在近日举办的一场产业未来大会上，来自投资界、科技企业及学术领域的专家齐聚一堂，围绕人工智能（AI）从实验室走向真实应用场景展开深度对话。高鹄资本合伙人金涛作为主持人，与新石器无人车执行总裁赵优、墨奇智能算法科学家林天威展开讨论，聚焦自动驾驶与具身智能的技术演进、商业化路径及产业生态构建。
金涛开场指出，过去一年高鹄资本在AI与前沿科技领域主导了超80亿美元融资，涉及自动驾驶、具身智能等多个赛道。他以新石器无人车为例，提到其运营规模从万台突破至两万台，成为AI技术落地的重要样本。赵优回应称，自动驾驶的规模化实践揭示了关键挑战：技术需适配物理世界的约束条件，例如算力有限的终端设备、客户对成本与性能的平衡需求，以及通过数据闭环实现系统迭代。他强调，理解运营场景、定义产品本体是构建数据飞轮的基础，这一认知已逐渐成为行业共识。
林天威从物理AI的视角补充道，自动驾驶与具身智能虽技术路径相似，但评价标准差异显著。他以自动驾驶的“接管率”类比具身智能的潜在指标，如任务完成度、人工介入频率等，指出长期稳定性与异常处理能力是规模化应用的核心。他提到，过去十年自动驾驶从规则驱动转向模型驱动，本质是数据规模效应的体现，这一经验为具身智能提供了重要参考。
针对技术落地中的挑战，赵优分享了新石器的实践。他指出，当运营规模从千台扩展至万台级，成本结构发生显著变化：研发成本占比下降，运维、能耗、折旧等日常支出成为主导。这迫使企业优化技术架构，例如通过云端模型与端侧算法协同处理复杂场景，并引入远程接管作为安全冗余。组织能力成为关键瓶颈，跨部门协作与标准化流程的建立直接影响规模化效率。
林天威则从具身智能的硬件与任务特性切入，分析其与自动驾驶的本质差异。他提到，自动驾驶的硬件形态与任务目标已高度收敛，而具身智能需面对多样化场景与强物理交互需求，例如操作柔性物体或应对环境变化。他以墨奇智能的机器人研发为例，指出当前技术卡点在于动作模型的泛化能力与任务闭环的鲁棒性。例如，训练模型抓取苹果后，更换场景抓取其他水果仍可能失败，说明系统对指令与物体的适应能力不足。
在技术与场景的协同演进方面，林天威强调真实环境对技术迭代的驱动作用。他以酒店清洁场景为例，指出实验室难以定义任务标准（如擦桌子的流程规范），而真实场景中的数据采集与反馈能直接优化模型性能。赵优则从物流自动驾驶的特殊性出发，提到新石器正将技术延伸至运输两端的装卸环节，以覆盖客户全链条需求。他认为，承担更多运营责任（如服务水平协议SLA）能加速数据飞轮运转，形成技术-场景的良性循环。
当被问及长期差异化能力时，赵优认为组织能力是核心。他解释称，自动驾驶与具身智能均涉及硬件、算法、软件、运维等多环节，优秀人才的协同效率决定企业竞争力。林天威则提出“闭环能力”与组织能力的双重重要性：一方面需构建通用基础模型与场景化数据飞轮，另一方面需通过敏捷组织实现快速迭代。他透露，墨奇智能正通过酒店场景验证技术通用性，未来计划拓展至家庭等复杂环境。
对于具身智能的“ChatGPT时刻”，林天威预测，当机器人能在陌生环境中自主完成完整任务（如打扫房间）并交付结果时，行业将迎来里程碑。他预计这一突破可能在两年内实现，主要依赖执行层能力的提升。赵优则从商业化角度提出新石器的目标：实现按单付费模式与单业务毛利，同时优化端到端模型的数据闭环效率。他认为，当智能产品达到蓝领岗位的服务水平并形成持续改进预期时，市场将迎来拐点。
