观点摘录：

当前机器人与具身智能领域的核心问题在于技术适配性的不足和生态协同性的缺失。

机器人领域的下一个技术拐点，必须依赖符合物理世界规律的强泛化模型。实现从“被动执行”到“主动适应”的跨越，机器人才能真正迎来属于自己的“DeepSeek时刻”。

过去物理世界模型难以突破，根源并非硬件能力不足，而是缺乏开放的系统框架和规模化的场景数据集。

单点式数据采集模式，无法支撑模型对物理世界的全面认知。

具身智能系统的破局路径：一方面要推动硬件协同的数据整合，形成覆盖从感知到决策再到执行的全链路的场景化数据集。另一方面要强化开源系统框架的支撑，通过开源降低技术门槛，让不同厂商的硬件能基于统一框架协同工作，避免重复造轮子。

推动机器人产业发展，关键要先理顺各方利益诉求、找准价值契合点。

机器人底层系统这类基础能力，更适合通过开源模式释放价值，让不同生态位的厂商能基于统一技术底座协作，加速产业整体进程。

开放和开源是绑定在一起的。没有开源的技术底座，开放机制就是空中楼阁，没有开放的数据和协作逻辑，开源生态也没法产生真正的产业价值。

发言内容：

蒋涛指出当前机器人与具身智能领域的核心问题在于技术适配性的不足和生态协同性的缺失。谈及机器人领域何时能迎来类似人工智能大模型的“DeepSeek 时刻”，蒋涛直言“现在还太早”。他认为，当前机器人技术水平甚至未脱离GPT-1、GPT-2的初级阶段，核心问题在于Transformer模型与物理世界的适配断层。在自然语言处理领域表现卓越的Transformer模型，到了机器人场景中却“水土不服”，它无法有效构建机器人所需的物理世界认知框架，既不能理解力的传递、空间约束等物理规律，也难以应对不同场景下的变量，这导致机器人缺乏“泛化能力”，只能在固定场景下执行单一指令，无法灵活适配复杂多变的物理环境。因此，机器人领域的下一个技术拐点，必须依赖符合物理世界规律的强泛化模型。这种模型不能只停留在文本理解层面，更要能整合视觉感知、力反馈、运动数据等多维度信息，像人类一样“看懂环境、摸清规律”，实现从“被动执行”到“主动适应”的跨越。只有这样的模型出现，机器人才能真正迎来属于自己的“DeepSeek时刻”。

蒋涛认为过去物理世界模型难以突破，根源并非硬件能力不足，而是缺乏开放的系统框架和规模化的场景数据集。这也是具身智能系统的发展瓶颈。他举了一个行业实例：当前一些人工智能和机器人的企业，仍在采用单点式数据采集模式，要么只采集机械臂的操作数据，要么只记录摄像头的环境信息，这种各自为战的方式效率极低，根本无法支撑模型对物理世界的全面认知。唯有突破这一局限，才能推动模型真正实现迭代升级。

他认为具身智能系统的破局路径非常明确：一方面要推动硬件协同的数据整合，将机械臂的操作数据、摄像头的视觉数据、轮式机器人的运动数据融合，形成覆盖从感知到决策再到执行的全链路的场景化数据集。另一方面要强化开源系统框架的支撑，通过开源降低技术门槛，让不同厂商的硬件能基于统一框架协同工作，避免重复造轮子。

当前机器人产业最大的痛点是“生态碎片化”，底层操作系统领域，呈现出多方案并存却无协同的乱象。既有行业成熟的ROS，也像Dora-rs（Dataflow Oriented Robotics Architecture）和AIRSHIP系列具身智能开源的项目，甚至不少企业会基于这些方案进行二次改造，但各用各的标准导致硬件不兼容、开发成本高，严重拖累行业进度。他认为，推动机器人产业发展，关键要先理顺各方利益诉求、找准价值契合点。对于行业共需的基础资源，比如基础数据集，没必要让企业各自从零开始，各家可保留自身的专有数据集以维持竞争差异，但行业通用的基础数据集，完全可通过组建开放联盟的方式共建共享，既降低整体研发成本，也避免重复劳动。

而像机器人底层系统这类基础能力，更适合通过开源模式释放价值，让不同生态位的厂商能基于统一技术底座协作，加速产业整体进程。

蒋涛强调：“开放和开源是绑定在一起的。没有开源的技术底座，开放机制就是空中楼阁，没有开放的数据和协作逻辑，开源生态也没法产生真正的产业价值。”对行业而言，这意味着单打独斗的时代已经过去了，联盟共建的时代正在到来。只有通过开源降低技术门槛、通过开放补齐数据短板、通过分层协作破解碎片化难题，机器人产业才能真正跨过初级探索阶段，迎来规模化爆发的那一天。