蓝鲸新闻8月14日讯（记者 武静静）大模型热潮之后，具身智能正成为下一个叙事中心。人形机器人也因此被推上浪潮之巅，但泡沫与真金常常难以分辨。
2025年，因人形机器人的热度，及"杭州六小龙"之一的称号，云深处被推到公众视野中央。云深处创始人朱秋国向蓝鲸科技坦言："这个身份让更多人关注我们，但我们更关心的是，一步一个脚印解决真实场景中的难题，做出真正有用的机器人。这既是压力，也是推动我们不断前行的动力。"
从浙江大学副教授到云深处科技创始人兼CEO，朱秋国拥有学者与创业者的双重身份。但与许多人印象中的"学院派科学家"风格不同，采访中，朱秋国更像一位深耕To B市场多年的创业老兵——谈起产品和技术时，频繁提到"场景""客户""验证"，习惯用"打磨""适配"这样的词来描述技术跨越"鸿沟"的过程。
聊到商业化，朱秋国干脆侧身，用手指在旁边的墙上画出一条经典的曲线——硅谷思想家杰弗里·摩尔（Geoffrey A. Moore）在《跨越鸿沟》中描述的产品生命周期曲线。"这里，"他指向曲线的底部，"技术不够成熟、产品不够稳定，达不到场景，用户用不起来，就掉进‘沟’里了，很多产品都死在这个阶段。"
在他看来，四足机器人赛道的"技术鸿沟"大体已被跨越，而人形机器人还远没到那一步。"人形机器人落地还要十年。"
这种判断并非凭空而来。成立于2017年的云深处，几乎见证并亲历了四足机器人跨越"鸿沟"的全过程。朱秋国记得，最早在实验室研究机器人那几年，波士顿动力频繁发布各种机器人炫技视频："每一个都像在提醒我们：中国还没有这样的机器人。"2016年，AlphaGo掀起的AI热潮让团队意识到技术爆发临近，而波士顿动力的进展，则带来更直接的紧迫感。于是，团队很快达成共识决定创业："不能再等了，必须打造中国特色机器人。"朱秋国回忆。
在人形、轮足、仿生、多模态还远未成为热门话题之前，云深处的四足机器人"绝影"已经可以在变电站巡检，在消防救援、灾后探测中执行任务。2020年12月，"绝影"登上机器人顶刊《Science Robotics》，在全球业界引发关注。
在朱秋国看来，产品真正跨越技术鸿沟的标志，不是单个客户的好评，而是成百上千家客户的稳定使用。这不仅关乎硬件，更依赖于围绕产品应用构建的软件系统——"尤其是客户直接操作的那一层。硬件和软件共同构成了终端体验的闭环。"他强调，没有足够的用户基数和应用场景，就谈不上真正理解什么是好软件。
这种理念，也延续到了云深处对人形机器人节奏的把握上。朱秋国直言："客户不仅看成本，更关注质量、服务和交付能力。核心是选择赚快钱还是长期为客户创造价值。我们选择踏实稳健，这与‘云深处’的寓意相符。"公司的名字取自唐诗《山行》中的"白云深处有人家"，既有诗意，也暗合一种姿态。
如今，云深处正在从"以硬件为主、做技术突破"走向"以软件为主、做应用验证"。在这场对话中，我们探讨了朱秋国对大模型、强化学习与机器人能力边界的判断，他对具身智能技术变量与落地路径的选择，以及在他眼中，中国机器人产业真正的"护城河"究竟是什么。
机器狗赛道的"技术鸿沟"大体上已经跨过去了。当然并不意味着每一家公司都已经跨过去了。每家公司要跨过去，还是得找好自己的应用场景，产品要真正稳定可靠，能够为客户带来实际价值。
机器人本身一定要过硬，硬件不能出问题，执行必须稳定。如果本体基础都不牢靠，大模型再强也没用。这就像人脑和身体的关系：大脑可以思考，但如果身体动不了，那什么也干不了。既要继续突破AI算法，也要把机器人本体打磨到没有短板。两者缺一不可。
不能光靠一个客户说产品好，只有一百个、一千个客户都用得好，那才说明产品真的行。软件的开发不能只靠技术驱动，而是要以客户需求为导向。只有当你的用户量和实际场景都到了。
场景的壁垒非常高。刚开始进入场景的时候，如果机器人连台阶都上不去，设备稳定性都达不到，就没法落地。技术打基础的阶段必须过硬，否则连客户的门槛都过不了。
