在刚刚结束的2026世界机器人大会WRC2026上“泛化”几乎是所有企业高管绕不开的问题。据「明亮公司」的不完全统计在主论坛中约30位企业创始人或负责人分享了关于泛化能力的观点基本上可以总结为“两个共识”和“一个分歧”共识一是泛化是当前具身智能最大的技术瓶颈共识二是提升泛化的路径仍依赖数据与场景而关于实现强泛化性的技术路线则存在分歧。有嘉宾认为目前具身智能的估值直接和泛化能力相关泛化能力更强也意味着更高的估值。而随着宇树科技688836.SH上市市场已不再只为具身的泛化想象力直接付费多家券商的研报显示尽管泛化能力无法直接“量化”但可以通过四个代理变量为泛化间接定价出货量、订单质量、技术路线收敛度已收敛环节稳定估值、未收敛环节高期权和数据飞轮估值溢价流向能先拿到真实场景数据的公司。「明亮公司」根据WRC2026主论坛嘉宾发言对企业负责人谈及“泛化能力”的观点进行了梳理大致可以围绕定义、泛化的瓶颈、技术路线、数据、落地节奏和分歧等六个部分。如何理解泛化星海图创始人、首席执行官高继扬给出了最“市场化”的定义——泛化性即培训成本。他提出具身智能走向生产力有速度、精度、泛化性三个关键指标其中泛化性可以简单描述为“培训成本”雇佣机器人像雇佣员工一样需要培训培训成本高就是泛化性低趋近无穷大就是一直学不会。星海图目前10小时左右的后训练可以完成新任务、长程任务目标是明年提升到1小时甚至几条数据完成长程任务后训练。跨维智能创始人、首席执行官贾奎把通用泛化性拆成两种耦合的组成部分——语义泛化性与物理泛化性。语义泛化性解决“机器人看到不同对象知道动作该怎么做”本质是人的认知行为智能数据必须来自真实人类数据物理泛化性解决“训练时数据与测试时物理条件改变后仍能稳定工作要靠生成式仿真、合成数据后训练解决——这也是跨维选择该路线的第一性原理。智澄AI创始人、首席执行官胡鲁辉则提出三维框架——物理智能的泛化性包含任务泛化、环境泛化、本体泛化三个层面且这三种不是加法而是乘法导致数据需求激增、质量与一致性要求越来越高。Arm物理AI机器人技术研究全球负责人Federico Pecora从系统视角认为高级机器人可以做到“跨对象的泛化”尤其在排序、物流、仓储、汽车等特定工作流中能捕捉大部分工作而推广泛化研究在每一步都创造价值——可在软件、模型、技能层面重复使用、跨任务调度资源“对机器人公司是巨大的解放降低工程改造成本”。泛化为何是最大瓶颈宇树科技创始人、董事长王兴兴固定场景下采集训练成功率可以接近100%但“操作物品或者是环境稍微换一下成功率下降非常严重”。他把根因归结为AI模型输入输出与真实世界的对齐偏差——语言模型是数字编码、输入输出无损失而机器人每输入输出一次都有偏差和损失“最后几个厘米、几个毫米的误差无法修正”。由此他给出具身智能“ChatGPT时刻”的定义在80%的陌生环境中通过语音或文字指令能实现80%左右任务快则2-3年、慢则5-10年。京东集团技术委员会主席、京东云总裁曹鹏从规模化视角论证在京东物流的标准任务里机器人效率成本已接近人工但“没有办法规模化向更多、更复杂的场景复制因为模型泛化性不好”——泛化性差直接堵死了规模化复制之路。众擎机器人创始人、首席执行官赵同阳把泛化列为最大卡点之一客户需求很多“每个你都要训练的话就会存在你在做专用的工具还是在做通用的问题”数据、模型、架构对多任务同时求解能力和泛化能力的支撑是根本瓶颈。浙江人形机器人创新中心首席科学家熊蓉点出产业界的普遍困境——“一事一训”物体、场景、光照一变就要重新采集数据训练且现有方法“没有真正解决泛化性不够”的问题甚至“失去了原来机器人所具备的精准、可靠、高效的执行能力”。苏度科技联合创始人、首席执行官韩铮提出了最严格的商业纪律具身智能分级应以“成功率99%”为前置前提达不到就仍属科研阶段物体操作要“成功率99%同时满足一定泛化性”且应“先保证物体和环境的泛化性再去追求物体种类的泛化性”否则没有商业化路径。他也质疑一事一训、堆硕博采数据‘炼丹’对泛化性的意义。泛化与技术路线星动纪元创始人、首席执行官陈建宇表示VLA通过模仿学习“形成一定泛化性但相对有限”新任务不收集数据很难举一反三而世界模型构建对物理世界常识性的理解如水杯倒水会往下流“具备比较好的泛化性有望大幅提升泛化能力”。他还区分了泛化层级VLA可实现物品泛化但任务级泛化零样本、没见过没训过的新任务是“泛化的终极追求”。无界动力创始人、首席执行官张玉峰则认为VLA追求“数据量足够大、分布足够好”的概率分布和肌肉记忆“涌现一直没有看到”世界模型要突破的是对物理世界底层逻辑的理解以支撑场景泛化。他给出的落地策略是“工业练技能、商业练泛化、家庭是终极挑战”。自变量机器人创始人、首席执行官王潜认为靠基座模型强大泛化性3个月打通新场景全链条海外同行做了两年半“比专用模型、专家工程、单点模型更好的效果、更低的成本、更快的速度已经是现在时”。