全國政協委員、天娛數科董事長賀晗：場景牽引、央國企帶頭，拉動人形機器人規模化上崗

（賀晗，來源：天娛數科供圖）

2026年春晚舞臺上中國機器人產業的“全景展示”后，具身智能賽道的熱度再次升溫，不僅具身智能密集落地，產業內投融資亦步入爆發期。及至正在召開的全國兩會上，具身智能也成為熱議的話題。

十四屆全國政協委員、天娛數科（002354.SZ）董事長賀晗就表示，具身智能正成為繼大模型之后的新一輪產業“主賽道”——它把算法能力從屏幕世界帶入物理世界，面向制造、物流、安防巡檢、應急救援、養老照護等場景，形成“會感知、能決策、可動手”的新質生產力。

不過，在賀晗看來，具身智能作為AI與物理世界交互的終極載體，正面臨比通用大模型更嚴峻的發展瓶頸。首當其沖的便是“數據荒”。他在調研中發現，與通用大模型可借助海量互聯網數據不同，具身智能需要大量“任務級、過程級”的交互數據，比如抓取、裝配、搬運、開門、疊衣等，數據獲取成本高、標注難。國內各研究機構和企業的數據采集平臺、傳感器接口、數據格式各自為戰，形成了大量“數據孤島”，缺乏具有行業共識的高質量、大規模具身智能開源數據集。

全球知名中文IT技術交流平臺CSDN的數據顯示，具身智能需要數百PB級物理交互數據，當前存量缺口超99%。而根據行業調研，目前優質靈巧手數據的供給量不足實際產業化需求的10%。

與此同時，具身智能“大腦”泛化的能力不足。“比如能做演示，不一定能上崗；能在A工廠跑通，不一定能遷移到B工廠。”賀晗直言，目前我國多數企業仍采用針對特定任務的定制化算法，缺乏真正意義上具備強泛化能力的具身智能基礎大模型。

“制造、物流、商服、養老等領域的真實需求巨大，但落地常見‘場景碎片化、驗收口徑不一、預算與迭代機制不足’，導致企業在‘項目制交付’與‘產品化復用’之間反復搖擺。”賀晗還談到，目前場景的牽引力不強，“示范應用”難自然長成“持續采購”。

此外，雖然2026年2月我國發布了首個覆蓋人形機器人與具身智能全產業鏈、全生命周期的國家標準體系，但產業仍面臨“多賽道擁擠、差異化不足”的結構性風險。

針對這些瓶頸和不足，賀晗提出了一套系統性的破題思路，核心是以“數據—模型—部件—整機—場景—標準”一體化思路，盡快補齊短板，把“熱鬧的展廳”變成“可復制的工位”，把“單點突破”變成“系統勝利”。

一是以國家級“具身數據要素工程”破題：建公共數據底座、統一格式與權屬規則。建設若干“國家級具身智能數據采集與預訓練中心”，面向典型任務（搬運/裝配/分揀/巡檢/護理）形成可復用數據集。統一數據標準：動作軌跡、力覺/觸覺、視覺語義、工位工藝參數等數據格式與元數據規范，推動跨企業、跨平臺復用。明確數據權屬與合規邊界：對涉及個人隱私、工廠商業秘密的數據建立分級脫敏、可信計算與授權機制，形成“可用不可見、可控可計量”的共享模式。

二是大力發展具身基礎大模型。支持頭部AI企業與頂尖高校聯合研發多模態具身通用大模型。重點突破端到端控制算法和 Sim-to-Real 遷移技術，提升機器人的常識推理能力和未見環境下的泛化操作能力。

三是以“場景牽引+政府采購/首臺套保險+央國企帶頭應用”拉動規模化上崗。建立國家級“人形機器人上崗清單”：優先選擇收益可量化、環境相對結構化的場景（3C裝配、倉儲搬運、質檢巡檢、危化/電力巡檢等）先形成規模。推行“首臺套/首批次”風險分擔：用保險、性能擔保、分階段驗收與租賃（RaaS）降低企業采購門檻。用央國企做“錨定客戶”：以“AI+制造”為抓手，形成真實工位數據回流與持續迭代機制，帶動中小企業進入配套生態。

四是做強軟件棧與開源生態，用開放接口降低重復研發、提高產業協同效率。推動控制中間件、仿真平臺、數據工具鏈、評測基準開源（或開放標準），形成類似“通用底座+行業插件”的生態。政府采購與示范項目設置“開放接口與可遷移性”要求，避免鎖死在單一廠商。鼓勵“模型—控制—硬件”解耦，提高跨平臺復用，降低中小企業進入門檻。（文｜公司觀察，作者｜蘇啟桃，編輯｜曹晟源）