你是希望前期就去赚一波快钱，还是希望长期为客户创造更大的价值？我觉得这是每家公司都需要做出的战略判断。我们当时的选择，是不去把所有精力投入到做一些演示或者表演性的事情上。
很多人都想"一步到位"做出通用型系统，但我认为这是不现实的。具身智能的前提条件之一，是你得能从具体场景中获取到足够真实、有价值的数据。没有数据，智能就无从谈起。
以下是对话实录，经蓝鲸科技编辑修改。
一、从探索到落地，机器狗已越"技术鸿沟"，进入规模化扩张阶段
蓝鲸科技：杭州六小龙这个标签给你们带来了什么实质性的变化？是压力还是动力？从长远来看，这个身份，是否是发展过程中的一个里程碑。
朱秋国：六小龙这个身份，告诉我们过去几年在技术突破和商业化落地上的探索被大众看见了。这个身份让更多人关注我们，但我们更关注的是，如何一步一个脚印，解决真实场景中的难题，做出真正有用的机器人。这既是压力，也是推动我们不断前行的动力。
蓝鲸科技：最近很多人形机器人企业开始密集布局机器狗（四足机器人）产品线，你们怎么看？
朱秋国：一个产品在商业路线的发展中，往往可以分为几个阶段。第一阶段是探索期，只有少数几家公司开始做产品的探索。彼时行业并不被看好，技术也有很多缺陷，更多只是一些演示和demo，是典型的"从0到1"的阶段。
到了第二阶段，会出现一些愿意尝鲜的"初始用户"。但这个阶段最大的挑战是"跨越鸿沟"那一步。技术不够成熟、产品不够稳定，达不到场景，用户用不起来，就很容易掉进"沟"里，跨不过去，基本上就走不下去。很多产品其实都死在这个阶段。
我们看到这几年AI技术在发展，尤其是强化学习等技术，让机器狗的技术能力不断增强，对场景的适应能力越来越强。这个意义上，机器狗赛道的"技术鸿沟"大体上已经跨过去了。当然并不意味着每一家公司都已经跨过去了。每家公司要跨过去，还是得找好自己的应用场景，产品要真正稳定可靠，能够为客户带来实际价值。所以它是一个路径问题，这个行业现在整体已经到了这个发展阶段。
一旦到了这个节点，就意味着市场会慢慢增长。夸张点说可能是指数增长。有些后来者看到有路径可循，直接就走到了"沟"这一侧，借鉴你前面趟出来的路。所以当一个赛道跨过了这个阶段，它就进入了战略扩张期，开始进入规模化增长。
蓝鲸科技：你觉得人形机器人处于哪一阶段？
朱秋国：人形机器人还处在非常早期的阶段，甚至还没到"尝鲜者"阶段，因为行业的应用还极少。只有有人用，才能在应用中打磨技术，才有可能形成正向循环。但现在还没有到这一步，所以它还远没跨过"鸿沟"。
很多人说，人形机器人几年就能落地，我一般会说十年——从2022年国家提出相关支持政策算起，再加十年。
蓝鲸科技：什么时候觉得，四足机器人技术真的突破到了可以走进应用场景、实现商业化的程度？
朱秋国：每一次技术突破，我们当时都会觉得"可以用了"，每一步都很激动。比如最初探索场景是在2019年，我们带着四足机器人去了南方电网做巡检的应用测试，机器人已经能保证稳定行走，这是一个不小的进步。但现实中，一遇到台阶、马路牙子这种障碍，就非常棘手。你会发现，从实验室到真实场景，哪怕是一点点的不确定性，都会变成一个巨大的挑战。
后来技术逐渐有了泛化能力，能适应越来越复杂的环境。每走一步，我们都觉得"已经很好了"。但如果从现在普遍认可的应用角度来看，真正带来明显突破的，还是强化学习。它让机器人面对各种地形变化时，能够用一套训练好的策略去自适应解决，而不是为每一个地形单独编程。这就极大提升了机器人的泛化能力和实用性，也就为商业化打下了基础。
现在四足机器人逐步走向真正可用的阶段，核心的技术推动力来自于强化学习的崛起。当然，不只是强化学习，AI整体技术在过去两年也取得了巨大进展，尤其是大模型技术，它们都在推动整个机器人行业往前走。
蓝鲸科技：除了强化学习，很多人也在讲"大模型"对机器人技术的影响。您怎么看这两者的关系？
朱秋国：我们得区分一下：我刚刚讲的强化学习，是针对机器人本体的训练，解决的是像行走、避障、攀爬这种与环境强相关的问题。
