针对“在具身智能的Scaling Law框架下，仿真数据与真实数据的协同边界在哪里？当仿真数据的规模化训练已显著提升模型性能时，真实数据的“不可替代性”是否依然成立？”的问题，各位嘉宾表达了以下观点：

多数观点认为，真实数据在复杂人类行为、动态场景及高可靠性需求（如工业实验）中不可替代，仿真数据仅能作为补充，尤其在环境交互设计等场景中适量虚拟数据可辅助优化，但无法独立超越真实数据，且不同任务下Scaling Law规律差异显著。

部分观点强调需分场景讨论虚实配比，例如工业仿真虽成熟却难替代物理实验，而具身智能中仿真受限于底层开发门槛、动态建模不足及结果偏差，难以匹配现实需求。

关于数据迁移，一方认为强化学习迁移手段可缓解硬件迭代导致的数据失效，另一方指出需硬件超前设计支撑；端到端数据采集短期内作用有限。

新型数据源（如智能眼镜）面临流式视频处理难、物理信息缺失及场景泛化挑战，仅适用于固定场景。

核心结论是：真实数据仍是核心，仿真为辅助，需结合任务动态性、交互复杂度及成本约束，分场景构建虚实协同的数据体系，推动规模化演进。

“具身智能的决策系统面临“常识性约束”与“动态适应性”的双重挑战—基于规则的传统方法更易嵌入人类常识，而强化学习更适应复杂环境。未来应如何融合两类方法的优势？”，讨论形成核心共识与分歧：

多数观点支持分层混合框架——高层决策嵌入规则化常识（如大语言模型编码抽象知识），低层动作采用强化学习适应动态环境，形成"规则保安全、学习促适应"的互补机制；

关键分歧在于低层常识实现方式，一方主张通过强化学习泛化训练基础动作（如开门），但面临资源消耗大及高风险场景（如自动驾驶）适用性受限问题，另一方则认为需结合任务分解与多模态学习（语言指导+动作模仿），但分解粒度与底层泛化仍存挑战；

创新方向包括动态权重机制（按任务复杂度切换规则/学习主导权）、"大小脑"模式（语言模态学常识+动作模态练条件反射）及模仿学习与强化学习（IL+RL）组合降低纯强化学习成本。

共识是以常识规则确保安全边界，以学习提升环境交互弹性。

关于“具身智能的规模化落地需算法、硬件、场景深度耦合。在服务业、制造业等差异化场景中，是应优先追求算法的通用性，还是先为特定场景定制软、硬件架构？”，讨论行程以下观点：

产业界与学术界立场分化——产业端明确要求优先为制造业、服务业等特定场景定制软硬件架构以解决劳动力短缺痛点，学术界则倾向探索通用算法愿景；

核心共识强调必须通过跨领域协作（AI、硬件、自动控制、产业方联动），基于复杂度、成本、效果三维度动态权衡，否定不计成本追求通用化；

关键矛盾在于通用化边界，部分主张在军用、手术等成熟场景内发展有限通用能力；

AGI落地预期普遍悲观（3-5年不可行，硬件成本与损耗仍是瓶颈），呼吁人类主动推动技术突破而非被动等待。

最终策略定为以场景需求为核心，采用"有限通用+深度定制"双轨推进。

     CCF YOCSEF上海是由中国计算机学会（CCF）青年计算机科技论坛（YOCSEF）于1999年在上海创建的分论坛。其宗旨是根据IT发展需求开展活动，为业界同仁创造更多的交流机会；为年轻科技工作者创造展示才能的机会；为关心公益活动的企业提供展示企业形象的机会;为专业媒体提供鲜活的素材；为参加者提供最新的业界信息和动态。       

       工作目标：在CCF YOCSEF总部指导下，结合国家和上海市信息技术产业的发展需求，通过制度建设、人才吸纳、多方协作，创造机会、保持传统，创新发展，使CCF YOCSEF上海成为促进IT技术进步和青年人才成长的平台。CCF YOCSEF上海由极具激情和活力的年轻人组织策划，具有开放性。其委员由学术界、企业界、政府、媒体以及其他各界的青年计算机工作者组成，涵盖了政、产、学、研等多方面人才。为保持和提升活力、扩大影响，CCF YOCSEF上海率先建立“荣誉委员-学术委员-委员”三层架构，现有委员四百余名。       

        CCF YOCSEF上海坚持开展多种形式的学术活动。每年组织技术论坛、观点论坛、深度论坛近20次等活动，召开不少于两次学术委员会全体会议，不定期召开主席会议，不定期举行Club活动及其他形式的活动。形成了“虹桥论剑”物流论坛、“浦江论道”存储论坛、“走进临港五校”观点论坛等多项有影响力的活动。CCF YOCSEF上海的创新与发展不仅得到了上海及长三角地区各界的充分认可，同时也得到了总部的充分肯定。2004-2025年，CCF YOCSEF上海连续22年被评为优秀分论坛，2010-2011年度更晋升为荣誉优秀分论坛。2018年被评为CCF YOCSEF20周年优秀分论坛。这些都是CCF YOCSEF 上海历届委员群策群力、不断创新所取得的成绩。