北京人形机器人创新中心总经理熊友军小脑侧用跨本体泛化操作VLA模型唯一通过国家标准测试多构型、多任务、一定泛化能力“新任务只需20条数据即可解锁”。银河通用创始人、首席技术官王鹤虽未使用“泛化”二字但他描述了成果银河星脑已实现“跨本体、跨任务、跨场景的操作”——一个模型能为五指手做搬运机器人用人类无标签数据即可让动作预测损失持续下降并据此宣称2028年问鼎具身智能ChatGPT时刻。智平方创始人、首席执行官郭彦东指出人类大脑仅20瓦功耗就发挥“非常强大的泛化能力”而最先进AI芯片云端计算能效仅10⁻⁷量级——泛化能力的上限与能效强相关这是其类脑架构NeuroVLA20毫秒级反应的出发点。极佳视界联合创始人、首席科学家朱政希望世界模型“像语言模型一样做到通用场景的泛化”。北京飞渡科技联合创始人、总经理宋彬世界模型要支撑泛化需“多物理场耦合求解长时序稳定输出一定正确率”“就这一件事估计还得攻克很多年”但他也认同世界模型底座本身应有很强的泛化和通用能力类比九年义务教育。泛化与数据泛化不是凭空出现的它依赖数据。这一部分企业负责人的共识度最高也最接近市场定价逻辑。京东集团曹鹏指出行业公认训出“规模化复制、很好泛化性”的机器人大脑需千万小时级数据当前只有十万小时量级且存在“跨本体泛化与适应”问题。京东的解法是两年采集1000万小时人类数据100万小时真机数据用真实场景多样性换取数据泛化性——其JoyAI-RA模型随数据量从1000小时升到10000小时泛化成绩显著提升并超过π0.5。光轮智能创始人、首席执行官谢晨给出宏大框架以“100亿小时具身数据”作为达到“高中毕业”级基础泛化能力的目标——真机只占数据金字塔约0.1%其余靠仿真与人类数据其EgoSuite真实场景人类数据集直接用于提升机器人的通用泛化能力。帕西尼创始人、首席执行官许晋诚从感知侧定义泛化的前提泛化依赖“物理经验可规模生产→物理智能可规模泛化”而触觉是唯一不受光照环境影响的稳定模态视觉会随环境变化失效是支撑泛化的感知基础其数据“四证”体系保障数据原生同构、保真度高从而支撑泛化。商汤科技联合创始人、大晓机器人董事长王晓刚以世界模型第一阶段能力回应数据增强“举一反三、反一百”——世界模型生成多样化数据作为训练补充从数据侧解决泛化。优必选副总裁、具身智能与人形机器人研究院院长焦继超跨本体迁移是Transformer架构面临的大挑战——电机参数、构型不一致导致在这台机子上可以在另一台要特调。英飞凌科技副总裁刘伟给出类脑侧解法功能迁移与知识存储让“训练不需要重新培训”降低对新数据的需求。章鱼动力创始人、首席执行官都大龙提供了数据采集设备层面的泛化突破其EgoBio机电手环全球首次实现跨个体零数据泛化——机电/脑电设备过去需逐个体标定重训WRC现场约六七成佩戴观众零标定即泛化。泛化与落地节奏墨奇智能联合创始人、首席技术官黄青虬给出最清晰的“三角矛盾”能力三维度是效率、准确率、泛化性——工业要极致效率与准确率家庭要极致泛化性两者完全相反物流与服务居中。因此“家庭是能力累积的终点而非起点”先以酒店保洁等服务场景作为“家庭模拟训练场”切入泛化性够高数据回流够高再训练可泛化基础模型逐步走入家庭。其模型当前泛化水平是能叠各种各样花纹的衣服但大衣、西装还搞不定。奥比中光创始人、董事长黄源浩的节奏判断一致先从人类最不愿意干的脏活苦活累活落地“后面泛化性好了、智能高了再往更多场景渗透”数据、模型、本体手、眼、脑、传感器需同步迭代。智澄AI胡鲁辉补充了相反视角以“刚需或人不愿做的事”为落地场景认为家庭并不比工业更复杂AI理解和因果关系差不多但家庭涉及安全、隐私、伦理。京东集团智能机器人业务部负责人徐磊从数据侧判断收敛路径现有数据范式已能做到“数据训练的跨本体能力”未来本体收敛后模型在本体通用和跨界能力会更强。中科云谷首席执行员曾光给出工业侧的泛化实践以“感知、规划、控制一体化技术”实现多任务泛化双足人形机器人作为“泛化跨地形的执行器”接入工业软件体系。维他动力创始人、首席执行官余轶南为泛化后的风险度量提供了框架以失效成本参数化定义不同场景的危害空塑料杯掉地vs玻璃杯盛果汁掉地产品须先沙箱测试、随能力提升逐步授权。质疑与分歧科沃斯机器人董事长钱东奇提出全场最尖锐的质疑语言模型的Scaling Law建立在人类数千年语言积累与Transformer分词向量化之上而“没有人证明Scaling Law可以泛化到物理AI”展馆里所有机器人“都是针对一个特定场景做功能不可泛化”这是全球共同挑战。因此他给出变通解——“碳硅一体”用户定义机器人、以人类智能补偿机器人空缺在物理AI真正成立前从工具→管家→伴侣渐进进化。章鱼动力都大龙坚持“极致Scaling带来极致通用”公布世界模型路标10月200亿参数、明年上半年千亿参数以上并提出评测本身也必须可Scaling否则模型能力无法Scaling。原文链接29位具身智能CEO谈「泛化」共识和分歧-36氪