而大模型，尤其是大语言模型或者多模态模型，它其实是另一种类型的AI技术，它更偏语言、感知、认知。严格来说，大模型本身跟机器人硬件没有直接关系。问题的关键在于：这两者如何结合。也就是我们现在说的"具身智能"。
现在大家更关注的，其实是"机器人如何和大模型协同工作"。可以理解成是"机器人+AI"的结合：机器人提供感知和执行，大模型提供理解和决策，但前提非常明确——机器人本身一定要过硬，硬件不能出问题，执行必须稳定。如果本体基础都不牢靠，大模型再强也没用。这就像人脑和身体的关系：大脑可以思考，但如果身体动不了，那什么也干不了。所以，在推动具身智能落地的过程中，我们既要继续突破AI算法，也要把机器人本体打磨到没有短板。两者缺一不可。
二、云深处的新范式转向，"可用性"才是硬通货，机器人必须适配真实环境
蓝鲸科技：回顾你们技术路线的起点时注意到一个细节：云深处成立于2017年，而2016年AlphaGo引发全球轰动，让很多人第一次认真关注AI。这两件事在时间上非常接近，是巧合吗？
朱秋国：绝对不是巧合。2016年AlphaGo对整个AI行业的震动是深远的，那之后很多人开始重新认识AI的可能性。我们当时也受到了很大触动。
再一个现实的背景是——那个阶段已经被波士顿动力的视频打击得很难受了。他们每发布一个视频都像是在提醒我们：中国还没有这样的机器人。做科研的，天天看着别人做出那么强的产品，心里当然很不是滋味。
所以我们才下定决心要做点事。一开始，我们的目标就不是做个公司"挣点快钱"，我们真正想做的是技术沉淀。希望能把人才、把技术、把研究积累下来，形成我们国家自己的技术体系。我们要让中国的机器人技术，不再被国外甩得那么远，哪怕能慢慢拉近一些距离。
这事对我们来说，是一份长期承诺，是想为国家做些实事的初心。
但这不是我们一家公司能做到的。这个行业的发展，离不开整个技术社区的共同努力，包括学术界、研究机构，还有很多像我们这样的创业公司。比如强化学习的快速发展，很大一部分得益于学术界的研究推动，大家共同把这个事情往前推。我们只是在其中做了我们该做的那一部分，整个行业的进步，是所有人一起努力的结果。
蓝鲸科技：过去几年，云深处经历了什么转变，这个转变发生在什么时候？
朱秋国：之前公司是"以硬件为主，做技术突破"，但现在已经进入了"以软件为主，做应用验证"的第二阶段。转变是在2025年发生的，但这个思路最早在2023年9月我们就已经提出了。当时我们判断，既然硬件已经打下基础，就要开始往"以软件为主、做应用验证"这条路上走。
不过我也承认，那个时候其实有些误判。虽然提出了软件导向的战略，但实际上团队在执行上还是更倾向于投入在硬件上。为什么会这样？因为那时候我们还处在"跨越鸿沟"的阶段，产品没有真正进入规模化应用，大家对"软件是否能带来价值"这件事信心还不足。而且当时没有用户规模，没有数据沉淀，也很难评估软件是不是"好"。第一代产品毕竟是我们的第一个商业化产品，没有量的积累，就很难有质的判断。即便我们认为机器人已经"技术ok"，但能不能匹配实际需求？能不能真的好用？软件是否足够智能？这些都是不能靠内部假设来判断的。
到了2024年，我们的技术逐渐成熟，客户的使用量慢慢上来了。这个过程很重要，它提供了足够的样本，让我们能真正去验证产品能力。不能光靠一个客户说产品好，只有一百个、一千个客户都用得好，那才说明产品真的行。客户多了，他们的应用需求也越来越具体。你就会发现，虽然机器人本身ok了，但软件层面问题暴露得更多，比如是否智能、是否易用、是否真正能适配客户的业务流程。
软件的开发不能只靠技术驱动，而是要以客户需求为导向。只有当你的用户量和实际场景都到了，你才真正知道怎么定义一个"好"的软件。而在此前，内部就算提了口号也难真正执行到位。所以走到今天这一步，团队才真正意识到软件的重要性。而与此同时，硬件也到了相对稳定的阶段。就像造手机，手机硬件已经造好了，接下来要思考的是：你的App怎么做？你的生态怎么构建？
