一場被一些業內人士視作是“中國具身智能路線之爭”的學術爭論，引起了機器人行業的討論。

一位討論參與者是許華哲，來自清華大學交叉信息研究院（簡稱“清華叉院”），是中國科技頂尖人才培養機構的助理教授，同時也是機器人企業星海圖的聯合創始人。另一位則是獲得IEEE T-RO最佳論文獎的周博宇，這是亞洲單位首次獲得該獎項，同時他也是南方科技大學的助理教授、博士生導師。知乎平臺中，他們圍繞“機器人領域特殊任務研究是否有價值”等話題展開了討論。

前者主張“特殊任務研究”于學科有益，但對于推動具身智能的發展“幾乎沒有用處”。后者則主張無用之用方為智能基石。5月23日，第一財經記者分別采訪了許華哲、周博宇以及其他業內人士后了解到，在二者觀點的分歧和共識之外，這場爭論折射出了學界對技術決定論的警惕，更直接對行業進行了“糾偏”。

在資本追捧大模型、企業砸錢秀肌肉的浪潮中，究竟該押注通用顛覆，還是深耕工業現場那些“不夠性感”的工程細節？這是每一位具身智能從業者必須親自探索的命題。

針對“特殊任務”的研究是否有意義？

整場討論的原點，是許華哲在知乎上發表了一篇名為《具身智能需要從ImageNet做起嗎？》的文章。

許華哲在其中提到，傳統機器人學有相當一部分的研究重點在于“特別”的機器人或者“特別”的任務。比如一個蛇形機器人、一個老鼠機器人，或是讓機器人去包餃子、抖落衣服。這類“特殊任務研究”的任務對科學雖然有用，但對“推動具身智能的發展幾乎沒有用處”。

“我認為這種觀點顯然不對。”在《具身智能：一場需要謙遜與耐心的科學遠征》中，周博宇直接指出，具身智能本身是跨學科產物，它的發展必須依賴具體科學問題的突破。他以波士頓動力和蛇形機器人的研究為例，指出波士頓動力早期研究足式機器人時，沒有人能預見其動態平衡算法會成為現代人形機器人的核心；蛇形機器人研究中的柔性驅動技術，也直接推動了醫療內窺鏡機器人的發展。“這些看似無用的特別任務，都推動了科學的進步，以及具身智能的進步。”

針對特定場景的研究，對于行業來說的意義究竟有多大，成為了二者討論的核心矛盾。在許華哲看來，按照深度學習、計算機視覺領域的發展規律，推動力主要來自ImageNet這樣的標準化數據集以及ResNet或Transformer這樣的通用模型。例如流水線分揀、零件拋光打磨等“特別的任務”，短期內有經濟價值、創業需求，但長期會被具身智能的進展淹沒。

許華哲向第一財經記者進一步解釋，以機器人的局部運動為例，在強化學習為主導的方案興起前，人們利用控制手段也能讓機器人完成特定任務，如在草地上行走、跳舞等。“不過，直到強化學習應用于此，機器人才具備了從平地到草地、山地、跨臺階等只用一套系統就能應對的能力。”

“只要通用智能做成，各種細分領域的問題也將迎刃而解”的觀點，被周博宇視作是“通用大腦優越論”。他提到，即便是人類自身，在掌握某項特定技能時，也必須經歷反復錘煉，方能得心應手。“通用智能無疑是一個宏偉的目標，但與此同時，我也希望青年學生與工程師們能關注到一些更為具體、務實的產業需求。”

汽車總裝車間中亟待解決的線束整理難題、半導體封裝環節對高精度和高穩定性的嚴苛要求……“這些看似‘不夠性感’的工程細節，恰恰是錘煉真正智能的淬火池。”周博宇說。