足生存与发展空间。在量产节奏上，优宝特正从去年百台级交付迈向今年千台级量产，为此正系统性重构设计可制造性（DFM）、产线柔性化水平以及全生命周期售后服务体系。“从100台到1000台，是对组织能力的一次全面压力测试。”
戴恺的观点务实而犀利。针对具身智能商业化成熟度，他构建了三层递进式评估框架：量产能力、交付能力、交付质量。其中，量产能力回答“能不能造出来”，交付能力验证“能不能卖出去并顺利部署”，交付质量则拷问“客户是否愿意复购、商业模式能否自我造血”。在他看来，量产能力仅是入场券，交付能力与交付质量才是决定企业长期价值的分水岭。“依托中国完备的供应链网络与强大的制造基础，即便是初创团队，也能通过自建产线或代工合作方式，实现一定规模的稳定产出。”戴恺进一步指出，高复购率、人效提升超30%、经营性现金流转正，是他衡量交付质量不可妥协的三大量化标尺。
关于未来产业格局，范永认为万亿级市场足够宽广，产业链条纵深绵长——专注模组研发、深耕整机本体、专攻AI大脑，每个细分环节都有机会孕育出领军企业，“一家通吃”既不符合技术逻辑，也不契合商业现实。高天垚则判断，最终获得最高估值溢价的，必然是那些具备跨领域通用能力的平台型公司。戴恺结合宇泛智能自身实践，阐释了“聚焦两个高价值场景做深做透、再逐步横向延展”的稳健策略，目前已在广义物流与大型商业空间清洁两大垂直赛道完成实质性落子。
