文章探讨了具身智能的当前发展阶段，将其比作GPT1至GPT3之间，并重点分析了视觉-语言-动作（VLA）模型对该领域带来的变革。文章指出，VLA模型通过模仿学习和Diffusion Policy，显著降低了对真机数据的依赖，提升了泛化能力。同时，文章也介绍了千寻智能在具身智能领域的实践与融资情况，预判未来3至5年内，具身智能技术有望实现跨越式发展。文章还提到了具身智能在量产和基础设施完善下的数据增长潜力，以及行业内对该领域未来发展的乐观预期。

🤖️ 具身智能发展现状：当前具身智能的发展水平类似于GPT1到GPT3之间，其核心包括“本体”和“运控”两大方面，其中“运控”层面的智能算法是发展的关键。

💡 VLA模型的关键作用：VLA模型的兴起是具身智能领域的重要转折点，它结合了VLM与Diffusion Policy，借助互联网海量数据预训练，降低了对真机数据的依赖，从而提升了模型的泛化能力。

🚀 千寻智能的实践与发展：千寻智能通过互联网数据预训练、真机数据模仿学习和强化学习优化，实现了技术的突破，并获得了7亿元的融资，表现出强劲的发展势头。

📈 未来发展趋势：若“Scaling Law”在具身智能领域成立，机器人数据量有望快速增长，预计未来3至5年内，具身智能技术效果将实现从GPT1到GPT4级别的跨越式发展。

《科创板日报》6月29日讯（记者 张洋洋）在“具赋新能 智驱未来”青年科学家成果转化暨具身智能高质量发展研修会上，千寻智能具身智能部负责人解浚源对行业现状与前景作出研判分析。他把当前具身智能发展水平类比于GPT1至GPT3之间，而视觉-语言-动作（VLA）模型的兴起，正为该领域开启遵循“Scaling Law”（规模法则）实现能力跃升的可能性。

解浚源分析，具身智能涵盖“本体”（小脑）与“运控”（大脑）两大核心。虽然本体机械性能已相当成熟，但“大脑”层面的智能算法曾长期遇阻。

VLA模仿学习路线的兴起成为关键转折点。Diffusion Policy生成模型，有效解决传统行为克隆的“多模行为平均化”难题，支持从随机状态生成多元路径。

VLM与Diffusion Policy结合（VLA范式），借助互联网海量数据预训练赋予模型“世界先验知识”，显著降低对真机数据的依赖，实现强泛化能力。

受大模型训练范式启发，千寻智能也是采用了类似的方式，利用互联网数据预训练，建立基础认知；真机数据模仿学习，学习具体动作；强化学习优化，将成功率从95%提升至99%以上，补足最终精度缺口。

解浚源预判，若Scaling Law在具身智能领域成立，伴随量产与基础设施完善，机器人数据量有望按每年一个数量级递增，例如今年百台级，明年千台级，后年万台级。据此推测，未来3至5年内，具身智能技术效果有望实现从GPT1到GPT4级别的跨越式发展。

值得关注的是，千寻智能创立于2024年2月，发展势头迅猛。成立4个月内即完成近2亿元种子轮+天使轮融资；今年3月再宣布完成5.28亿元人民币Pre-A轮融资。成立半年累计融资已超7亿元。

资方阵容强大，Pre-A轮由沙特阿美风险投资旗下Prosperity7 Ventures（P7）领投，招商局创投、广发信德、靖亚资本、东方富海、华控基金、达晨财智、柏睿资本、弘晖基金等多家头部机构参投。

创始团队上，两位联合创始人背景深厚——韩峰涛曾任珞石机器人联合创始人&CTO，拥有丰富机器人制造与量产经验，高阳曾是清华大学交叉信息研究院助理教授，现兼任公司首席科学家。