来源：睿见 Economy
他指出，对于基础框架的探索，行业可以不断试错，但是走向商业化，我们需要重新思考商业场景到底需要什么样的具身智能解决方案。
回看机器人行业，传统工业机器人依靠人工预先编程，或是依靠工业视觉实现有限的物体泛化能力，它必须保证 99% 以上的可靠性，才能够在绝大多数场景投入使用。导航类任务，例如自动驾驶、工厂 AGV 小车，对于精度和成功率的标准则会更高，大家对于出错的容忍度非常低。
他表示，下一步机器人进入具身智能阶段，无论采用哪一种技术路线，除了技术探索之外，首先要回答能不能做到 99.9% 的可靠性，才可以落地产线。
我们看到部分同行在特定领域，通过大量素材、对物体和环境做出约束，依靠真机采集、人工采集、真机强化等数据补充方式，可以把成功率提升至接近 99%，但是这种方案很难规模化复制。
如果每落地一个场景，都需要投入大量本科、硕士、博士人员去做繁重的数据采集、反复调优训练、甚至造成数据过拟合，那么具身智能相较于传统工业机器人，在物体、环境、任务泛化层面的优势也就不复存在。
