专家齐聚 共绘机器人从实验室到市场的价值路径-“产融链动：重构机器人从实验室到产业的价值密度”同期活动成功举办

8月10日，“产融链动：重构机器人从实验室到产业的价值密度”同期活动在2025世界机器人大会期间成功举办。活动聚焦机器人产业发展与金融赋能，行业专家、企业家及金融机构负责人共同探讨机器人技术从实验室到产业落地的价值重构路径，助力我国机器人产业高质量发展。

梁靓 北京经济技术开发区管委会副主任

北京经济技术开发区管委会副主任梁靓从产业生态建设的战略高度阐述了机器人产业发展的重要意义。他指出，在机器人产业链中，中小企业至关重要，正在经历从实验室到产业的关键跨越，是国家经济韧性的重要保障。

梁靓重点介绍了"具身智能社会实验计划"，打造全域实训场景和PB级数据集。亦庄开业全球首个机器人4S店，创新性地建设二次开发者社区，让机器人产品实现持续创新。通过搭建平台、创新消费模式、完善产业生态，能够让机器人不仅"看得到、买得到"，更要"用得好"，真正实现产业化突破。

王韬 北京大学计算机学院研究员、情感与认知智能机器⼈实验室主任、一眸科技首席科学家

王韬教授从行业本质出发，认为情感与认知智能是机器⼈技术发展的必然⽅向。他指出，协作机器人如果具备察言观色的能力，能极大提高对人的陪伴、服务和协同工作水平。这种"有眼力劲"的机器⼈代表了⼈机交互的未来趋势，需要处理语⾔和非语言信息的多模态交互能力。

对于当前AI时代的技术路径，王韬认为情感计算领域存在三⼤本质性难题：场景的模糊性、数据的稀疏性、个体差异的复杂性。这些挑战决定了必须采⽤跨学科建模⽅法，结合预训练模型和⼩数据强化学习，⽽⾮单纯的数据堆砌。

在产学研结合⽅⾯，王韬提出了清晰的分⼯理念：实验室专注科研和⼈才培养，成果转化交给企业来做。他强调科研与产业化需要专业分⼯，形成良性的协同机制。

王韬对行业发展的判断是，情感与认知智能将成为机器⼈技术的重要突破点，但需要在理论建模、工程实现和产业转化之间建⽴更加科学的发展路径。

石言 工信部中小企业发展促进中心专精特新部处长

工信部中小企业发展促进中心专精特新部处长石言从中小企业服务体系出发，分析了机器人产业与优质中小企业深度融合的可能性，给出产业发展新标尺。他介绍了覆盖全国的 "1+N"服务网络和四级服务体系，通过“线上＋线下”的双重对接保障机制，推动包括机器人产业在内的“金种子”项目落地实施。未来将持续构建行业交流场景，让创新企业与传统企业深度对接，促成产品从实验室转向产业化，助推企业数智化转型。

王鹤深刻分析了具身智能领域的核心瓶颈：数据荒问题是制约行业发展的关键因素。他指出，具身大模型需要万亿Token级别的数据量，但现有真实数据与需求存在三四个数量级的差距，传统的摇操作数据采集既昂贵⼜低效。

面对这一行业性挑战，王鹤提出了合成数据驱动的技术路径。这一方案基于物理仿真和计算机图形学的深度融合，通过3D数字资产构建、⼤规模轨迹合成、强化学习训练，最终实现Sim2Real的技术迁移。这种"99%合成数据+1%真实数据"的训练模式，为解决具⾝智能的数据困境提供了可行路径。

王鹤认为，合成数据技术的突破将重构机器⼈的训练模式，实现"举⼀反三和涌现的泛化能力"。这种技术路径不仅⼤幅降低了数据采集成本，更重要的是为机器⼈快速适应多样化场景提供了技术基础。基于Sim2Real范式，银河通用已更新迭代新的GroceryVLA, 不仅自主决策，还能双手同时取货。

对于中国机器⼈产业的发展前景，王鹤表示，中国拥有全世界最丰富的产业链和应用场景，将在具⾝智能机器人领域率先实现突破。这种优势结合合成数据技术，有望推动中国成为具身智能的全球领导者。

马扬将触觉定义为"⼈形机器人的第二感官"，这⼀判断揭⽰了机器人技术发展的重要趋势。他认为，仅依靠视觉的机器⼈学习 就像"戴着厚手套干活"，触觉感知是实现精细操作和任务泛化的关键技术。

