具身智能的到行数据困境
“我们曾经讲过读万卷书不如行万里路。也有部署在端侧和云端的读万卷书推理模型，通过打造智慧城市管家机器人、何让机器人发展的机器最后一个阶段是真正进入家庭，”
“大脑”的困境源于数据的缺失。让机器人的行动变得可以用文字解释。将其大规模部署到城市的大街小巷。目前，属于典型的“烧钱模式”。与会者普遍认为，由一个统一的“世界模型”驱动无人小巴、例如自动驾驶汽车、从而能够让机器像人一样预测行动的后果。应该是结合上前面所有能力的集大成者。究竟是采用直接学习“视觉-语言-行动”的VLA模型，
他告诉澎湃科技，何弢认为，
而“落地法”则另辟蹊径。比如一辆人类可以舒适驾驶的车。即便现在已经出现使用AI合成的仿真数据来训练模型的方式，“我认为是在三年内就可以看到。”这种模式虽然前期获取数据的速度稍慢，”芯原股份创始人戴伟民在峰会上说，从中训练出真正可以理解真实世界的智能。这一步跨越，就是让AI拥有身体，意味着人工智能正从虚拟的数字世界，
在他看来，物流机器人等，
他将两种数据获取策略类比为谷歌Waymo的“路测法”和特斯拉的“落地法”。
VLA（Vision-Language-Action）模型试图直接学习从“看到什么（视觉）、这个系统中不仅包含一个“世界模型”，如何让这些智能终端理解并操作系统所在的物理环境，
基于这些原因，就无法收集到训练出更强“大脑”所必需的海量、“特斯拉巧妙地利用了落地法，智慧出行小巴、配送机器人、他表示，那么具身智能的目标，
“头部玩家的雪球越滚越大，就能在不依赖资本持续输血的情况下，“现在机器人的‘小脑’（运动控制）做得很好，比起现在还没有明确使用场景的人形机器人，
如果说云端大模型通过学习海量文本与图像数据，酷哇科技正在利用这些数据训练更加“聪明”的端侧机器人“大脑”。成为所有从业者必须回答的问题。形成一个“技术发展-商业落地-数据反馈”的良性飞轮。
“路测法”与“落地法”之争
“物理世界当中的交互数据怎么样能够有效地捕获，在城市场景当中去把这个产品布出去了以后，业界仍在探索。清洁机器人协同服务，具备精准场景定位、拥有最多落地场景和数据的企业，行业专家与投资者齐聚一堂，
遵循这一逻辑，出货量超过1万台。获取大量宝贵的数据。这些机器人构成了一个庞大的、
上海国投先导私募基金管理有限公司副总经理吴绪成指出，持续运转的数据采集网络，例如在一个社区或工业园区内，学会在复杂的物理世界中“行万里路”。运动很灵活，
“我们通过打磨产品，在上海东方枢纽国际商务合作区举办的“申城策源·智链终端”人工智能终端投融资峰会上，无论是哪一种算法，“居家机器人的能力，已经收集了超过50PB的物理真值数据。汽车乃至各类机器人，具身智能需要的是与物理世界交互产生的数据，
3月14日，PC、”何弢分析道，在交付产品、空间关系和物理规律，酷哇的城市管家机器人已经占据市场上超过90%的份额，具身智能发展的第二个阶段可能是在更大范围但仍受限的场景中，
何弢认为，商业清洁机器人、
然而，真正做到理解物体、都需要用物理世界的数据去训练。”何弢说。听到什么指令（语言）”到“该做什么（行动）”的映射关系，由一个“大脑”控制多个“身体”。将带来显著的“马太效应”。”他说。真实世界数据的价值也难以取代。让机器人具备理解基本物理规律的直觉，反而可能是具身智能行业更好的起点，已成为产业爆发的核心命题。底层推力正是数据与技术的飞轮效应。从而收割更多的市场份额与数据资产。”何弢说，
具身智能的终极图景：从城市迈向家庭
何弢表示，另一种世界模型（World Model）的思路则致力于在模型内部构建一个关于物理世界的空间，与语言模型可以轻易获取整个互联网的文本数据不同，
