比如今年三月谷歌推出的

常难，也非常有未来感。-E，就是一种多模态具身视觉语言模型端VLM），让机器人可以基于大模型，来理解图像、语言等数据，执行复杂的指令，而无需重新训练。 加州大学伯克利分校的LM Nav，则通过视觉模型、语言模型、视觉语言模型 CLIP等三个大模型，让机器人在不看地图的情况下按照语言指令到达目的地。Koushil Sreenath教授的工作，就是推动硬件本体、运动小脑、决策大脑三部分逐渐融合，让各种四足、双足，以及人形机器人在真实世界中灵活地运动。 另一种，是英

伟达及大量工业机器人厂商为

代表的“务实派”，主打的是“马上见效”。 “未来派”一步到位的  希腊电话号码列表   路线虽然看起来很酷，但耗时漫长，距离产业可用还比较遥远，成本昂贵，产业客户未必能够接受。在种种不确定之夏，满足工业界需求，就出现了以松耦合来实现具身智能的技术路线。 简单来说，就是不同任务通过不同模型来实现，分别让机器人学习概念并指挥行动，把所有的指令分解执行，通过大模型来完成自动化调度和协作，比如语言大模型来学习对话、视觉大模型来识别地图、多模态大模型来完成肢体驱动。 这种方式虽然底层逻辑上看还是比较机械，不像人一样有综合智能，但成本和可行性上，能让具身智能更快落地。 哪种路线更优？

坦率地说，我们认为都有其局限

性。 紧耦合的“未来派”，硬科技的含 CU 列表 量显然更高，在突破后很容易和LLM一样给产业带来颠覆式的变革，让此前的大量工作成为无用功，但问题是商业化的周期很长，谷歌此前就曾将一门心思在人形机器人的波士顿动力出售，这一轮能坚持多久还是未知数。 松耦合的“务实派”，确实能很快落地产业应用，但技术壁垒相对不高，随着AI玩家增多，存量市场逐渐被开发，毛利率必然会在同质化激烈竞争中受到挤压，商业前景会很快到达天花板。此前国內某机器人龙头企业，就因为技术含量不高而折戟科创板，这说明具身智能产业还是要笃定远一点的未来，积累硬核科技。 星辰大海与商业赚钱之间的沟壑，是每一个AI企业都要穿越的“死亡之谷”。 四、我们对机器人还有哪些期待？ LLM方兴未艾，距离通用智能只是理论可行，究竟如何实现，还有很长的路要探索。从这个角度看，被大模型带火的具身智能，目前也还留在语言、视