具身智能，进步不小、话题不少。例如，“两条腿”还是“四个轮子”；再例如，感知的“泛化性”和行动的“精准度”；还例如，“智能”是长在“具身”里，还是放在云端。

但到底啥是具身智能？

顾名思义，把软件写在具身里，就只是受条条框框限制的自动化机器，而将智能嵌入具身，才是真正的具身智能。以此为标准，小到流水线上的机械臂、仓库里的AGV、天上飞的无人机、两条腿的机器人、四条腿的机器狗，大到城市中的智能汽车、矿山上的百吨无人矿卡，现在都已在向具身智能方向进化。

这又引出另一个话题，具身智能是迄今为止，最复杂的软硬件结合智能体。期间，具身智能企业所有技术路线上的反复横跳，都是他们在“直奔梦想”，还是“沿途下蛋”间的妥协；所有看似自豪，但实为被迫的技术栈延长，也只能证明他们生存的生态，还存有分工模糊和能力缺失。

问题就在这，现在的具身智能，到底还缺点啥？又有谁，来解决具身智能的燃眉之急？

缺数据就补数据

要说缺点啥，肯定首先是缺数据，尤其是高质量的数据。

具身智能的训练，依赖于海量数据。这些数据在互联网上有，但不多。互联网上的视频数据经过清洗，只有1%能用于具身智能训练。而且再具体到应用场景，有些数据在现实世界中根本不存在。

怎么解决呢？

此前“动捕遥控”很是流行。它的画面就像“提线木偶”，将传感器穿在人体的关键部位，并实时捕捉运动数据。这些数据经过处理转化为指令，再传输给机器人。只不过，此种“1:1私教”的数据采集方式，成本太高，效率也有点低。

还有“模拟仿真”也颇为流行。但受技术条件限制，基于游戏视频渲染引擎，也只能生成“游戏感”十足的画面和空间，物体运动的真实性和连贯性都较差，不可能应用于精细化的操作训练。

有没有更好地解决方式？鉴于真实数据日益稀缺，为填饱AI的“肚子”，科技普遍将眼光正转向使用“数据合成+仿真验证”。HDC 2025期间，华为云CloudRobo具身智能平台正式发布。

该平台就是这个思路。

华为云CloudRobo具身智能平台整合了数据合成、数据标注、模型开发、仿真验证、云边协同部署，以及感知安全监管等端到端能力，并提供了具身多模态生成大模型、具身规划大模型、具身执行大模型三大核心模型。

其中，具身多模态生成大模型就首先缓解了“数据合成”难题。依靠“20%采集+80%生成”的模式，其极大地提高数据获取效率。而且“数据合成”能力，也为“仿真验证”奠定了基础。

正所谓“台上一分钟，台下十年功”，就是在真实的应用场景的“台上”工作一分钟，就要在模拟仿真的“台下”，先训练出十年功。而具身多模态生成大模型就可以为具身智能机器人，提供与物理世界相一致的数字空间。

例如，华龙讯达、星海图等具身智能企业，都与华为云开展了此方面的合作。华龙讯达发布了全球首款面向具身智能工业机器人的数字仿真平台——木星数字仿真平台，平台可将传统工业机器人的换型示教调试周期缩短90%以上。星海图则借助华为云具身智能的仿真与开发技术，实现了云上仿真训练、真机落地部署，加速了产品演进速度。

缺“泛化性”和“精准度”怎么办？

但除此之外呢？

解决数据样本不足的目的，其实就是为了提升具身智能，缺感知上的“泛化性”和行动上的“精准度”。例如，能不能递给我一杯水，而且一滴不撒，就是行动上的“精准度”，而既能递给我一瓶水，也能递给我一杯咖啡，就是感知上的“泛化性”。

