(网经社讯)2026年全国两会期间，全国政协委员、天娱数科董事长贺晗带来了关于构筑人工智能时代国家核心竞争力的系列建言。在《破除数据与场景瓶颈，加快具身智能高质量发展》和《加快构建自主可控智能体生态》两份建言中，他着重提到了我国AI产业从应用创新向底层突破的关键路径。

贺晗指出，当前我国的优势更多集中在“从1到100”的应用创新与场景赋能上，但在“从0到1”的底层原创算法、软硬一体化算力生态、全球开源话语权以及支撑长周期研发的资本机制上，仍存在明显差距。“正视并破解这些底层瓶颈，是在下一轮全球科技博弈中不被‘降维打击’的必由之路。”

在贺晗看来，具身智能作为AI与物理世界交互的终极载体，正面临比通用大模型更严峻的发展瓶颈。首当其冲的便是“数据荒”。他在调研中发现，与通用大模型可借助海量互联网文本和图像数据不同，具身智能需要大量“任务级、过程级”的交互数据，如抓取、装配、搬运、叠衣等。这类数据获取成本高昂、标注难度极大。

“国内各研究机构和企业的数据采集平台、传感器接口、数据格式各自为战，形成了大量‘数据孤岛’。”贺晗认为，这种碎片化现状导致数据难以共享和复用，行业缺乏具有广泛共识的高质量、大规模开源数据集，严重制约了技术进步。

此外，具身智能还存在智能体“大脑”泛化能力不足的问题。“比如能做演示，不一定能上岗；能在A工厂跑通，不一定能迁移到B工厂。”贺晗直言，目前我国多数企业仍采用针对特定任务的定制化算法，缺乏真正具备强泛化能力的具身智能基础大模型。这使人形机器人在受控环境下表现亮眼，但面对真实世界的光照变化、物体多样性、工位差异、干扰碰撞时，仍易出现策略失效与长任务中断。

上述行业发展早期的问题，还催生了同质化竞争与泡沫风险。贺晗认为，由于缺乏通用的操作系统和中间件，软硬解耦程度仍然较低，开发者需针对不同硬件“重复造轮子”，推高了全行业研发成本。若缺少统一标准、公共数据底座与场景验证平台，产业可能出现低水平重复与无序价格战，影响长期创新投入与国际竞争力。

网经社下产业电商台（B2B.100EC.CN）了解到，针对上述瓶颈，贺晗在提案中提出了一套系统性的破题思路，核心是通过国家层面的顶层设计与资源投入，构建数据、算法、场景、生态“四位一体”的协同发展格局。

在数据层面，建议启动国家级“具身数据要素工程”。在算法层面，必须突破“大脑”泛化能力瓶颈。在场景牵引方面，贺晗特别提出应以“场景牵引+政府采购/首台套保险+央国企带头应用”的组合拳，拉动规模化上岗。在生态构建上，贺晗呼吁做强软件栈与开源生态。