来源：财联社

《科创板日报》12月18日讯（记者 黄心怡）作为商汤科技布局具身智能的一大落子，大晓机器人今日发布ACE具身研发范式、首个开源且商业应用的开悟世界模型3.0（Kairos 3.0）、具身超级大脑模组A1。

《科创板日报》现场了解到，大晓机器人的产业链伙伴包括智元机器人、银河通用、钛虎机器人、国地中心等具身厂商，影石Insta360、卧龙电驱、帕西尼等硬件厂商，壁仞科技、沐曦、中科曙光等芯片企业。开悟世界模型3.0已经与沐曦、壁仞科技、中科曙光、辉曦智能、影微创新等多款国产厂商芯片完成适配，

商汤科技联合创始人、大晓机器人董事长王晓刚在采访中介绍，大晓机器人在产品化落地方面，未来计划输出的是软硬一体方案。“我们团队主要强在在大脑和软件。过去两年里，商汤也投资了一系列本体和零部件公司。然而，在实际场景应用中，现有的本体硬件与实际需求仍存在较大差距。因此，会根据场景需求进行软硬件联合优化，协同供应链生态伙伴，重新设计硬件，使产品更符合客户需求。”

▍与智元、沐曦等合作，发力具身智能场景落地

具身智能需要拥有一个强大的“大脑”，但目前的技术路线仍未明确。曾有行业人士多次对当下火热的VLA模型（视觉-语言-动作）表示“保持比较怀疑的态度”。

王晓刚认为，“现有技术路线确实存在明显缺陷，比如VLA模型是以机器为中心，通过输入指令、图像和视频，直接输出动作。它不太需要理解真实的物理世界和物理规律。我们期待，将来有一个更强的大脑能去理解世界。过去不少机器人只能完成一项任务，现在希望逐渐增加它的通用和泛化能力，完成更多的任务，这是一个渐进式的发展。”

据了解，此次商汤发布的具身世界模型“开悟”3.0，已开放基于云服务的API。用户可以选择不同类型的机器人本体，比如智元、银河等品牌的机器人，系统会根据所选机器人本体、场景及任务，合成机器人完成动作的视频，以及各关节轨迹参数。这些数据可用于训练机器人“大脑”，利用世界模型合成的大量数据提升机器人性能。

“我们被投的企业中，例如钛虎、鹿明等机器人企业未来都会有合作。在传感器的方面，我们应用了全景相机。现有的传感器视角较窄，在路口等场景中，机器人可能看不清全路，例如机器狗过马路看不到红绿灯。为此，我们与影石Insta360合作，将全景相机的能力赋予到机器人上，这是一个关键的零部件亮点。机器人的产业链条比较长，我们在场景应用中会不断改进零部件，并与供应链上下游企业密切合作。”

发布会上，大晓机器人与智元机器人宣布达成战略合作，并展示了面向即时零售场景的机器人，和面向巡检等场景的搭载“具身超级大脑模组A1”机器狗。

“我们以四足机器人为例，推出了一款‘具身超级大脑模组A1’产品。该产品的本体部分目前采用的是现有的硬件方案，像智元、云深处等品牌的机器狗都能较好地适配我们现有的导航零组件，从而使其具备空间自主能力。不过未来，我们还需要与各硬件生态企业展开合作，共同推动相关成本的降低。”王晓刚称。

在软件层面，包括世界模型、具身相关大模型以及数据领域等，王晓刚透露，目前已经有了一些订单。“但对于未来重点推出的软硬一体产品，我们期待明年能实现大规模落地。”

在商业服务领域，王晓刚看好前置仓、闪购仓的场景。“零售领域的增长速度是非常快的，而且相比工业场景更为标准化，能够实现规模化。中国有十几万的前置仓，未来几年还在快速增长过程当中，如果机器人能够解决前置仓的难点，就是十万级的规模了。”

▍机器人行业产业链分工有待完善

眼下，具身智能的技术发展仍远未成熟。王晓刚指出，首先从技术路线来看，机器人行业原有的技术路线存在明显缺陷。

”比如特斯拉和Figure AI在过去两三个月内，都放弃了以真机为主的技术路线，转向以视觉为主的技术路线。但视觉为主的技术路线并非终极方案，所以我们提出了ACE研究范式。当研究范式和技术路线发生重大转变时，会给整个产业带来深远影响——类比自动驾驶领域，过去长期的研发积累在端到端自动驾驶这一新路线出现后，包括数据、研发体系在内的前期成果很快被颠覆。而在正确技术路线的指引下，产品体验和技术成熟度会快速提升。“

在场景落地方面，尽管机器人赛道如今十分火爆，但现实情况是，能够成规模量产的机器人场景，主要在于提供情绪价值的表演性质产品，或者用于科研平台，尚未出现大幅提升生产力的规模化应用。

“各垂直领域的场景中，机器人还未广泛进入并实现量产，这意味着巨大的发展机会。只有当机器人规模化进入场景，通过软硬件协同迭代，整个产业格局才会发生显著变化。”王晓刚称。

此外，机器人行业的产业链分工尚未完善，从零部件、传感器到计算芯片等环节，都存在很大的垂直整合空间。王晓刚提到，“当前机器人成本依然很高，而在质量、可靠性、一致性等方面，行业也还处于相对初期的阶段。因此，我认为整个机器人产业的格局远远没有确定下来。”

王晓刚判断，“机器人要想在家庭中能够完全取代人、完成各种长程复杂的任务，并且保证安全性，这确实需要在未来的五年甚至更长的时间才能达到。但这并不妨碍机器人在各种场景中逐渐落地。”