火热的具身智能，藏着半个自动驾驶圈

在讨论具身智能之前，不妨先回头看一眼自动驾驶走过的路。从2017到2027，自动驾驶用了整整十年才证明一件事：在特定场景里“做到能用”，远比一开始就“看起来像人”更具决定性意义。今天，聚光灯转向了具身智能，而这个真理似乎正在被重新验证。

回到2017年，那时的自动驾驶圈里弥漫着一种终局将至的乐观情绪。L4、L5的讨论是技术论坛的标配，无人驾驶出租车被描绘成触手可及的未来。十年后的复盘却相当清晰：真正改写行业格局的，从来不是最早信誓旦旦要拿下“无人驾驶”的公司，而是那些率先将辅助驾驶装进量产车、并让数据在真实路况中形成闭环的玩家。

刚刚结束的智源大会上，人形机器人端咖啡、打乒乓球、做动态分拣的展台前围满了观众，“机器人的ChatGPT时刻”这个说法被反复提及。

然而，在展馆的另一侧，那些从自动驾驶行业走出来的创业者们讨论的是截然不同的话题——哪里能找到第一个能够稳定运行的场景？如何搭建起真实世界的数据闭环？以及，最重要的问题：如何让机器人在“跑起来”的过程中“变聪明”。

星源智创始人刘东给出了一个颇具洞察力的定义：他把自动驾驶称为“最简单的具身”。区别在于，从二维空间里的避障导航，到三维空间里与物体发生物理交互，机器人面对的是指数级复杂的问题。

那么，具身智能是在复刻智驾的叙事节奏吗？为什么从智驾阵营过来的人，成了行业变阵的關鍵变量？他们带来的“渐进式落地”思路，能让具身智能走出一条不同的路吗？

当一个尚未到来的时刻成为行业图腾

智源大会现场，银河通用创始人兼CTO王鹤给出了他对“机器人的ChatGPT时刻”的定义：模型具备零样本能力，无需专门学习即可在特定场景完成70%到80%的人类技能，且可访问性极高——初中毕业的人就能操作。

但星源智创始人刘东给出了另一个视角：“现在具身也是，大家瞄着实际应用的场景去做，但是L2能落地的也还不多，差不多是2015、2016年的智驾状态，刚刚起步。”

2017年那会儿的感觉几乎一模一样：L4级无人驾驶被普遍认为“三到五年内量产”，可真实的量产车里，连在高速上保持车道和自适应跟车都还在反复打磨。

无论是当年的自动驾驶，还是今天的具身智能，

这种错位在智源大会现场以另一种方式呈现：人形机器人在展台前为观众端咖啡、与人类打乒乓球、在流水线上做动态分拣——这些Demo充满未来感。与此同时，星源智最新发布的ω-EVA模型在LIBERO上的成功率达到98.6%，在RoboTwin上的任务成功率从88.9%提升到90.3%。

数字确实漂亮，但刘东在采访中给出的落地分层相当冷静：纯移动的巡检、导览已经比较成熟；抓放操作解决了90%的场景，但还有部分品类抓不好；至于酒店打扫、家庭服务这类复杂操作，“短期落地还是比较困难”。

需要澄清的是，这并不意味着Demo没有价值——恰恰相反，在新兴技术领域，Demo是技术路线可行性的必要证明。但必须区分的是，Demo证明的是“这件事在特定条件下可以做到”，而交付要求的是“这件事在多变条件下反复做到”。两者之间的鸿沟，自动驾驶用了整整10年才走完。

奈何资本和产业端的热情已经提前就位。智源研究院院长王仲远提到，本届大会汇聚了至少15家以上估值超过百亿的具身智能CEO，“具身智能与人形机器人”是报名最火的论坛之一。这很难不让人联想到2017年自动驾驶圈的“All in AI”——那时只要项目里带着“自动驾驶”四个字，估值和曝光都会自动上一个台阶。