华为云CloudRobo具身智能平台，就将此两项能力融入其中，并落地形成“具身大脑”和“具身小脑”协同架构。“大脑”和“小脑”都可以理解为经过预训练的基础模型。其中，“具身大脑”即具身规划大模型，解决感知和理解泛化性问题；“具身小脑”即具身执行大模型，解决行动精准度问题。

“具身大脑”可以针对机器人在真实环境交互中的实际需求，提供空间感知、环境交互理解、具身推理的能力，而且其能够做出10步以上的复杂任务规划。“具身小脑”的核心优势在于专为工业场景打造，其解锁了抓取、放置、理线、插装等典型技能，且末端控制精度达毫米级。

例如，拓斯达就应用了CloudRobo平台强大的泛化能力，在“分拣”和“码垛”的场景中，解决了货物外形多样化等问题。而佗道医疗借助于CloudRobo平台，让腔镜手术机器人，变成一个手术专家，实现伤口精细缝合等操作。

更重要的是，一条护城河正在形成。“具身小脑”将推、拉、抓、放等基础能力原子化，并构建形成了精密装配、线束整理等动作基元库。而随着华为云具身智能生态体系的建立，原子化能力和动作基元库只会越来越扎实易用。

场景才是检验智能的唯一标准

类似的生态合作还有很多。

在工业喷涂领域，CloudRobo可以赋能埃夫特的工业喷涂机械臂，通过对工艺路径的仿真模拟，生成汽车表面等曲面物体的喷涂轨迹，提升不同喷涂应用场景的泛化能力。

汽车制造领域，CloudRobo可以赋能乐聚机器人，让机器人承担汽车生产线上的物流搬运和上料等工作。

在半导体制造领域，CloudRobo可以赋能优艾智合机器人，把排产系统与机器人任务实时同步，高效完成千道工序的上下料及运输。

在电力领域，CloudRobo可以赋能亿嘉和室内巡检机器人，教会室内巡检机器人结合指示灯及操作流程，对机房高压电设备进行无人化巡检运维。

工程机械领域，华为云与徐工集团合作。目前，百台智能无人矿卡已在内蒙古伊敏露天矿投产运营。这些庞大的矿卡去掉了驾驶室，可自主构图、自主规划行车路线，自动停靠在临近挖掘机的指定地点，而且装满了自动拉走。

是不是感觉，具身智能的发展速度已经超出想象？因为它们都有了“底座”。CloudRobo平台就是工业具身智能的底座，其可提供标准化的仿真环境、预训练基础模型、通用技能库，以及开发工具链。

而且为了让具身智能找到更多的应用场景，为了让更多的机器人本体能够高效地对接到CloudRobo平台，同时也为了应对机器人品类多、传感器类型多、接口协议多等难题，华为云提出了机器人到云的联接协议R2C（Robot to Cloud）行业标准。未来将与机器人伙伴，行业组织等，共同打造R2C开放协议。让更多的机器人本体能够高效、安全、低成本的获得云上智能。

这套接口标准极大地降低了机器人集成门槛。不同厂家、不同形态、不同功能的机器人，只要遵循CloudRobo平台的接口规范进行适配，即可快速、便捷地接入平台，并高效地利用平台提供的统一调度、任务管理、数据分析和应用服务能力。

有“Could”没有“T”

当然，R2C标准只是技术上的“+”。

是否注意到，华为云CouldRobo平台有“Could”，但Robo没有“T”。“Could”代表了华为云的技术主张，不管是“大脑”，还是“小脑”，智能都应该放在云端，并通过网络与机器本体进行互联。

而有Robo没有“T”，则代表了华为云的生态主张。“T”即是Terminal，华为云的Robo没有“T”，就是为更好地“+T”。其希望“让一切联网的机器本体，都成为具身智能机器人”。但华为云自己不做机器人，机器人的终端本体始终是具身智能企业的核心竞争力，“而华为云将专注在云上，为具身智能企业提供更强的智能，更澎湃的算力。”华为常务董事、华为云计算CEO张平安最后说。