哈佛大学心理学教授史蒂芬·平克曾在1997年提出一个引人深思的问题：为何小说中充斥着机器人形象，现实生活却鲜见其踪？几十年来，人类对机器人的想象从未停止，它们被赋予行走、对话、思考的能力，甚至被期待能完成家务、处理日常事务。然而，现实中的机器人大多局限于工厂和专业领域，距离通用型智能机器人的愿景仍有巨大差距。
这一差距源于物理世界与数字世界的本质差异。在虚拟空间中，算法处理的是数据与代码；而在现实环境中，机器人必须感知空间、应对环境变化，并理解人类与物体之间的复杂关系。具身智能技术的兴起，正试图填补这一鸿沟，推动机器人从实验室走向实际应用场景。
过去两年，具身智能成为科技领域的焦点赛道。从初创企业到科技巨头，从资本市场到产业落地，一场围绕机器人技术的竞赛全面展开。随着行业逐步进入商业化阶段，新问题随之浮现：谁愿意为机器人买单？机器人是否需要模仿人类形态？它们会取代人类劳动者吗？
聆动通用CEO季超认为，具身智能与人形机器人不能简单划等号。机器人的核心价值在于解决具体场景中的问题，而非外形是否接近人类。作为科大讯飞孵化的企业，聆动通用聚焦泛制造业智能化升级，其产品已应用于物流搬运、汽车制造等领域。季超指出，行业演进路径将遵循“工业-商业服务-家庭”的顺序，半结构化、劳动力密集的场景将成为首批突破口。
在2026世界人工智能大会上，具身智能企业的展示重点已从技术演示转向真实应用场景。物流、制造、零售等领域的解决方案成为主流，技术必须服务于场景的共识逐渐形成。对于工业客户而言，机器人首先是生产工具，其价值取决于能否降低成本、提升效率，以及投资回报周期是否合理。
数据竞争成为具身智能时代的核心战场。工业产线操作数据、机器人任务反馈数据以及模型迭代形成的能力闭环，将成为企业构建长期优势的关键。季超比喻称，互联网时代争夺的是流量，而具身智能时代争夺的是物理世界的数据。
从科幻想象到工业现实，人类等待通用机器人的时间已超过半个世纪。但机器人改变世界的方式或许并非成为“人类替代品”，而是作为人类能力的延伸——进入危险环境执行任务、处理重复性劳动、探索未知领域。对于所有参与者而言，真正的挑战才刚刚开始：技术路线将分化，资本热潮会退去，企业需证明机器人不仅“能做什么”，更“值得被使用”。
在访谈中，季超详细阐述了聆动通用的技术路径与商业策略。他强调，具身智能不等于人形机器人，而是能够赋能多种形态的物理AI技术。今年世界人工智能大会上，行业已从技术展示转向场景化方案，表明技术验证加速向真实落地迈进。
针对工业场景的“算账逻辑”，聆动通用通过优化数据管线构建壁垒。其“全模态数据金字塔”结构整合互联网预训练数据、一线真实操作数据以及高精度工业本体反馈，形成低成本、高质量的数据闭环。季超透露，公司在部分典型场景中已将回本周期压缩至两年以内，商业化路径获得验证。
面对VLA大模型跨本体迁移的难题，聆动通用采用“基础模型+二次适配”的开源生态机制。公司开源的基础模型融合海量通用预训练能力，开发者可基于其进行机型专属训练。季超认为，行业无法依赖单一大模型解决所有问题，开源生态将推动技术普惠化。
物流与汽车领域成为具身智能首批突破场景的原因在于其“半结构化、劳动力密集”的特性。季超预测，行业演进将遵循“工业-商业服务-家庭”的路径，未来三年内，具身智能有望在大物流和汽车制造领域实现规模化商用。公司目前已在北京、深圳、苏州等地布局，江苏生态工厂具备千台级年产能。
资本市场对具身智能企业的评估标准已发生转变。季超观察到，投资人从关注技术架构转向考核商业模式与实际营收。聆动通用今年合同金额预计增长15至20倍，60%至70%的融资将投入核心技术研发，其余用于构建量产交付体系。
对于家庭场景的挑战，季超坦言其难度最高但市场空间最大。非结构化环境对机器人泛化能力、安全性及长程任务执行力提出极高要求。他预计，具身智能进入家庭可能还需不到四年时间，届时机器人将承担家务劳动，而人类将转向更高层级的统筹规划与决策。
当被问及机器人是否会完全取代工人时，季超认为，工厂完全无人化不切实际，人类仍需承担兜底角色。具身智能将重构生产流程：机器人执行高危、重体力任务，一线工人升级为管理者，负责生产调度与人机协同。这不仅是职业转型，更是劳动者价值的提升。
