上证报中国证券网讯（记者 窦世平）2026世界机器人大会上，具身智能从模型能力探索走向真实场景落地，数据规模化与场景规模化同步推进成为产业发展的重要趋势。大会期间，大晓机器人董事长王晓刚接受上海证券报记者专访时表示，机器人的泛化能力仍受数据和模型两方面制约，即使未来出现类似大语言模型的智能涌现，也不意味着生产力价值会在短期内充分释放。 在他看来，具身智能的“ChatGPT时刻”需要两个前提：一是形成足够规模、足够高质量的真实世界数据，二是通过世界模型从数据中学习物理规律和因果关系。王晓刚认为，“即便到了ChatGPT时刻，它也只是一个新的起点”。从智能涌现到机器人进入不同场景、形成可持续的生产力价值，仍要经历模型迭代、真机验证和商业闭环建立等过程。 围绕落地路径，大晓机器人现阶段选择先进入即时零售、酒店、仓储、物流及部分工业场景，再逐步走向家庭。王晓刚解释，这一路径既考虑安全、可靠性和隐私约束，也希望在可复制的B端场景中同步扩大数据规模和机器人部署规模，形成模型能力与场景落地相互促进的循环。 数据与世界模型构成两道门槛 王晓刚介绍，大晓机器人从2025年开始推进“以人为中心”的环境式数据采集，希望让工作人员在真实生产生活环境中正常作业的同时完成数据采集。按照其披露的目标，到明年年底，相关数据量计划达到千万小时量级。作为对比，他称，去年全行业积累的数据约为10万小时量级。 但数据的价值并不只取决于数量。大晓机器人将数据质量划分为L1至L5：较低等级的数据可能只有单目或双目视频，标注和场景较为有限；较高等级的数据则加入头部、胸口、手腕等位置的不同传感器和力触觉信息，并对人体关节、接触物体及作用力进行定位、追踪和建模。王晓刚认为，只有数据采集方案、后端系统、模型和真实场景形成联动，才能判断哪些数据真正促进模型迭代。 在技术路线方面，大晓机器人将世界模型与传统VLA做了区分。按王晓刚的解释，VLA更偏向针对特定任务和特定本体进行模仿学习；世界模型则试图持续生成和预测未来状态，使机器人在动作过程中不断观察、预测并调整。他介绍，大晓机器人今年3月将世界模型部署到机器人端侧，目前可按10Hz频率预测未来约3秒的状态。 王晓刚表示，大晓还在推进理解、生成、预测一体化架构，让三项能力共享同一特征空间，以减少信息损失并提高端侧推理效率。公司选择开源世界模型，也与其主要面向机器人端侧和B端场景有关：通过开放模型参数、端侧GPU部署和接入运控的能力，让更多本体和场景接入，从而获得反馈并完成后训练。 从场景规模化走向家庭仍需时间 技术路线之外，王晓刚把“可复制性”视为场景选择的首要条件。以即时零售为例，大晓机器人希望运营方能够在半年至一年左右回本，这一目标也对机器人硬件成本提出要求。只有部署规模扩大，传感器、关节和芯片等环节的成本才可能逐步下降。他表示，即时零售和酒店包含物品整理、分拣等多类任务，场景中的信息密度和任务复杂度也更适合用于训练模型，而非长期重复单一动作。 环境式数据采集被大晓机器人视为降低成本的一种方式。王晓刚称，传统真机采集需要购买机器人并配置专门人员，而采集设备成本可能降至数千元至数万元，并可利用现有工作人员的作业过程采集数据。他认为，这种方式可以降低设备和人员成本，提高数据采集效率。 王晓刚认为，数据规模化与场景规模化不能分开：部署场景越多，产生的真实数据越丰富；模型能力提升，又可能支持更多场景落地。按照他的判断，未来半年左右具身世界模型可能出现较大进展；他也希望到明年看到数千台机器人在即时零售、酒店等场景常态化运行。这些均为受访者对未来的判断和目标，并非已经实现的部署结果。 家庭场景则需要更高门槛。王晓刚表示，家庭环境难以标准化，机器人还要近距离接触老人、儿童，并处理隐私和长程复杂任务；B端场景可以设置隔离区域或远程接管，家庭环境却难以长期依赖后台监管。因此，在软硬件成熟度、安全性和可靠性建立足够信心之前，大晓机器人的路径仍是“先To B、后To C”。

