全国政协委员贺晗：破除数据与场景瓶颈 加快具身智能高质量发展

中国网财经3月4日讯 具身智能，把算法能力从屏幕世界带入物理世界，正成为继大模型之后的新一轮产业“主赛道”。

“进入2025年以来，我国人形机器人产业热度高、企业多、产品迭代快，开始从‘能动起来、能表演’转向‘能上岗、能干活’。”在全国政协十四届四次会议期间，全国政协委员、天娱数科董事长贺晗表示。

然而具身智能相关产业在快速发展的同时，仍存在一些短板。“数据荒仍是具身智能最大瓶颈。”贺晗谈到，与通用大模型可借助海量互联网数据不同，具身智能需要大量“任务级、过程级”的交互数据(抓取、装配、搬运、开门、叠衣等)，数据获取成本高、标注难。

对于这一难题，他建议以国家级“具身数据要素工程”破题：建公共数据底座、统一格式与权属规则。例如，建设若干“国家级具身智能数据采集与预训练中心”，面向典型任务(搬运/装配/分拣/巡检/护理)形成可复用数据集。统一数据标准：动作轨迹、力觉/触觉、视觉语义、工位工艺参数等数据格式与元数据规范，推动跨企业、跨平台复用。明确数据权属与合规边界：对涉及个人隐私、工厂商业秘密的数据建立分级脱敏、可信计算与授权机制，形成“可用不可见、可控可计量”的共享模式。

具身智能的核心在于通用泛化。然而目前我国多数企业仍采用针对特定任务的定制化算法，缺乏真正意义上具备强泛化能力的具身智能基础大模型。

“通俗来讲，就是能做演示的，不一定能上岗；能在A工厂跑通，不一定能迁移到B工厂。”贺晗说。

他建议大力发展具身基础大模型。比如说，支持头部AI企业与顶尖高校联合研发多模态具身通用大模型，重点突破端到端控制算法和 Sim-to-Real 迁移技术，提升机器人的常识推理能力和未见环境下的泛化操作能力。

具身智能面向制造、物流、安防巡检、应急救援、养老照护等多种场景。这些场景的真实需求巨大，但在具体落地的过程中，常见“试点多、规模少”，示范应用难以自然成长为规模化复用。

贺晗建议以“场景牵引+政府采购/首台套保险+央国企带头应用”拉动规模化上岗。例如，建立国家级“人形机器人上岗清单”：优先选择收益可量化、环境相对结构化的场景(3C装配、仓储搬运、质检巡检、危化/电力巡检等)先形成规模。推行“首台套/首批次”风险分担：用保险、性能担保、分阶段验收与租赁(RaaS)降低企业采购门槛。用央国企做“锚定客户”：以“AI+制造”为抓手，形成真实工位数据回流与持续迭代机制，带动中小企业进入配套生态。

此外，贺晗还提出做强软件栈与开源生态，用开放接口降低重复研发、提高产业协同效率。

“(具身智能)应当尽快补齐短板，重点是破除数据和应用场景的难题，让AI从电脑屏幕真正走到实体物理世界中去‘干活’，加快形成实体经济的新质生产力。”贺晗说。