近日，“类脑、智算与芯片技术发展论坛” 在北京举行。本次论坛由北京智源人工智能研究院、工信部人形机器人与具身智能标准化技术委员会类脑与智算工作组（MIIT/TC8/WG3）主办，汇聚了来自科研机构、高校及产业界的顶尖专家，围绕开放计算、灵巧操作、触觉智能、具身交互及具身安全等核心议题展开深度研讨，旨在打通从底层算力到机器人应用的完整技术链路，为具身智能产业的规模化落地提供关键支撑。

抢抓发展窗口，做强类脑智算底层能力

本次论坛由MIIT/TC8/WG3工作组执行组长、论坛主席王业全主持。他在开场指出，2026 年机器人产业正站在关键转折点，类脑、智算与芯片决定机器人大脑能不能真正实现 “自主思考” 与 “物理执行”，也是当前产业最需要补齐的底层短板。

工信部人形机器人与具身智能标准化技术委员会秘书长梁靓为论坛致辞。他表示：当前行业关注点多集中在整机、硬件、灵巧手等硬件层面，而类脑与智算芯片这一底层核心的难度高影响大——这正是本届机器人大会专门设置本论坛的深意。梁秘书长回顾了大会在引导行业向善、推动应急场景落地、联合48家央企开放场景等方面的系列举措，强调要通过“引导+场景+协同”的组合拳，推动机器人产业健康发展，而类脑与智算正是重点发力的方向。

最后提出了三点建议：一是早布局、早攻关，抓住中国人形机器人已占据全球市场90%的先发优势，在类脑智算领域抢占身位；二是开放协同，广纳芯片、模型等各方力量共建生态；三是务求实效，推动成果落地。其核心愿景是，通过凝聚更多力量，在类脑与智算芯片赛道抢占先机、占领高地、壮大队伍。

智算：开放计算，重塑算力新范式

智源研究院副院长兼总工程师林咏华带来《从多元算力到具身智能：开放计算的新范式》主题报告。论坛现场展示智源具身智能仿真与真机双轨评测榜单。

评测揭示行业棘手痛点：排名靠前的模型，其真机评测结果仅达到仿真评测结果的70% 甚至更低，双臂模型衰减问题更为突出，最低仅有 13%。同时从榜单可以看到，模型效果不完全取决于参数规模，数据质量及模型结构对模型表现的影响十分大。仿真与真机评测显著的性能鸿沟，已经成为制约具身智能从 Demo 走向落地的核心卡点。

针对具身智能领域端侧芯片选型难、软硬件生态割裂现状，林咏华分析行业现状：由于具身智能模型算法远未收敛，云端大模型芯片厂商对机器人端侧市场依然观望为主，反而是车规芯片厂商率先切入具身赛道。针对端侧硬件架构多元、算法适配成本高的痛点，智源研究院打造的众智FlagOS构建了AI系统开放计算的跨芯片技术栈，通过构建统一编译器、算子库与插件体系，屏蔽不同芯片底层差异，面向机器人场景打造软硬件协同底座，致力于打通微调训练、推理部署、仿真评测完整流程，降低多样化硬件下具身算法的落地门槛。

操作脑：精准执行，解锁灵巧新高度

在操作层面，灵心巧手首席科学家夏华夏深入剖析了灵巧手作为机器人与物理世界桥梁所面临的八大维度挑战——涵盖自由度、散热、负载、触觉、外形尺寸、使用寿命、硬件一致性、成本等工程化瓶颈。他指出，当前灵巧手行业在本体一致性、触觉皮肤寿命及跨本体迁移等方面仍存在显著不足。

在软件算法方面，行业已经探索出若干解决方向：通过出厂标定、运行过程动态自标定，缓解硬件漂移带来的影响；搭建动作原语库，对复杂手部动作做简化抽象；参考自动驾驶车 “底盘域/智驾域” 分层控制的思路，把部分感知计算下沉到手部本地硬件，实现低延迟的快速反馈。目前，适配多款灵巧手硬件的手势动作原语库已经面向行业开源，供科研和产业开展研究。

多模融合，洞悉物理新世界

在感知层面，帕西尼首席科学家白明提出“高质量触觉数据是物理交互必不可少模态”的核心观点。当前行业面临三重难题：感知硬件能力不足、触觉类物理数据供给短缺、硬件数据算法容易形成互相制约的负向循环。

高质量的触觉数据不是锦上添花的附加项，是机器人完成物理交互必不可少的基础条件。实践已经证明，引入触觉信息，能够明显提升机器人完成复杂物理任务的成功率。想要走出困局，需要搭建软硬件一体的感知与数据采集体系，探索真机与仿真双向循环的数据模式，补齐高质量物理数据短板。具身智能比拼的不是某一项单点技术，而是感知、策略、执行完整闭环带来的系统综合能力。

