具身智能，无疑是 2024 最热科技话题之一。

好多东说念主会意思意思，有着超等 AI 大脑的机器东说念主，何时梗概参与到咱们的日常生计当中？什么时候才略给咱们缔造一个委果的物理寰球模拟器？

当前，国内具身智能调动哄骗引颈者云深处，在 MEET 2025 智能改日大会上共享了我方的不雅点：

具身智能提高了传统机器东说念主的泛化智商，处理委果环境中的复杂数据仍是改日磨砺要点。

当前具身智能行业处于 L2 级，工业场景中的需求相称明确。

云深处科技公司确立于 2017 年，专注于具身智能的研发与哄骗，领有跨越15 年的腿足机器东说念主研发素养，其居品已在电力、消防、拯救、建筑、安防等多个行业中竣事生意化哄骗。

在 MEET 2025 智能改日大会上，量子位邀请到了云深处科技公司的集合首创东说念主兼 CTO 李超，探讨了云深处科技公司旗下机器东说念主居品的发展历程、当前具身智能行业的发展要点、改日公司的生意和技巧方面的斟酌等话题。

MEET 2025 智能改日大会是由量子位把持的行业峰会，20 余位产业代表与会贪图。线下参会不雅众 1000+，线上直播不雅众 320 万 +，赢得了主流媒体的时常热心与报说念。

中枢不雅点梳理

多模态数据及委果性（To-Real 问题）仍是制约具身智能进一步发展的要道要素之一。

相似于自动驾驶的分级模范，具身智能也呈现出从 L0 到 L4 的不同级别，当前基本处于L2阶段。

行业内对具身智能的改日充满乐不雅，预测将在工业过火他非家用场景中最初竣事大鸿沟生意化哄骗。

云深处通过对具体场景作念适配、并对模子智商进行拘谨，已竣事强化学习算法的居品化落地。

以下是李超在 MEET 大会现场圆桌论坛的 QA 实录，为了完竣体现他的想考，在不改变应承的基础上，量子位对问答部分进行了裁剪整理，但愿能给你带来更多启发。

提高传统机器东说念主智能泛化智商

量子位：云深处很早开动就直奔具身智能额外，作念仿生类格局，你们是若何想考这个问题？

李超：云深处科技从本年开动专注具身智能的技巧调动与行业引颈，客不雅来说咱们云深处是具身智能第一批受益者，也委果产生了一些阛阓价值。

咱们最早是作念机器狗的，几年前，这些机器狗好多是基于模子进行落拓，它的泛化智商和妥当性莫得当前这样好。

这两年咱们在这方面握续干涉，旧年扫数这个词团队就仍是在作念跟磨砺关系的具身智能，旧年开动咱们的四足机器东说念主有了很好的哄骗，本年开动鸿沟化哄骗。

咱们有面向一些消防场景，还有拯救的、特种的，包括电力巡检等，具身智能给机器东说念主赋予了灵魂，有了这个灵魂加握，加上机器东说念主的应变智商本人也很强，当前已开动竣事一年增长两三倍的鸿沟化哄骗。

到来岁还会有更多哄骗，面向更绽开的环境，陆延续续会在一些民用的场景有更好的哄骗。

量子位：具身智能这个看法来自于艾伦 · 图灵，是他在半个世纪往时开动界说或者构想的事情，到当前咱们才真确界说元年，云深处其时是看到什么趋势，或者产业内有什么样技巧或者要素变化，让你们以为不错开当作念具身智能了？

李超：具身这个看法早些年其实我不太熟悉，云深处团队，包括浙大团队，最早是把学习引入到机器东说念主落拓中。

咱们在 2019 年时其实就作念了这个工作——多众人系统，也登上 Science Robotics 子刊。

然而这内部的工作，是不是的确能跨越往时的一些算法，能否竣事居品化落地，才是愈加紧迫的部分。云深处花了三年时候才真确把强化学习的东西作念落地。

机器东说念主在哄骗的时候要基于具体的一个场景作念适配，对它的智商要进行一定 * 拘谨。

咱们当前嗅觉，智能模子的智商有点太强了，若是放在机器东说念主身上，智商会超出咱们之前的预期。

中枢的少许是，往时早期的机器东说念主是基于规章的落拓，但当前基于磨砺的轮番，智商极大超出了咱们融会的范畴，而况还在不休进化。

跟着机器东说念主智商的增加，往时咱们以为只可在固定场景下哄骗，但本年在十足绽开的环境里终端也不错相称棒。

咱们上月发布的轮足格局机器东说念主山猫，对这个行业来说是有颠覆性的，尤其是对改日二、三十公斤以下的转移平台来说。

它不错用最佳的智商处分多样小场景下冲破性的问题，是一个极大的升迁，它绝顶于一个有人命的物理系统，这是咱们最大的感受。

要点是处理复杂委果场景中的数据

量子位：数据在你们的实行落地历程中是一个要道挑战吗？

李超：当前客不雅地说还不是，云深处有一个很紧迫的责任，让 AI+ 机器东说念主的技巧真确落地，产生价值。当前从我的角度看，除了数据，还有技巧的熟习度，生意的本钱，包括部署等挑战。

在机器东说念主智商层面，云深处作念执行和小脑会更多少许，在数据层面上，如实莫得遭逢太多的阻难，因为数据莫得大模子用的这样多。改日要联结更复杂的场景空间和操作，到来岁这方面应该是咱们的一个挑战。

量子位：关于如哪里理委果数据，像相似 Sora 的模子，或者 Sim-To-Real 的处分轮番，您有什么看法？

李超：咱们常常困扰在 To-Real 这个事情内部，如实是问题好多。

刚才说到动画的数据，可能体当前一些色调，委果的场景内部的数据，还包括质感等更多方面，咱们但愿有愈增多模态的。

比如像机器东说念主在田园行驶的时候，看到一些草地，或者和雪地、水这些东西会通在一块，对机器东说念主来说如何作念出通过与否的有筹备，这个是当前蛮大的一个挑战，这些齐是 To-Real 的问题，咱们每天齐在处分这样的问题。

工业坐褥场景中需求明确

量子位：像云深处这样实行者，你们会斟酌把具身智能实行按照一些智商技巧的模范去分离吗？类比智能驾驶领域内部的 L2 — L5 的分离，你们会有相似的模范吗？

李超：有，而况很明确，旧年往时咱们好多是 L1，准确说是L0，因为有好多行业哄骗，比如消防和救急拯救，如故东说念主在操控。

当前咱们用的最多的，工业巡检场景下，在固定场景下、小范围的 L4，机器东说念主自主去作念有筹备，去作念判断，这是分行业的。

然而像山猫机器东说念主在绽开环境下，咱们以为当前是L2多少许点，大部分情况下它不错靠我方判断去作念，还有一半时候需要靠东说念主作念有筹备。

来岁但愿进化到 L3 级别，但对机器东说念主来说场景太大了。

量子位：类比 ChatGPT 的发展轨迹的话，您以为当前是具身智能的几点 0？

李超：我更乐不雅一些，因为刚平正在这个行业内部，咱们也处分了好多恶劣环境下的实行。

第一个被改变的样貌还不细则，有些公司太对准家用，家用是不是很快有这些需求还不细则。

然而我征服在工业坐褥中，好多场景仍是发生深切的改变了，我处在这个圈子内部仍是感受很大了。

—  完  —

点这里� � 热心我，铭刻标星哦～

一键三连「共享」、「点赞」和「在看」

科技前沿阐发日日邂逅 ~