具身智能行业正从Demo演示转向实战检验的阶段，下半年将是行业的“交卷”时刻。
智元对此的回答是：今年将有几千台的出货量，并已中标中国移动7800万订单。
在商业模式上，智元选择做软硬件全栈优化的“苹果”，而非开放接口的“安卓”，为B端客户提供极致体验和可靠的产品。
技术路线上，智元采用真实数据与世界模型双轮驱动，姚卯青强调，真实世界的物理规律很难用合成数据完全涵盖，实采数据是核心资产。
姚卯青判断，与高度同质化的新能源车不同，具身智能的应用场景广阔，未来每个细分市场都将诞生专业的公司。
媒体：很多投资人认为今年下半年到明年上半年是具身智能的窗口期，智元什么时候会给市场交出一份答卷？
姚卯青：我同意“下半年交卷”的说法。现在行业团队很多，大家做的PR和Demo也有些类似，无论是在工厂还是家居场景，都很难分辨谁的能力更强。最主要的方式是实战检验。对于智元这样的头部公司，市场会看你的营收和实际效果。下半年，我们会密集进入真正由行业来检验成果的阶段。
媒体：在产业落地方向，智元7月初中标中国移动7800万订单，能否介绍一下其应用场景、具体功能和单价？
姚卯青：这个项目是中国移动定制的双足人形机器人。产品主要会应用在移动的营业厅等门店，做一些接待、讲解等交互工作。这是我们在类似场景迈出的第一步，后续在运营商、酒店、银行等服务接待场景，都有海量的需求。这只是我们应用方式的一种。我们的目标是通过智能创造无限可能，通过交互让机器人先进工厂，工厂之后是零售服务业，最终在若干年后进入家庭。
媒体：从交付速度来看，目前产业链的进展如何？
姚卯青：我们今年进入了集中的商业交互阶段，会有几千台的出货量。从现在来看，供应链确实是一个比较大的挑战，尤其是上游的关节、减速器等核心机构。要达到大的产能，同时保证产品一致性，整个行业还在提升过程中。我们接触的供应商目前偏中小企业，我们也在陪他们成长。
媒体：智元选择本体、大脑、小脑全栈自研的路线，挑战是什么？投入精力上是否有偏重？
姚卯青：要实现最终落地，就必须形成一个闭环的飞轮，所以我们不得不把这些事情都做好，很难将其中一块完整外包出去。在实践过程中，这是一个循环往复、依次迭代的过程。可能在某个时间点做一些本体设计，之后收集数据进行迭代，然后发现新的提升需求，再回头优化本体设计。所以在投入方面，我们团队各个方向都在努力。
媒体：您如何看待真实数据与合成数据两种路线？
姚卯青：很多公司会从自身出发点去回答这个问题。但在实践过程中，我发现这很符合“插勺理论”，即合成数据很难涵盖所有我们想让机器人做的物理世界的事情。也许局部任务可以用仿真，但大部分只能依赖真实世界，这也是我们在实验中发现的。同时，那些比较依赖仿真的团队，据我了解，最近也在采集海量真实数据。
媒体：在真机数据采集上有哪些新的思路和进展？数据采集的成本如何？
姚卯青：数据采集有两方面，一是开放式场景采集，如家居、实验室等。二是在真实应用场景中采集，很多客户愿意开放作业现场或零售店给我们。我们会结合生成式和仿真技术做数据增广，比如改变环境、光照、操作物体的纹理形态等，来增加数据多样性。我们已经收到越来越多专业化的数据采集需求，例如家电公司希望我们帮他采集洗碗、洗衣的数据。这些数据会沉淀为我们最宝贵的资产。
关于成本，目前看并不是一个问题。未来成本是会下降的，一方面是机器自身成本下降，另一方面是机器人可以实现自主决策化的数据采集，而不需要所有动作都由人来完成。
媒体：请详细介绍一下世界模型？
姚卯青：世界模型有两条技术路线。一条是泛VLA（Vision-Language-Action）路线，在VLM（Vision-Language Model）基础上增加解码器直接生成动作。另一条路线，最早是用来模拟世界的，通过神经网络对物理世界进行建模。现在我们讲的主要是两种，一种是Action-Conditioned World Model，即给定动作去生成未来的画面 。另一种是它的共轭关系，叫World-Action Model，给定最终状态（比如抓取水瓶的画面）去生成为实现这个状态所需要的连续动作指令，比如每20毫秒输出一次的关节角度。这两种能力，一个能产生和模拟动作，一个能生成多视角一致的场景，对我们都很重要 。
媒体：智元会走向“安卓模式”，开放本体接口、专注于模型授权吗？另外如何应对车企的跨界竞争？
姚卯青：商业模式上，我们不太会走安卓的模式。智元作为本体厂商，更多是提供软硬件一体化、极致优化的产品给客户，更像苹果和特斯拉。安卓的体验在流畅度和安全性上不如iOS，我希望我们的产品能给用户带来极致体验。
对于车企跨界，这是一个必然的过程。他们在供应链、管理、智造以及智驾上都有优势。但对智元而言，具身智能是我们的唯一业务，我们必须做好。对于车企等大公司，这目前还只是早期布局，不是主营业务，投入也相对有限。当然不排除我们跑通模式后他们会“深踩油门”跟进。但好的一点是，具身智能产业的应用市场比新能源车大得多。机器人可以应用的行业很多，未来每个细分市场都可能会有专业的公司存在。
媒体：硬件和软件的降本路线是怎样的？
姚卯青：我们理性看待降本问题。智元主要面向B端市场，从取代人力的角度看，只要有一个合理的ROI（投资回报率）就可以，并非越低越好。随着工业场景应用的铺开，很多硬件可以开模生产，将智造成本降到较低水平，所以我们不太担心成本无法让客户接受。
媒体：机器人代替员工的难点在哪？
姚卯青：对很多产品而言，最大的挑战是性能和成功率。在我们提到的一些场景中，我们已经可以连续做到1万次0失误，达到了人的水平。但真正上线时，客户会有更高的预期，比如完全不影响原有产能等。当然，也可以通过人机共驾、远程接管等运营手段来解决初期问题。
媒体：智元有进入四足机器人领域的打算吗？
姚卯青：四足机器人在我们的“灵犀”产品线下会有布局。四足机器人作为一个成本较低、稳定性好、相对成熟的产品，我们在市场端也收到了很多需求，比如个人陪伴、家庭巡逻看护等。我们切入这个领域，不是为了“内卷”，而是希望通过更多的机器人产品和行业应用，来更好地理解市场对智能化的需求，获取更多数据和反馈，为我们的人形机器人发展提供指引。同时，四足和人形的供应链很多是复用的，四足的量产有助于关键零部件的降本、提升质量和一致性。
媒体：海外的商业化落地和国内有何不同？
姚卯青：欧洲、北美等海外市场比中国更保守一些，他们对交互类的应用场景关注相对较少，更多地会看工业等领域的应用是否具备降本的条件。海外的用工成本很高，且人员管理难度大，例如北美一些汽车工厂，工人缺勤率很高，这对产品稳定性和一致性是巨大挑战。相对而言，中国的员工更稳定，素质也更高。
媒体：您认为人形机器人供应链下一步发展的关键环节在哪？
姚卯青：关键环节主要有传感器、关节、计算芯片和电池这几类。特斯拉引入国产供应链，对整个行业是一个推动。就像过去我们国家通过引入特斯拉上海工厂，建起了完整的新能源车供应链体系一样。未来特斯拉的技术标准、对供应链的要求以及它的体量，都会对我们产业有很大帮助。