具身下一代交互脑：从“能说话”到“会交流”

在交互层面，旋玑智能联合创始人姚轶群分析真实场景下的人机交互挑战。现实物理世界多人混杂场景，远比数字世界对话复杂，存在多人插话、背景噪音、身份记忆等一系列难题。

针对这类难题，旋玑智能现已发布可复用、可适配、可持续迭代的智能头部硬件产品“言传智会具身大脑”（VoxInsight）。VoxInsight以自研原生全双工语音交互语言模型 VoxInsight-0.5为核心，融合终身记忆系统、 RoboClaw 统一智能机器人编排平台与硬件矩阵，现已实现百毫秒级的快速响应，让机器人可以在现实场景中识别交互对象、留存交互信息，真正做到“边听、边说、边想、边做”，大幅提升本体在复杂环境中的感知理解、连续交互与协同水平。

旋玑智能坚持以产品为连接载体，拉通具身智能上下游产业链，持续推进技术协同、产品适配与场景验证，构建开放协同的具身智能产业生态。

安全：底线思维，筑牢可信新防线

浙江大学冀晓宇教授从安全视角带来警示，这也是本次论坛的特色议题。进入物理 AI 时代后，AI 的安全风险不再只局限于虚拟网络空间，系统漏洞有可能直接造成人身伤害、硬件损毁等实体后果。

物理 AI 存在多种潜在风险：可以通过逆向手段获取具身大脑系统提示词；对抗样本能够误导 VLA 模型，让机械臂执行错误危险动作；外部声学、电磁物理信号，不需要攻破网络，就可以干扰灵巧手触觉传感器，造成过捏、欠捏等危险操作。

“安全不是产品上线之后的附加补丁，而是具身智能大规模部署不可逾越的门槛。” 冀晓宇呼吁行业要在研发早期就把安全机制嵌入系统架构，加快建立面向物理世界的具身智能安全测评基准，覆盖人机交互、长尾物理信号、异常行为等测试场景，填补具身智能安全测评领域的空白。

圆桌论坛：研判技术路线、数据、芯片与产业落地时间表

圆桌论坛《类脑、智算与芯片未来之路》由中国科学院半导体研究所研究员鉴海防主持，与会专家围绕模型、数据、芯片、生态及落地周期展开讨论：

1、模型路线：VLA与世界模型各有边界，非相互替代。VLA在端到端控制和语言泛化上有优势，但语言抽象物理世界存疑；世界模型在物理理解与交互上更优。选型受算力和场景制约——分段式适用于固定场景，VLA解决长尾泛化，世界模型处理复杂交互。未来趋向融合，并行探索有益，不排除两三年内新架构出现。

2、数据发展：核心矛盾是真机数据不可替代但成本高、质量不均（采集环境理想、操作者心态不真实）；仿真数据可扩量和构造长尾，但需与真机深度协同，不同任务需求各异。数据与模型双向牵引，数据多样化可能重构范式。真实环境中的持续进化数据最具价值，数据标准化是刚需。

3、芯片演进：需区分端侧与云端。当前“模型迁就芯片”主用英伟达生态迭代，长期将转向“芯片迁就模型”，专用芯片在特定场景ROI更高。国产芯片性价比与生态持续完善，混合使用是务实之选。功耗和成本需平衡，专为物理安全设计的独立安全芯片或成刚需，光芯片等前沿路线尚需时日。

4、产业生态：当前处于“蜂群涌现”阶段，技术路线未收敛，全栈自研与单点深耕各有优势，标准化自上而下设计尚不成熟。产业或沿单项垄断或多元共存两条路径演进，参考手机与智驾行业，需求爆发后分层分工必然，生态由市场决定。

5、落地周期预判：短期（1-3年）封闭场景无人化服务（如无人超市、咖啡店）可快速落地；中期（3-6年）工业、医院等半封闭场景可达稳定应用；长期（8-10年）家庭开放场景实现多任务通用操作。规模化须过可靠性、鲁棒性、效率、成本多重关卡，且安全必须前置。

本次论坛直面具身智能核心问题，凝聚了从算力、感知到安全的全链路共识。会议指出，产业规模化落地仍需跨越仿真鸿沟与数据瓶颈，技术路线尚未收敛，安全更是不可逾越的底线。未来，唯有坚持开放协同与务实创新，推动类脑、智算与芯片深度融合，加快标准预研与安全测评体系建设，才能筑牢发展根基，助力我国在人形机器人全球竞争中抢占先机，实现高质量、可持续发展。

MIIT/TC8/WG3类脑与智算标准工作组后续将在论坛共识基础上，持续推进标准预研、测评等工作，推动类脑、智算、芯片协同演进，为人形机器人与具身智能产业高质量、安全可持续发展注入动力。（古雨）