现实的商业进度显然跟不上叙事的节奏。星源智是少数能拿出具体落地案例的公司：叉车上部署的具身大脑、机器狗在开放场景里捡垃圾、物流场景里的自动化拣选。刘东提到，这些合作是跟客户“一事一议”谈出来的，

——这不是那种“发布即通用”的宏大叙事，而是先找到一个具体的场景，让系统在里面跑起来，再谈泛化。

所以，如果要在自动驾驶和具身智能之间画一条线，可能不是叙事在简单重叠，而是两个行业在相似阶段，都面临着同一种“被终局裹挟”的诱惑。这才是这篇讨论中最值得留意的部分。

一代智驾人的“二次创业”

像刘东这样有着自动驾驶背景的创始人，在今天的具身智能领域并不少见。

自动驾驶解决的核心问题，本质上可以概括为“让车在平面上不与任何物体相撞”。而具身智能需要处理的，则是“让设备在三维空间里与物体发生交互”。刘东将智驾定位为最简单的具身，“因为智驾当时做的时候，是在平面范围内避开所有的物体，跟物体不发生交互。现在具身领域，除了精确的导航行走之外，还要跟三维空间的物体进行交互。”

从“避开”到“拿起”，这个区别听起来只是动作复杂度的增加，但在工程实现层面，却意味着完全不同的系统约束。自动驾驶里，摄像头和激光雷达主要用于环境感知和障碍物识别，决策链路相对清晰：看到、判断、绕行。而具身智能里，设备不仅要“看到”一个杯子，还得判断“怎么拿”“拿起来会不会洒”“放下去的位置准不准”。

所以，当这批从智驾过来的人进入具身领域时，他们带来的不只是一套技术栈的迁移，更是一段已经刻骨铭心的产业记忆。2017年的自动驾驶行业，曾集体陷入“全栈自研”的诱惑——算法、硬件、数据、车辆，全部自己干。当时的逻辑是，只有闭环才能做出最好的体验。但后来的产业现实证明，在销量规模起来之前，全栈自研是一个极其昂贵的赌局。

当被问及“头部公司做全栈会不会影响你们”时，刘东的回答带着这种经验的痕迹：“在真正的销量没有起来之前，是没有办法支撑一个公司做全栈研发投入的，除非你已经大到像特斯拉这种规模，账上根本不缺钱。”

他进一步判断，市面上近两百家具身公司里，真正有能力全栈闭环的“顶多就两三家”，更多公司会面临一个选择题：自己从头研发大脑，还是从第三方采购？自动驾驶行业的最终走向已经给出了参考答案——全栈自研的门槛极高，只有少数车企能够负担。行业逐渐分化：一部分资金和技术实力较强的新势力选择深度自研，而更多车企开始转向与供应商合作，或采取“部分模块自研+核心算法外采”的折中路线。

刘东认为，具身智能领域也会呈现类似格局：“有些公司擅长做本体，有些公司擅长做模型，类似于我们以前看自动驾驶在整车行业的发展。”基于这种判断，星源智选择了“不自己做本体”。外界曾把星源智比作“具身赛道的华 为”，提供大脑模型和端侧算力平台，覆盖市面上70%以上的头部本体客户。

这个选择本身，很难说是因为2017年的“失败教训”，还是仅仅因为工程师们已经习惯了产业链分工的效率逻辑。但有一点是明确的：当一个团队已经经历过“什么都想自己做”的阶段，他们在进入新战场时，会更早地思考“什么应该让别人做”。

除了商业模式的分化，

。在自动驾驶领域，他们经历过“云端算力还是车端算力”的路线之争，知道控制时延对安全系统的意义。这种经验在具身智能里被重新激活——刘东在解释为什么必须端侧部署时，给出的不是技术偏好，而是物理约束：十几个摄像头加三个激光雷达，每秒数据量是几个G，如果靠Wi-Fi或5G传云端，“机器人已经撞上了，云端还在推理”。所以他们更早地接受了“端侧闭环”的必然性，而不是把它当作一个可选项来讨论。

