记者 童蔚
银河通用联合创始人兼大模型负责人张直政，千寻智能联席首席科学家解浚源，自变量机器人创始人兼CEO王潜，清华大学助理教授、星海图首席科学家赵行，傅利叶智能创始人兼首席执行官顾捷，加速进化副总裁赵维晨，北京人形机器人创新中心CTO唐剑……
当人形机器人领域的这些活跃人物，出现在云栖大会同一场活动——2025阿里云具身智能行业论坛，气氛变得微妙起来。
一方面，他们对一个终极愿景抱有高度共识：让机器人能在家庭和工业场景中自如完成各类任务，最终迈向通用人工智能的“圣杯”。
然而，当话题转向“如何抵达”这一现实路径时，瞬间呈现出紧张感，各家的尝试天马行空，甚至互不兼容。
有人认为仿真数据能解决99%的问题，也有人直言最核心的数据必须源于现实世界；有人推崇端到端的统一模型，也有人主张分层系统更为实际，还有人试图跳出非此即彼的框架：“别争了，其实可以整合到一起。”
与文本、图像等可轻松抓取的互联网数据不同，具身智能依赖的是机器人与物理世界交互的行为数据。
这类数据天然稀缺、获取门槛极高，已成为行业共识，但如何破解这一瓶颈成了“非共识”的问题。于是，便有了“真机数据采集”与“仿真数据生成”之争。
另一个问题是，具身智能的“智”，究竟要怎么衡量？
解读的维度很多：比如空间智能（对于位置、距离和环境的精准感知），时间智能（记忆过去、预测未来），又比如执行智能（拆解复杂任务并自主执行），泛化能力（将所学迁移到新场景）等。
当下一个热门的解决方案，就是VLA（视觉-语言-动作）端到端模型。它试图让机器人通过摄像头“看见”世界，通过自然语言“听懂”人的指令，并直接执行相应“动作”，从而构建起“感知-理解-决策-执行”的闭环。
除此之外，还有大小脑分层架构、世界模型，目前这些技术路线并行探索，催生了多种解决方案。
并未参会的王兴兴，因此前在2025世界机器人大会上的观点，在圆桌环节意外被提到。当时，他在公开演讲中表示，机器人数据被过分关注了，“现在最大的问题是模型，并不是数据问题”。
同时，他对大热门的VLA持较为怀疑态度，认为这就是一个“相对傻瓜式的架构”，在和真实世界交互时，数据质量、能采集的数据都不太够用。
有趣的是，刚才还在为端到端与分层路线交锋的嘉宾，此时却立场一致，或委婉或直接地表达了对这一观点的不认同。
这其实是一件很有意思且极为重要的事。技术路径的分化，标志着一个更具深度的探索阶段的到来。而在这个过程中出现的每一条岔路，都可能藏着通向终极答案的钥匙。