来源：华夏时报
“2026年，我们正站在通用人工智能加速演进的节点上。这不仅是技术较量，更是关乎国家未来数字经济与底层生态主导权的关键博弈。”全国政协委员，天娱数科董事长贺晗对《华夏时报》记者表示，基于产业调研，今年的履职重点聚焦于夯实人工智能产业的底层基础，核心是破除数据和应用场景的难题，让AI从电脑屏幕真正走到物理世界中干活，加快形成实体经济的新质生产力。
破除数据与场景瓶颈
具身智能正成为继大模型之后的新一轮产业“主赛道”。
“具身智能把算法能力从屏幕带入物理世界，面向制造、物流、安防巡检、应急救援、养老等场景，形成‘会感知、能决策、可动手’的新质生产力。”贺晗认为。
政策层面，工信部《人形机器人创新发展指导意见》提出，到2027年，人形机器人技术创新能力显著提升，形成安全可靠的产业链供应链体系，构建具有国际竞争力的产业生态，综合实力达到世界先进水平。产业加速实现规模化发展，应用场景更加丰富，相关产品深度融入实体经济，成为重要的经济增长新引擎。
进入2025年以来，我国人形机器人产业热度高、企业多、产品迭代快，逐渐从“能动起来、能表演”转向“能上岗、能干活”。2026年2月，我国发布首个覆盖人形机器人与具身智能全产业链、全生命周期的国家标准体系，并明确标准体系由基础共性、类脑与智算、肢体与部组件、整机与系统、应用、安全与伦理六大板块构成，为产业从“野蛮生长”迈向“规范发展”奠定制度底座。
在此背景下，贺晗建议以“数据、模型、部件、整机、场景、标准”一体化思路，尽快补齐短板，把“热闹的展厅”变成“可复制的工位”，把“单点突破”变成“系统胜利”。
然而，当前具身智能的发展仍面临严峻挑战，其中最大的瓶颈是“数据荒”，即数据碎片化、不可共享、不可复用。
贺晗介绍道，与通用大模型可借助海量互联网数据不同，具身智能需要大量“任务级、过程级”的交互数据，获取成本高、标注难。国内各机构与企业在数据采集平台、传感器接口、数据格式上各自为战，形成了大量“数据孤岛”，缺乏具有行业共识的高质量、大规模具身智能开源数据集。
与此同时，具身智能“大脑”泛化能力不足，能做演示，不一定能上岗，能在A工厂跑通，不一定能迁移到B工厂。
贺晗表示，具身智能的核心在于通用泛化。目前我国多数企业仍采用针对特定任务的定制化算法，缺乏真正意义上具备强泛化能力的具身智能基础大模型。因此，不少人形机器人在受控环境下表现亮眼，但面对真实世界的光照变化、物体多样性，仍易出现策略失效与长任务中断。
此外，行业场景牵引不强，试点多、规模少。制造、物流、商服、养老等领域的真实需求巨大，但落地常见场景碎片化、验收口径不一、预算与迭代机制不足等挑战，导致企业在“项目制交付”与“产品化复用”之间反复摇摆。即便政府采购与补贴有所增长，整体仍处于导入期，缺少可复制的“规模化上岗模板”。
贺晗还表示，同质化竞争与泡沫风险上升同样不能忽视。标准体系虽已发布，但产业仍面临“多赛道拥挤、差异化不足”的结构性风险。由于缺乏通用的操作系统和中间件，开发者往往需要针对不同硬件底层“重复造轮子”，推高了全行业的研发成本。若缺少统一标准、公共数据底座与场景验证平台，可能出现低水平重复与无序价格战，影响长期创新投入与国际竞争力。
加快具身智能高质量发展
贺晗建议首先以国家级“具身数据要素工程”破题，建公共数据底座、统一格式与权属规则。建设若干“国家级具身智能数据采集与预训练中心”，面向典型任务形成可复用数据集。明确数据权属与合规边界，对涉及个人隐私、工厂商业秘密的数据建立分级脱敏、可信计算与授权机制，形成“可用不可见、可控可计量”的共享模式。
其次是大力发展具身基础大模型。支持头部AI企业与顶尖高校联合研发多模态具身通用大模型，提升机器人的常识推理能力和未知环境下的泛化操作能力。
“要拉动规模化上岗。”贺晗表示，建立国家级“人形机器人上岗清单”，优先选择收益可量化、场景相对结构化的先形成规模。推行风险分担，用保险、性能担保、分阶段验收与租赁模式降低企业采购门槛。用央国企做“锚定客户”，以“AI+制造”为抓手，形成真实工位数据回流与持续迭代机制，带动中小企业进入配套生态。
他最后强调，要做强软件栈与开源生态，用开放接口降低重复研发、提高产业协同效率。推动控制中间件、仿真平台、数据工具链、评测基准开源，形成类似“通用底座+行业插件”的生态。政府采购与示范项目设置“开放接口与可迁移性”要求，避免锁死在单一厂商。鼓励“模型、控制、硬件”解耦，提高跨平台复用，降低中小企业进入门槛。
美港通提示：文章来自网络，不代表本站观点。
