文章核心观点 - 原力无限联合创始人刘扬提出，具身智能的发展应遵循从L0到L5的渐进式能力阶梯，并指出当前主流的视觉-语言-动作模型存在闭环能力缺失等核心缺陷 [3][4][7] - 为突破局限，公司规划了三条技术路径：开发可持续学习的Hyper-VLA、构建因果世界模型、以及实现VLA与世界模型的深度融合，旨在构建一个能持续学习、具备因果理解并能稳定泛化的闭环智能系统 [8][9] - 公司采用“专用与通用并举”的商业化策略，通过专用机器人实现商业闭环、验证技术并积累资源，同时研发通用机器人以探索技术边界，该策略已取得显著商业成果 [12][13] 行业盛会与背景 - 第六届中国机器人行业年会在杭州举行，汇聚了超2000名行业专家、企业家及从业者，是解码机器人技术与商业未来的高端对话场 [1] - 行业在2025年见证了单笔数亿美元的巨额融资，以及技术路线从VLA到世界模型的快速迭代 [3] 具身智能能力分级框架 - 借鉴自动驾驶分级逻辑，将具身智能划分为从L0到L5的渐进式能力阶梯，定义了从简单执行到完全自主的终局 [4][5] - 明确当前技术所处级别，能为不同发展阶段的企业指明“此刻最应攻克什么”的现实坐标 [5] - 基于此框架，公司定位为以具身大脑为核心，开发通用与专用两类机器人，并由该系统统一控制以切入不同场景 [5] 当前技术路径的局限性 - 当前主流的视觉-语言-动作模型本质上是一种数据驱动的、开环的记忆与关联模型，存在三大核心缺陷 [7] - 缺陷包括：闭环能力缺失，执行后缺乏对结果的预测与反馈调整；仿真与现实存在鸿沟，训练策略难以迁移至真实世界；缺乏因果推理，无法进行“反事实推断” [7] - 若未打通闭环，则后续的泛化和闭环能力难以实现，因此构建闭环系统是技术探索的起点 [7] 突破性技术路径规划 - 路径一：开发可持续学习的Hyper-VLA，建立“Real2Sim2Real”的持续强化学习机制，让模型能在真实与仿真世界间持续交互、进化，并防止知识遗忘 [9] - 路径二：构建因果世界模型，突破纯数据驱动范式，通过语言引导感知与推理，让机器人理解行为背后的原因，以提升在未知场景中的泛化与决策能力 [9] - 路径三：进行VLA与世界模型的深度融合，打造“大脑”负责因果推理与规划、“身体”负责精准控制的协同架构，实现闭环自主进化 [9] - 这些方向面临高保真仿真环境构建、知识迁移遗忘等挑战，公司正与学界及产业伙伴合作攻坚，并已在真实场景中验证迭代 [11] 商业化落地与成果 - 公司FORCE系列专用机器人（为新能源汽车提供自动充电服务）已在超20城、200多个商业标杆场景落地，效率提升3-4倍，服务于千家万户 [12] - 公司全年获得订单超4亿元人民币，并在2025年10月签署单笔2.6亿元人民币具身智能商业订单，创下全球同类赛道最大单笔纪录 [12] - 多款产品将在明年初陆续发布 [12] - 公司采用“专用与通用并举”策略：以专用场景的商业化落地验证技术、积累数据与资本；同时以通用机器人的研发探索技术边界与未来范式 [13] 行业发展范式启示 - 行业需要一种系统工程视角，不为追逐单一技术热点，而是为整个理解与执行的黑箱问题绘制一份需要长期填写的技术清单 [15] - 在具身智能这场漫长的竞赛中，成功的团队需同时做好两件事：以严谨的工程方法论将宏大的智能愿景分解为可逐个击破的技术模块；始终保持对真实场景的敬畏，在解决具体问题的闭环中让技术获得持续进化的燃料 [15]