全国政协委员、天娱数科董事长 贺晗
具身智能正成为继大模型之后的新一轮产业“主赛道”。当前，数据荒仍是具身智能发展的最大瓶颈，同时，具身智能面临着“大脑”泛化能力不足、场景牵引不强，同质化与泡沫风险上升的发展瓶颈。为此，我提出以下建议：
一是以国家级“具身数据要素工程”破题，建立公共数据底座、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）形成可复用数据集。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。
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仿真到现实迁移技术，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）形成规模。推行“首台套/首批次”风险分担：用保险、性能担保、分阶段验收与租赁降低企业采购门槛。
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、示范项目设置“开放接口与可迁移性”要求，避免锁死单一厂商。鼓励“模型—控制—硬件”解耦，提高跨平台复用率，降低中小企业进入门槛。
（科技日报记者马爱平整理 受访者供图）
网友评论