具身智能难以“大力出奇迹”

回看自动驾驶的发展历程，曾经最受关注的是L5和Robotaxi，但率先进入交通系统的，却是ADAS和L2+辅助驾驶。它们没有L5那么令人兴奋，却在不断运行中积累数据、完善系统，让自动驾驶拥有了继续进化的土壤。

具身智能也在经历类似的过程。家庭保姆机器人仍然遥远，通用机器人大脑也尚未成熟，但叉车、机器狗、物流拣选等场景已经开始落地。它们未必最像人，却最有机会率先跑通数据闭环。如果说ADAS是自动驾驶通往L4的桥梁，那么今天的叉车和机器狗，就是具身智能通往AGI的桥梁。

刘东把落地难度分为三层：

——巡检、导览、导购，机器人只需在空间里行走、识别目标、拍照记录，不与物体发生复杂的物理交互。这一层已经比较成熟，星源智的机器狗在开放场景里捡垃圾、做清洁，就属于这个范畴。

——仓库里的拣选、药店的上下料、工厂里的简单搬运。刘东坦承，这一层已经解决了90%的场景，但“还有一些品类是抓不好的，成功率也不高”。这10%的缺口，在真实商业环境里可能就是客户是否愿意签单的关键。对应到2017年的自动驾驶，这股状态很像“高速NOA”刚上线时的情形：能跑，但还不敢让用户完全脱手。

——酒店打扫、家庭服务、精细装配。这些场景涉及多步骤任务链、非结构化环境、柔性物体的操作，刘东的判断是“短期落地还是比较困难”。

这种“分层”既有从智驾移植过来的工程务实，也受限于具身智能独特的数据约束。星源智联合创始人孙振国在采访中指出了核心矛盾：大语言模型可以从互联网上免费获取几乎无限的语料，但具身智能没有“互联网级别的物理数据”。各地政府牵头建的数采厂投入了大量机器人设备去采集动作数据，但获得的数据量对于超大规模训练来说仍远远不够。大语言模型可以堆到几百B甚至上千B的参数，而具身模型目前还在几B、几十B的规模徘徊。

这个瓶颈意味着，

。它必须像自动驾驶一样，在具体的场景里一圈一圈地跑，用真实的物理交互去喂养模型。刘东在描述叉车的落地案例时，给出了一个很有说服力的细节：以前物流仓库里也有自动化方案，但它们是“基于规则的”——必须保证卡车停在准确的位置，货物有准确的托盘，托盘有准确的形状。而具身大脑的价值在于，——卡车大小不同、货物形态各异、托盘可有可无，系统仍然能自主规划卸货逻辑，先卸什么后卸什么，避免碰撞和卸不干净。

。星源智的叉车项目用了“两个月左右”做出第一版系统，速度在具身智能领域算是很快，但刘东强调，复用了之前的算法基座，并且“完全端侧部署”。

这也对应了刘东对未来格局的判断：具身大脑公司最终会“分化成不同垂类的专长公司”，有些擅长家庭场景，有些擅长物流场景，有些擅长工业操作。这很像自动驾驶最终分化出的格局——高速NOA、城市NOA、记忆泊车、代客泊车……每个细分赛道里都长出了专门的公司。

所以，回到最初的问题：具身智能是在重演自动驾驶吗？答案是，叙事的节奏确实相似——

。但相似的开局，未必导向相同的结局。

自动驾驶花了十年证明，决定胜负的，不是谁最早喊出无人驾驶，而是谁先找到能够持续产生数据的场景。今天的具身智能落地场景远比自动驾驶更分散——人形机器人、家庭服务、通用大脑依然是行业共同追逐的终局。但在终局到来之前，决定行业走向的，或许是仓库里的叉车、园区里的机器狗、流水线上的机械臂……

它们未必最“像人”，却最先让机器人学会成长。