上证报中国证券网讯（记者 窦世平）2026世界机器人大会上，具身智能从模型能力探索走向真实场景落地，数据规模化与场景规模化同步推进成为产业发展的重要趋势。大会期间，大晓机器人董事长王晓刚接受上海证券报记者专访时表示，机器人的泛化能力仍受数据和模型两方面制约，即使未来出现类似大语言模型的智能涌现，也不意味着生产力价值会在短期内充分释放。

在他看来，具身智能的“ChatGPT时刻”需要两个前提：一是形成足够规模、足够高质量的真实世界数据，二是通过世界模型从数据中学习物理规律和因果关系。王晓刚认为，“即便到了ChatGPT时刻，它也只是一个新的起点”。从智能涌现到机器人进入不同场景、形成可持续的生产力价值，仍要经历模型迭代、真机验证和商业闭环建立等过程。

围绕落地路径，大晓机器人现阶段选择先进入即时零售、酒店、仓储、物流及部分工业场景，再逐步走向家庭。王晓刚解释，这一路径既考虑安全、可靠性和隐私约束，也希望在可复制的B端场景中同步扩大数据规模和机器人部署规模，形成模型能力与场景落地相互促进的循环。

数据与世界模型构成两道门槛

王晓刚介绍，大晓机器人从2025年开始推进“以人为中心”的环境式数据采集，希望让工作人员在真实生产生活环境中正常作业的同时完成数据采集。按照其披露的目标，到明年年底，相关数据量计划达到千万小时量级。作为对比，他称，去年全行业积累的数据约为10万小时量级。

但数据的价值并不只取决于数量。大晓机器人将数据质量划分为L1至L5：较低等级的数据可能只有单目或双目视频，标注和场景较为有限；较高等级的数据则加入头部、胸口、手腕等位置的不同传感器和力触觉信息，并对人体关节、接触物体及作用力进行定位、追踪和建模。王晓刚认为，只有数据采集方案、后端系统、模型和真实场景形成联动，才能判断哪些数据真正促进模型迭代。

在技术路线方面，大晓机器人将世界模型与传统VLA做了区分。按王晓刚的解释，VLA更偏向针对特定任务和特定本体进行模仿学习；世界模型则试图持续生成和预测未来状态，使机器人在动作过程中不断观察、预测并调整。他介绍，大晓机器人今年3月将世界模型部署到机器人端侧，目前可按10Hz频率预测未来约3秒的状态。

王晓刚表示，大晓还在推进理解、生成、预测一体化架构，让三项能力共享同一特征空间，以减少信息损失并提高端侧推理效率。公司选择开源世界模型，也与其主要面向机器人端侧和B端场景有关：通过开放模型参数、端侧GPU部署和接入运控的能力，让更多本体和场景接入，从而获得反馈并完成后训练。

从场景规模化走向家庭仍需时间

技术路线之外，王晓刚把“可复制性”视为场景选择的首要条件。以即时零售为例，大晓机器人希望运营方能够在半年至一年左右回本，这一目标也对机器人硬件成本提出要求。只有部署规模扩大，传感器、关节和芯片等环节的成本才可能逐步下降。他表示，即时零售和酒店包含物品整理、分拣等多类任务，场景中的信息密度和任务复杂度也更适合用于训练模型，而非长期重复单一动作。

环境式数据采集被大晓机器人视为降低成本的一种方式。王晓刚称，传统真机采集需要购买机器人并配置专门人员，而采集设备成本可能降至数千元至数万元，并可利用现有工作人员的作业过程采集数据。他认为，这种方式可以降低设备和人员成本，提高数据采集效率。

王晓刚认为，数据规模化与场景规模化不能分开：部署场景越多，产生的真实数据越丰富；模型能力提升，又可能支持更多场景落地。按照他的判断，未来半年左右具身世界模型可能出现较大进展；他也希望到明年看到数千台机器人在即时零售、酒店等场景常态化运行。这些均为受访者对未来的判断和目标，并非已经实现的部署结果。

家庭场景则需要更高门槛。王晓刚表示，家庭环境难以标准化，机器人还要近距离接触老人、儿童，并处理隐私和长程复杂任务；B端场景可以设置隔离区域或远程接管，家庭环境却难以长期依赖后台监管。因此，在软硬件成熟度、安全性和可靠性建立足够信心之前，大晓机器人的路径仍是“先To B、后To C”。