问题——从“炫技”到“可用”，具身智能仍需跨越落地门槛。
近来，机器人后空翻、跳舞等展示不断刷新公众认知，也带动资本与产业热度上升。
然而，在真实商业与服务场景中，机器人需要面对的是人流密集、环境多变、任务频繁切换等复杂条件。
如何在非结构化环境中稳定感知、可靠决策、持续执行，如何与人以及其他机器人形成高效协作，成为具身智能走向规模化应用的关键考题。
刘斐指出，单一形态的突破固然重要，但更现实的路径是让不同形态机器人在各自擅长的任务中分工合作，以系统能力提升整体效率与可用性。
原因——现实世界的复杂性与“最后一公里”难题相互叠加。
与相对标准化的工业流水线不同，服务场景中的地面状况、障碍物分布、光照变化、人员行为都具有更强随机性。
机器人不仅要“看得见”，还要“看得懂”“做得稳”，并能在突发情况中保持安全边界。
与此同时，具身系统依赖“物理身体”完成行动，硬件可靠性、传感器精度、运动控制稳定性、能耗与续航、维护成本等因素共同影响应用效果。
刘斐在演讲中提到，具身智能强调与环境的强交互，具备一定泛化能力和物理世界交互能力，但这类能力要在真实场景中兑现，往往比实验室环境更苛刻、更系统化。
影响——产业从单点突破转向系统集成，服务业态或迎来效率重构。
具身智能若能在餐饮、酒店、医疗、商超等典型场景稳定运行，将为企业降本增效、缓解用工压力、提升服务一致性提供新工具。
与此同时，行业也面临标准缺失、场景碎片化、运维体系不足等现实制约。
刘斐提出“多形态协作”的方向，意味着未来竞争不只在单台机器人的性能参数，更在于跨设备、跨任务的协同调度能力，以及对场景流程的深度理解与再设计。
对于服务机器人企业而言，如何在安全合规前提下完成部署、适配与迭代，将直接决定商业化速度与可持续性。
对策——以“通用能力”为底座，以“专业能力”打通场景。
围绕落地路径，刘斐提出“通用+专业”的结合思路：一方面，持续沉淀通用能力，如基础移动、避障、导航、语音交互、任务规划等，让机器人具备可迁移的“底盘能力”；另一方面，面向细分场景打造专业化能力，将机器人嵌入具体业务流程，实现稳定可靠的服务交付。
与此同时，他强调强化学习仍将是提升人形机器人能力的重要手段，通过目标导向的训练机制，推动机器人在动作控制与复杂行为上不断逼近预期效果。
值得注意的是，他也提醒行业应理性看待遥控与遥操作的价值：在现阶段，这类方式更像“扶着机器人往前走”，既能保障任务完成，也能为模型训练与能力迭代提供数据与经验积累，为进一步自动化奠定基础。
前景——从“能做”走向“好用”，关键在于场景牵引与工程化落地。
业界普遍认为，具身智能的发展将经历从能力展示、场景试点到规模复制的阶段转换。
未来一段时间，推动落地的核心动力仍将来自真实需求：服务行业对稳定性、成本、效率与安全的综合要求，倒逼机器人能力走向可度量、可验证、可维护。
随着算法、传感器与供应链成熟，具身智能有望在部分高频、相对可控的场景率先形成规模化应用，并逐步向更复杂环境渗透。
与此同时，多形态机器人协同、人与机器协作规范、数据闭环与安全治理，将成为行业竞争与监管关注的重点方向。
具身智能的发展历程印证了技术创新从来不是直线前进的。
在热情拥抱技术进步的同时，保持理性认知和务实态度同样重要。
正如专家所言，当前阶段需要的是"扶着机器人往前走"的耐心与智慧，这或许正是实现从实验室突破到产业落地的必经之路。
未来，随着技术成熟度提升和应用场景拓展，具身智能有望在服务民生、提升效率等方面发挥更大价值。