马扬对机器⼈发展阶段的认知颇具前瞻性。他认为当前具身智能发展遵循类似自动驾驶的L1-L5分级模式，未来5-10年可实现全能泛化，但近年内"有限泛化任务"将率先落地。这种阶段性发展规律为⾏业提供了清晰的技术路径指引。

在技术架构设计上，马扬强调了"感控⼀体化"的发展方向。他认为触觉传感器将从简单的感知器件演进为具备感知、计算、控制能力的智能单元，特别是指尖传感器需要具备分布式协同能力，实现"多指共同感知、协同决策"。

对于产业化路径，马扬提出了"虚实结合训练"的重要观点。他认为通过仿真平台完成 90%以上的训练工作，可以将整体训练成本降低到10%。这种"机器⼈职业学校"的理念，强调面向实际应用场景的快速训练和部署，体现了对产业化节奏的深刻理解。

邵天兰对机器⼈智能发展提出了分级判断：当前L2级别智能（单任务但⾃主决策丰富）正在快速发展，L3级别（多任务）也在可预见的未来。他认为L2智能仍有巨大的市场渗透空间，将是未来几年的主要增长点。

在应用场景选择上，邵天兰将机器⼈应用分为三大类：服务物品、服务⼈、科研教育娱乐。他强调制造和物流场景因环境可控性强、用户专业度高，将是率先规模化落地的领域，而直接服务人的场景因环境复杂、安全要求高而更具挑战性。

对于通⽤性问题，邵天兰提出了深刻洞察：真正的通用性在于"眼、脑、手"的软件层面而机械平台仍需专用化。他认为，给客户提供定制化产品，相比于给客户提供通用能力并覆盖特定需求，后者比前者难10倍。但当每一个现场都难10倍，真正做好叠加起来就可以实现复制。

邵天兰特别强调了系统⼯程的重要性：机器人是复杂系统，存在短板效应，每个环节都必须协同提升。他认为⼯业级应用要求极高的可靠性，这需要全产业链的系统性突破。

王永锟提出，具身机器人领域的主要瓶颈不在于硬件，而在于赋予机器人自主决策能力的“智能软件”。端到端VLA是一个潜力巨大的未来方向，但在当前不是解决工业场景问题的唯一方式。大脑与小脑分层、单体智能和群体智能的混合架构，是一条更务实、更安全、更落地、也更能快速为客户创造价值的技术路径。

在产业发展路径上，工业场景里会长期存在着专用型和通用型机器人，不同厂家、不同品牌的机器人共存。因此，需要统一的协议、统一的软件环境去控制调度，让多种类型机器人在同一个场景里相互协作、共同完成作业任务。

对于智能制造的发展规律，王永锟提出了四步发展路径：工人机械化→管理软件化→工厂数字化→数据智能化。他认为这是循序渐进的过程，不能跳跃式发展，必须打好每⼀层基础。

王永锟强调了中国制造业的优势：中国拥有全世界最丰富的产业链和应用场景，是机器⼈最佳的训练练兵场。他认为通过场景积累和数据理解，中国将率先诞生具⾝智能和通用性机器人。

主持⼈：许光坦（中信建投机械⾸席）

在产业圆桌讨论中，邵天兰特别强调了产业链分工边界的重要性。他指出随着规模化发展，企业必须明确自身边界，不能包打天下。他认为真正的规模化需要依靠系统集成商、解决方案提供商等下游合作伙伴，将科研项目转化为标准化产品。

在数据训练方法论上，邵天兰提出了平衡观点：各种数据都有价值，但要特别警惕人工示范数据的过度依赖。他强调机器⼈需要在实际场景中具备⾃我学习和迭代能力，"光看别人用筷子一年也学不好，还是要自己上手练"。

对于行业标准化建设，邵天兰认为"泛化、通用"等模糊概念不是真正的标准，行业需要像精度、寿命那样具体可量化的技术指标。他强调这是人工智能技术走向成熟的重要标志，也是产业协作的基础。

向少华从产业化的角度分析了机器人行业的发展规律。他认为机器人产业将分三个阶段发展：商业应用、工业应用、家庭应用，每个阶段的技术要求、成本结构和市场特点都有显著差异。

在成本控制方面，向少华提出了"端到端降本"的系统性思维。他强调真正的降本不仅是⽣产成本的下降，而是全价值链的效率提升。这种思路体现了对机器⼈产业复杂性的深刻认知：只有实现规模化应⽤，才能带来规模化⽣产，进⽽实现真正的降本增效。

向少华的核心观点是"应⽤为王，客户之上；战略优先，产品致胜"，他通过“雷赛智能定位为机器人核心零部件与解决方案领导者”为例，认为任何产品和技术的创新都必须以市场需求为导向，以客户价值为中心。