蓝鲸科技：刚才提到的"软件"，如果落在实际的场景中，具体是指哪些能力？比如说客户在现场怎么操作机器人？还是指一些新的底层技术，比如引入了强化学习算法等。
朱秋国：底层技术当然很重要，比如强化学习、导航算法这些肯定要持续迭代。但我所说的软件，不仅仅是底层算法，更是围绕产品应用所构建的一整套软件系统，特别是面向客户操作的那一层。
比如你的交互系统是什么样的？任务设置是否足够灵活？部署工具是否易用？客户在现场实际使用中，怎么快速配置？怎么简单上手？这些都属于软件能力的范畴。它决定了你的产品交付效率、部署效率，甚至决定了客户有没有动力去持续用你的机器人。这就是我们说的"软件为主"阶段，是围绕终端产品展开的，跟硬件是一个打磨终端体验的闭环。
比如以前带着机器狗去做电力巡检，客户可能需要一个月时间做部署和调试，那我们现在希望能不能通过软件优化，把整个流程压缩到一周以内，甚至更短？这个目标实现的前提，是你不仅要有强大的算法，也要有好用的软件系统。这包括图形化的配置界面、自动化的任务设置、异常处理逻辑、甚至是调度优化。它不只是技术层面的问题，而是一整套产品能力的体现。
总结来看，我们"第一阶段"的重点是做以硬件为主的技术突破，比如让机器狗能稳定地走路，能抗风、抗雨，适应复杂地形，这背后也有很多软硬件的结合。而到了"第二阶段"，我们强调"以软件为主"，就是把机器人放进具体应用场景里，比如电力巡检、安防巡逻、应急消防等等，我们要让客户能快速上手、高效配置、灵活使用。这就要求你不仅有硬件基础，还要有一整套围绕场景构建的软件能力。最终还是回到一句话：你能不能真正帮客户解决问题、节省时间、提升效率。
蓝鲸科技：2024年我们看到"山猫"系列加入了轮足混合设计，这与"绝影"系列纯四足路径有明显不同。当初为什么没有优先选择轮式结构？这次转向轮足，是基于什么样的场景需求或市场信号？
朱秋国：其实可以从原理层面分析得很清楚——包括运动速度、复杂地形适应能力、能源效率等关键指标，轮足混合在很多维度上都有优势。把各项因素一一对比下来，最终会发现：轮足混合确实是当前最全面的方案。
这也不是我们首创，像波士顿动力、苏黎世联邦理工等机构，他们研发的机器人也采用了类似的结构。所以从技术角度来看，轮足混合的路径早就被验证了。但从我们自身产品路径来看，我们并不是一开始就决定要做轮足，而是循序渐进地摸索出来的。最初阶段，我们还是聚焦于四足运动的稳定性和控制能力，这部分没做扎实，就谈不上结构创新。
等到四足方案逐渐成熟之后，我们才尝试将轮足加入，做了轮足混合的早期验证。这其中的关键，是我们公司内部其实会进行很多"预研"项目——不是马上就量产的产品，而是功能样机、实验平台，像"山猫"运动版就是一个典型的预研样机。山猫M20发布的才是真正的产品版本。
所以这条路径并不是转向，而是一个自然的延伸过程：我们先把四足走通，再在此基础上延展到轮足混合，而不是一开始就拍脑袋决定结构方案。
朱秋国：我们内部一直有几个比较明确的技术核心。首先是核心零部件的自研能力，尤其是针对关节层面的运动控制。我们现在的运动控制能力已经非常灵活了，这在行业内有一定优势。
第二，我们长期强调的仿生结构设计和能量效率优化，这些都关系到机器人的可持续运行和环境适应性，是偏底层架构和物理动力学的。但如果你问现在最重要的方向，那一定是——具身智能。
所以未来在我们公司看到的产品发布，都会以"具身智能"作为统一的方向展开。它不仅是学术词汇，更是我们整个产品体系和研发体系的核心指导思想。
蓝鲸科技：之前看到你们和新加坡国家电网有合作，你们的出海策略是什么时候开始推进的？有针对性的重点市场吗？
朱秋国：我们是从2023年就开始做出海了。海外业务的难点是，不能只是交付一个产品，要交付一整套解决方案。这个系统的复杂度远高于单点产品。所以我们的策略是：先把国内的解决方案跑通，再输出到海外。比如电力巡检这种场景，我们在国内有成熟经验，就可以复制到东南亚一些国家。
