“具身智能真正的‘涌现’是跨任务跨场景的盛金缘证券，最好的本体将萌生于中国。”
5月29日，在2025张江具身智能开发者大会“具身·无界：智能模型的范式创新与架构革命”论坛期间，联汇科技（OmAI）CEO兼首席科学家赵天成在接受澎湃新闻记者采访时作出上述表述。
随着具身智能浪潮的兴起，为了让机器人能真正理解物理世界，视觉语言模型（VLM）、视觉语言动作模型（VLA）等具身智能大模型应运而生。当前，如何让具身智能像人类一样进行规划与操作，成为学术界与产业界共同面临的挑战。
赵天成毕业于卡耐基梅隆大学计算机系，在视觉语言模型领域有着多年的深入研究盛金缘证券，多次担任国际顶会领域主席，是国家重点研发计划（青年科学家）项目负责人。其创办的OmAILab人工智能实验室在今年2月推出了VLM-R1开源视觉语言大模型，采用生成式奖励处理优化（Generative Reward Processing Optimization, GRPO）强化学习技术，将DeepSeek R1的方法从纯文本领域迁移到了视觉语言领域，目前在GitHub上已获得近5000颗星。
“当前具身智能模型的发展状态，与2017年、2018年的大语言模型有相似之处，呈现出百花齐放的态势，存在诸多技术路线。但方向较为明确，就是构建‘世界模型’。”赵天成表示，目前全球各实验室在实现世界模型方面均有各自不同的思路，“成熟的VLM模型，其理解与生成功能目前仍是分离的。我们正开展研究，探索如何实现统一结构”。
对于VLM-R1的走红，赵天成称，最初发布的目的是让模型能够更好地进行复杂物体理解与视觉推理，目前社区已基于其开放框架衍生出众多新应用。
“终端用户真正需要的是一个能交付结果、完成任务的完整智能体（Agent）。我们团队专注的是可以实际部署于物理终端的智能体，不论是机器狗、无人机还是摄像头，都可以变成智能体。”赵天成认为，智能终端面临的挑战比单模型层面要大得多，具身智能绝非仅凭一家公司之力便可做成，必然会存在生态分层的商业模式，“中国的制造业实力强劲，当下并非一两家，而是有十几上百家企业在从事硬件本体研发。我们专注于做好‘大脑’（AI能力）部分，与从事本体研发、打造‘小脑’（运动控制）的公司展开合作盛金缘证券，这才是效率更高的商业模式，可以推动机器人真正进入良好的发展循环”。
赵天成强调，中国在具身智能领域具备显著优势，尤其是在供应链制造业和数据方面。他以小脑系统为例表示，“小脑和硬件的高度吻合意味着，在中国更有机会萌生出最好的本体，我认为这是具有较高确定性的事情”。
赵天成同时也向记者透露，其团队近期将推出机器人大脑平台，旨在通过与更多硬件厂商合作，使智能硬件超越单纯硬件属性，成为能结合应用场景的智能体。
据赵天成介绍，上述机器人大脑涵盖语言交互、3D空间感知、记忆以及决策执行控制四大板块，能够依据应用场景实现快速定义。
在当天的论坛上，赵天成便以移动机器人智能体为例，展示了其VLM在服务场景中融合多模态感知、长程记忆与自适应决策的完整闭环案例：机器狗结合地图与视觉进行导航，寻找目的地并完成相应动作，随后凭借记忆实现自主返航。
赵天成强调，物理终端智能体与普通智能体存在一个显著差异，就是必须要“快”，要确保响应的时效性，“不能出现我说一句话，机器人过了很久才行动的情况，这是任何人都无法接受的”。
他表示，可以通过强化学习，使更小的模型能够解决特定场景的复杂任务，进而提高响应速度；也可借助模型结构的改进，例如替代类似GPT的自回归生成方式，采用一次性生成一套方案的方法，从本质层面实现提速。“对于一些特别复杂的逻辑判断，现在总体来说会慢一些，可能还需要一两年时间去不断进化”。赵天成预测道。
那么，具身智能的AGI（通用人工智能）何时能够到来？赵天成认为，一定是通过海量的某种学习方式，使其涌现出智能，“真正的涌现应当是跨任务跨场景的，而不仅仅是抓取、叠衣服等初级能力”。
技术开源打破“单一阵营”的壁垒，机器人大脑平台提供了从理论模型到物理终端的转化工具盛金缘证券，协同创新正加速推动具身智能技术的迭代发展。
捷希源配资提示：文章来自网络，不代表本站观点。