刘德利从轴承这⼀基础零部件的角度，阐述了对机器⼈产业发展的深刻认知。他认为"轴承是机器人的关节，其精度和寿命很大程度决定了整机性能"。这⼀观点揭示了机器人产业链中基础零部件的战略价值。

在产业竞争策略上，刘德利提出了“不内卷、不内耗"的发展理念。他认为应该专注于"卡脖子"技术环节，通过持续的材料创新、工艺突破和产学研合作，实现真正的技术领先。这种差异化竞争思路对整个机器人产业链具有重要启发意义。

刘德利强调，机器⼈产业的发展需要全产业链的协同创新，从材料科学到制造⼯艺，从基础理论到⼯程应用，都需要深度融合。

廖永兴从材料科学的角度分析了触觉传感器的发展趋势。他认为压阻式传感器基于它的物理特性在抗干扰等基础性能上具有优势，但需要通过算法增强来实现多维检测能力。

在技术路径选择上，廖永兴提出了"物理机器学习 "的概念：结合物理模型和数据模型，在边缘端实现快速性能提升。他认为这种方法可以有效提⾼分辨率和多维力检测能力，是触觉传感器技术发展的重要方向。

对于产业化挑战，廖永兴强调了边缘化部署的重要性：如何让先进的传感器技术快速实现边缘化应用，是当前⾯临的主要技术难题。他认为这需要在算法优化、成本控制和⼤规模生产之间找到平衡点。

常凯斯从资本市场的专业视角设计了本场讨论，重点探讨投资方和企业方在机器人行业认知上的观点以及不同发展阶段的关注重点。特别关注商业化挑战、全球化策略、产业链协同等影响投资决策的关键因素，力图为产融结合提供实用指引。

李通认为商业化出海过程中的核心问题是市场教育，他从服务机器⼈全球化的角度分析了行业发展趋势。他强调服务机器⼈本质上是劳动力，因此市场选择必须考虑当地劳动力成本。

在全球化策略上，李通提出理念：每个地区的文化、需求都不同，需要针对性地开发产品和服务。他认为，成功的全球化需要建立完善的本地化服务体系：一旦建立信任关系，就能获得长期稳定的商业合作。这种长期主义的思维对服务机器人行业具有重要启发意义。

许旭从实践角度分享了中国机器人企业出海⾯临的合规挑战。他指出海外市场对数据安全和隐私保护的要求更高，和国内认知存在差异，这对企业构成了巨大挑战。许旭强调了跨文化适应的重要性：同样的技术方案在不同地区可能面临完全不同的法规要求，对产品质量和服务标准的要求差异巨大。这需要企业具备强大的本地化适应能力。

王传胜从企业国际化的角度分析了机器人行业的发展挑战。他认为持续的产品竞争力提升和全球人才获取是国际化成功的关键因素。

在市场差异化方面，王传胜指出不同地区对产品质量和服务标准的要求差异大，需要遵从不同地区的规律和体系。

王传胜强调了组织能力建设的重要性：如何建立面向客户的高效流程型组织，是规模化企业必须解决的问题。他认为这种组织能力将决定企业在国际市场的长期竞争力。

臧天宇从投资人角度分析了机器人行业的发展阶段。他认为新一波2.0时代的公司源于大模型启发的端到端学习范式，以打造更通用的智能，当前2.0阶段仍处于早期，硬件刚达到可用状态，但大脑和模型层面仍有巨大提升空间。未来可能先从有限场景、有限条件下的泛化，逐渐发展到未来真正的通用层面。

在商业模式方面，臧天宇指出了国内外市场的显著差异：国内市场竞争激烈，海外市场需要大量市场教育投入。这种差异要求企业在战略选择上更加谨慎，并依据不同地区实际的情况快速做出策略调整。

对于行业未来，臧天宇认为数据的Scaling Law（扩展定律）和模型的Scaling Law仍不够清晰，智能化进展是投资人最关注的核心指标。他强调本地化服务能力建设是企业出海面临的最大挑战之⼀。

本次活动系统梳理了机器人领域的技术路径与产业布局，构建起技术、场景、资本协同发展的路线图。依托我国全球最完整的产业链和丰富应用场景，合成数据、小样本学习缓解了数据瓶颈，“1+N”服务网络与资本市场共同助力中小企业跨越“死亡之谷”，科研成果将逐步实现高效转化。随着技术体系日趋成熟，我国有望从最大应用市场迈向行业规则制定者。共识已形成，工具已就位，关键在于高效推进，持续巩固发展优势。

WRC 2025 · 独家全球战略合作伙伴