启元机器人首席科学家董豪近日对外披露其团队在具身智能领域的技术路线，提出以HIL-UMI、Scaling Law和量产为核心的三个突破方向，目标直指面向家庭消费场景的通用具身智能。董豪此前为北京大学副教授，29岁入职北大担任博导，曾作为核心成员参与智元机器人创立，并主导成立北大智元联合实验室。
据董豪介绍，当前具身智能行业面临的核心成本瓶颈在于后训练环节。依靠上万台真机采集数据进行模型后训练，成本高企且难以规模化落地。启元机器人选择以HIL-UMI（硬件在环的通用操作接口）降低数据采集门槛，同时借助Scaling Law探索模型能力随数据与算力增长的扩展路径，并将量产能力视为技术落地的必要前提。
在产业路径选择上，董豪将启元与智元的定位差异概括为场景分工不同。智元以ToB场景落地为主，启元则聚焦ToC家庭场景，后者要求机器人具备通用导航、人机互动与通用作业智能，对通才具身智能大模型的需求更为迫切。董豪表示，工业具身场景不一定需要单一模型完成多类任务，而家庭场景必须实现泛化能力。
董豪的产业经历为其技术判断提供了参照。2012年硕士毕业后，他曾回国创办可穿戴设备与脑机接口公司，三年后因市场被大厂快速挤压而止损，转赴帝国理工攻读博士，其间主导开发的开源框架获ACM MM最佳开源软件奖。他由此总结，前沿技术与市场之间存在时间间隔，量产环节涉及数千个细节配合，样机与规模化制造之间通常需要一至两年周期。
对于行业内的等待策略，董豪持否定态度。他认为，具身智能市场空间足够大，可突破的场景众多，ToB领域的分拣、可复制化工位等方向短期收益相对明确，但企业仍需根据主攻方向主动投入，而非等待他人验证方向后再跟进。启元的选择是直接面向终局，即家庭消费场景的通用作业智能。
从智元到启元，董豪的转身反映出国内具身智能赛道正从单一场景落地向通用能力攻坚分化。家用场景对模型泛化能力、交互能力与量产成本的要求均高于工业场景，能否在数据采集效率与硬件成本之间找到平衡，将成为该路线能否跑通的关键变量。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