但也有些场景，海外可能更有空间，比如海外的安防。国外人力成本高，用机器人替代保安很常见，在中国就不现实，因为人力成本相对低。再比如末端配送，也是一样。
蓝鲸科技：云深处在电力巡检、应急救援这些B端场景里已经做到行业第一了。场景的壁垒体现在哪？
朱秋国：场景的壁垒非常高。刚开始进入场景的时候，如果机器人连台阶都上不去，设备稳定性都达不到，就没法落地。技术打基础的阶段必须过硬，否则连客户的门槛都过不了。
更关键的是，客户对施工周期和部署效率的预期也在变化。以前一个月部署完一个场景就不错了，但现在市场要求变了，大家希望能一周甚至三天完成部署。如果还在用传统方式做一个月，那就慢慢被淘汰了。
所以技术得进化，合作也得跟上。这个行业光靠一家企业是打不下来的，必须跟优秀的伙伴们共创解决方案。只有把客户价值放在第一位，你才能长期活下去。
蓝鲸科技：你们提到过要拓展末端配送市场，这个也是国内落地为主吗？
朱秋国：一开始我们也以为是在国内做，后来调研发现：海外的需求可能更大，尤其是在人力成本高、客单价高的市场。
"山猫"轮足混合机器人其实就很适合做末端配送。它既能爬楼梯又能跑马路，地形适应能力强。你要想从社区门口送到楼道口，这种"最后一公里"的复杂地形，山猫是能解决的。所以未来如果要在配送场景里投入，这款机器人大概率会成为主力机型。
三、人形机器人不是短跑，云深处选择慢一点
蓝鲸科技：云深处现在都没正式推出自己的人形机器人产品，你们做人形机器人的节奏是什么？
朱秋国：到今天这一步，客户对产品不仅看重成本，还会关注质量、服务、以及整体交付能力。
所以问题在于：你是希望前期就去赚一波快钱，还是希望长期为客户创造更大的价值？我觉得这是每家公司都需要做出的战略判断。我们当时的选择，是不去把所有精力投入到做一些演示或者表演性的事情上。这可能也是我们"云深处"这个名字的一种体现吧，我们更愿意踏实一点，走稳每一步。
蓝鲸科技：从四足机器人转向人形，你们有哪些经验是可以直接复用的？
朱秋国：太多了。小脑、大脑、底层控制逻辑、硬件关节设计，很多系统是可以共享的。我们原来在四足上花了很多年积累的，比如运动控制系统、感知方案，未来完全可以迁移到人形上。真正要"重新研发"的，是它的形态结构和多关节协调，但它不是从零开始的产品。
这也是为什么我们内部有规划——后面会推出自己的人形机器人，但也得实事求是：要做出一个像样的产品，少则几个月，多则一年。我们之前视频里展示的是早期测试版，还不是最终形态。
蓝鲸科技：关于人形机器人，大家都很关注它的落地速度。你怎么看现在人形的产业节奏？
朱秋国：我可以明确地说，现在市面上没有一台人形机器人能真正跑在具体场景里。我们自己很清楚，这条路还早。
当然，我们并不否定人形机器人的长期价值。10年、20年后可能会产生重大作用，但今天很多讨论只是噱头。它还处在早期的技术探索阶段，距离商业化还远远不够成熟。
蓝鲸科技：人形机器人真的是未来"通用机器人"的最优形态吗，为什么要沿着"人的形态"做机器人？未来也许工厂都不是给人设计的了，更不用说老龄化加剧后，"人"是否还该是默认模板，你怎么看？
朱秋国：我自己以前也是坚定的人形路线支持者，但后来也发生了一些转变。
蓝鲸科技：为什么会转变？
朱秋国：最初支持人形，是因为它"像人"，能表演、能打拳，动作丰富、观赏性强，能展示技术实力。但后来我慢慢意识到：从应用角度看，人形未必是最优解。比如说机器人底下装轮子或者四足，效率反而更高。就像"半人马"形态，没必要拘泥于两条腿。
但问题也在这：你会发现真正走到通用形态那一步的，可能又会回到"人形"。一旦技术发展到位，比如机器人拥有真正柔软的皮肤、对环境的顺应性、与人协同的能力，它可以骑车、开车、坐飞机、用工具，甚至看起来跟真人无异，而且价格还便宜到几万块钱——那为什么不用它？
所以我觉得，"人形"是长期趋势，但不是当前主力场景。它是个波浪式前进的过程。随着新材料、低功耗技术、生物结构的突破，人形机器人才可能真正"像人"。但这不是今天、明天的事，是10年、20年甚至30年的事。
