在上海世界人工智能大会（WAIC）开幕前夕，地瓜机器人举办了一场媒体沟通会，公司CEO王丛就具身智能领域的多个热点问题分享了看法。当下，具身智能行业从芯片算力到数据标准，从算法路线到落地场景，都充满了不确定性，而地瓜机器人是少数已开始交付产品的企业之一。
沟通会上，地瓜机器人公布了旭日S600发布半年来的落地进展。目前，该产品已与它石智航、优必选、北京人形机器人创新中心、自变量机器人等20余家头部客户达成合作，覆盖人形机器人、工业轮式双臂、3C柔性作业、具身大模型等场景。其中，它石智航A3机器人将搭载旭日S600实现规模化工业部署，北京人形“天工3.0”计划2026年下半年量产交付，人形机器人（上海）“灵龙2.0”将于三季度完成多场景验证，超过100家产业链伙伴已完成协同适配。
对于具身智能芯片的算力问题，王丛表示，目前行业没有标准规定芯片算力应做到多大，也没有人明确算法需要多大算力。这就像当年做智驾芯片，从1T逐步发展到4T、10T，直到现在也没人清楚汽车行业到底需要多大算力。在他看来，这个行业若一切都定死了，就无法发展，未来要走十年、二十年，能效、算法、数据等维度都会持续演进。当被问到下一阶段算力提升量级时，王丛称每年答案都不同，取决于2026年这一两年的落地需求和算法提升情况。
在竞争态势方面，摩尔线程、高通等企业纷纷布局具身计算与大模型算力，行业竞争愈发激烈。王丛认为，目前真正做出可落地产品的玩家并不多，国内科技行业在发展初期，热门赛道常吸引众多参与者，这是正常现象。行业还未到白热化竞争阶段，地瓜机器人的核心关注点是打磨产品、响应客户需求，行业整体发展、玩家增多对所有参与者都是好事。
谈及哪个细分场景最有可能率先实现大规模量产，王丛指出，仓储搬运、物料转运等技术门槛相对较低，特定工业场景的物料分拣、上下料等技术层面已基本跑通。不过，技术成熟后，核心要解决产品性价比和落地过程中的系统对接问题。不同行业的生产管理系统不同，解决方案需适配大量非标需求，容易走弯路。他认为，供应链持续降本和行业与客户共同打磨“最后一公里”解决方案，将推动规模化落地，只是不同场景落地节奏有差异。
对于今年具身智能芯片和2028年人工智能芯片的出货量，以及AI芯片在机器人整机成本占比的问题，王丛表示，今年整机出货数据不同机构预测差异大，将以实际客户项目情况判断，不作具体数值预测。关于成本占比，机器人本体成本快速变化，很难给出准确数字，但参考手机和汽车行业，不同行业发展到成熟阶段后，芯片成本占比在5 - 10个百分点是比较合理的分配，机器人行业应也会遵循类似规律。
在工业机器人与普通技术工人的优劣比较上，王丛称，工业机器人的优势在于能填补“人不愿意做的岗位”缺口，如制鞋行业粘底工序，工作环境恶劣，年轻人不愿做，机器人可很好承接搬运等重复性劳动。但劣势也很明显，目前机器人通用能力不足，规则复杂、差异化大的工厂场景难以适配，真正能替代人工的场景还在逐步拓展中。
关于具身算法泛化能力提升的原因及影响，王丛认为，核心原因是算法发展的必然过程。早期行业数据采集不规范，今年随着数据量积累，数据对齐、治理等基础工作做得更扎实，配套工具逐步完善，泛化能力自然提升，并未出现革命性技术突破。泛化能力增强能让算法更好适应不同场景，对前端部署有积极意义，可降低部署成本和难度。
针对芯片方案落地规模有限与具身模型尺寸偏小的关系，以及模型尺寸未来变化的问题，王丛表示，行业模型迭代速度快，半年基本会有一次明显参数升级，后续模型规模会逐步提升。目前端侧模型至少会到30B，云端到100B以上，想实现具身效果，至少要有几十B，否则连基础抓取效果都难以保障。
对于模型能力提升与高质量数据需求的矛盾，以及数据是否必须全部来自真实场景和能否靠烧钱储备数据跑出技术突破的问题，王丛认为，矛盾理论上成立但不是绝对的。在中国的产业环境下，行业愿意先行投入探索，先把数据规模做起来，踩过坑、迭代完再逐步优化。就像智驾行业，早期没有成熟量产车，自己改装车辆采集数据，很多早期数据废掉，但经过摸索总结出成熟方案。具身智能也会经历类似阶段，很多科研技术突破靠持续投入试出来，这些投入是技术验证和行业发展的必经阶段。
在论文模型泛化性与产品落地实际效果的关系，以及泛化能力达到可用临界点所需投入和时间的问题上，王丛称，泛化性分维度，目前行业顶层通用泛化方法论未发展到成熟阶段，大家解决的是局部场景问题。现在落地起量是小范围逐步爬坡，从50台、100台往上走，是行业发展的正常过程，大家还需逐步接受。
关于世界模型在端侧的运行效率及未来发展走向，王丛表示，目前大家关注世界模型，各团队都在布局，它很多时候作为特征提取模块，为VLA等模型提供特征输入，辅助数据验证和测试。行业处于早期，技术路线分很多流派，大家都在尝试。等大家不再刻意提“世界模型”时，就说明这条路跑通了，技术已融入产品，不再是单独概念，就像自动驾驶行业如今不再纠结技术流程，只看实际运行效果。
当被问到地瓜目前最核心的卡点时，王丛认为不存在绝对壁垒或既定规则，国内外厂商发展路径和环境不同。在中国市场，最终要落脚到客户真实需求上。地瓜踩中了行业核心需求，将市面上主流模型、算法产品完成深度适配，适配效果和落地速度比同行更好，帮客户打消了模型部署顾虑，之后会持续向行业顶尖企业学习技术细节，不断打磨优化。
对于适配地瓜芯片需投入更多人力的问题，王丛称这是更换技术路线的正常现象。有量化部署经验、熟悉端侧优化的团队迁移会快很多，不熟悉的团队上手成本高一些。很多熟悉英伟达平台的开发者忽略了其方案跑出高效率也需深度量化优化。地瓜与客户合作衔接顺畅，会配合优化工具链和配套支持，适配工作没大家想象那么难。
关于能否拿到客户系统里的机器人运营海量数据，王丛表示，地瓜不拿客户业务数据，做自研算法是为帮助客户更好适配芯片。地瓜先在芯片上把基础算法跑通、做好优化，给客户提供可用基础模型，客户可在此基础上快速迭代自己算法，整个过程与客户共创，不会获取客户核心业务数据。
