近日，一场被业内人士视作“中国具身智能路线之争”的学术争论，引发了机器人行业的广泛讨论。

参与者之一许华哲，来自清华大学交叉信息研究院，是助理教授及机器人企业星海图的联合创始人。另一位是亚洲首位获得IEEE T-RO最佳论文奖的周博宇，他是南方科技大学的助理教授、博士生导师。二人在知乎围绕“机器人领域特殊任务研究价值”等话题展开讨论。

许华哲主张“特殊任务研究”对学科有益，但对推动具身智能发展用处不大。周博宇则持相反观点，认为无用之用方为智能基石。5月23日，第一财经记者采访双方及业内人士后了解到，争论反映出学界对技术决定论的警惕，并对行业进行了纠偏。

在资本追捧大模型、企业竞相展示的浪潮中，应追求通用颠覆，还是深耕工业现场“不够性感”的工程细节？这是每位具身智能从业者需探索的命题。

特殊任务研究意义何在？

许华哲在知乎发表文章《具身智能需要从ImageNet做起吗？》，提到传统机器人学注重“特别”的机器人或任务，如蛇形机器人、包饺子机器人等，认为这类研究对科学有用，但对推动具身智能发展用处不大。

周博宇在《具身智能：一场需要谦逊与耐心的科学远征》中反驳，具身智能发展依赖具体科学问题突破。他以波士顿动力和蛇形机器人为例，指出看似无用的特别任务推动了科学和具身智能的进步。

针对特定场景的研究对行业意义多大，成为二者讨论核心。许华哲认为，推动力主要来自标准化数据集和通用模型，特别任务短期有经济价值，但长期会被淹没。周博宇则反对“通用大脑优越论”，强调关注具体、务实的产业需求。

在“不够性感”的细节中找技术拐点

讨论引发业内多位人士转发。科大讯飞机器人首席科学家季超认同双方观点，认为技术迭代追求和工程化落地能力同样重要。杭州钛维云创创始人张磊也转发讨论，表示关注“不够性感”的工程细节，如机器人夹爪抓不同布料等。

张磊认同周博宇“通用性无法脱离具体性存在”的观点，但也认同许华哲关于机器人数据和仿真训练环境的看法。他提到，训练柔性物体机器人模型，模拟环境数量级可能指数级增加，因此采用真实数据“反标”手段补偿虚拟环境缺失。

具身智能仍处探索初级阶段，张磊坦言未来方向未理清。目前，出于安全和稳定性考虑，他采用经典控制理论建模方法为主，强化学习算法为辅。但他相信，机器学习将成为具身智能主流。

周博宇认为，若彻底理解人脑工作机制，甚至创造超越人脑架构，有望凭少量数据快速掌握技能，突破传统模块化系统性能天花板。这需AI、脑科学等多学科协同突破。

观点竞合纠偏行业发展

双方观点并非全部针锋相对。许华哲坦言，传统机器人训练方法今仍有价值。周博宇也表示，探索新事物或激发产业需求，带来技术收敛。

许华哲期待有人讨论其观点，与周博宇私交甚笃。周博宇表示，文章酝酿很久，行业发展超出预期，学术讨论能起到纠偏作用。

立德智库数据显示，2025年4月中国机器人行业融资数量环比增长9.3%，总融资金额预估达60.5亿-71.5亿元。VLA模型成企业“秀肌肉”重点，但周博宇担忧过度聚焦语言导致资源错配，忽略场景真实需求。

许华哲和周博宇共识认为，行业需看清现实。在具身智能技术拐点到来前，竞争与合作不仅在于企业渲染的demo视频中，更在于那些“不够性感”的工程细节里。

（文章来源：第一财经）