蓝鲸科技：你觉得人形机器人行业现在有"泡沫"吗？
朱秋国：这是很正常的一个经济现象。政策推动、资本刺激、技术突破、媒体关注，这四股力量一旦叠加，行业一定会迎来密集试错期。大家都往这冲，是一个结构性机会。但阶段性淘汰是必然的。这时候就看谁能扛住，谁能找到真正可落地的场景、持续迭代的节奏。有些公司把人形当"副线"布局，有些是All in，如果赌错了节奏，就很容易掉队。
四、具身智能不靠想象力，靠的是数据、场景与工程化
蓝鲸科技：你前面提到大语言模型（LLM）也能增强人形机器人的交互能力。你觉得这是实质性的提升，还是噱头？
朱秋国：我觉得是实质性增强。尤其在交互、记忆、上下文理解方面，LLM可以极大改善人机交互体验。它不再是每次都从零开始的对话，它是有记忆、有语境感知、有逻辑连贯性的系统。你跟它聊一次，它就能记住你之前说了什么、要做什么，这就比传统交互强太多。所以我们公司现在已经是完全拥抱AI了，所有未来形态的机器人都要和大模型结合起来做"具身智能"，这是趋势。
蓝鲸科技：云深处的具身智能团队是怎么构建的？
朱秋国：我们团队里很多人早期就是做控制、做运动算法的，后来这批人几乎无缝切换到了强化学习方向，所以基础能力很强。但具身智能对AI能力的要求越来越高，我们未来肯定还会引进更多懂AI、懂机器人交互的人才。
我们是一个很开放的平台，也希望帮我们呼吁一下——我们这里有大量真实的数据，有真实的场景在跑，欢迎更多优秀的AI人才加入我们。
蓝鲸科技： 怎么看目前整个"具身智能"的技术路线？VLA逐渐成为行业共识，谷歌此前也发布了一个端侧的VLA模型。
朱秋国：像谷歌提出的一些基础框架，对学术界也好、产业界也好，确实提供了非常有价值的参考。这些大厂对体系的构建是有帮助的，这点毋庸置疑。
但问题在于，具身智能最难的部分，其实是机器人如何跟真实物理世界建立起有效的交互连接。而这背后最稀缺的资源就是：真实数据从哪儿来？很多人都想"一步到位"做出通用型系统，但我认为这是不现实的。具身智能的前提条件之一，是你得能从具体场景中获取到足够真实、有价值的数据。没有数据，智能就无从谈起。
所以我们更倾向于从一些小的、垂直的场景入手，围绕机器人和物理环境之间的互动，把这些数据采集下来，然后在这些场景中逐步建立我们自己的能力。
云深处有自己的核心战略： "1 + X + N"。"1"是我们的大脑系统，也就是整合感知、控制、决策的智能能力；"X"是我们构建的各类机器人载体，包括"山猫""绝影""大狗""小狗"以及未来的人形；"N"是我们要进入的场景数量，包括电力、安防、巡逻、应急等多个行业。通过这个体系，我们希望形成一个可迁移、可复制的智能架构。无论未来这个系统部署在哪类机器人上，它都能在不同场景中适配和运行。
蓝鲸科技：现在大家在数据采集这件事上选择很多，有的靠视觉识别理解，有的靠仿真，有的靠合成数据，你们的选择是什么？
朱秋国：我们不太想去分"仿真派"还是"合成派"。在我看来，能用就是好数据，不管它是仿真的、合成的，还是实地采集的。关键是能不能形成闭环、推动落地。说到底，你仿真里用的东西，不也得基于真实数据来建模吗？如果你没有真实世界里的经验积累、数据库沉淀，你拿什么去构造仿真？
比如南网全国有上万个变电站，每个站的结构和标准都不一样，厂商要一个一个去建图、扫模型，用不同算法去做。我们设想的是，能不能构建一套统一的变电站数据库？只要有了这些基础信息，机器人就可以在仿真中做部署、做路径规划，在边缘设备上做推理。这才是工程化的智能系统。比如突发情况下怎么办？我们可以在边缘端直接完成推理，不用上云。变电站里本来就有边缘服务器，这些资源完全可以用起来。
我觉得很多人盲目堆算力，其实是本末倒置了。你算力再强，没算法、没数据，摆在那里是没用的。尤其是具身智能这个领域，数据质量和算法能力才是第一性的东西。
所以我们不困惑。我们知道该怎么做，只是这条路需要很多工程化的投入、系统化的打磨。但只要这条路走通了，它是可以从根上解决问题的。
