共计 1116 个字符，预计需要花费 3 分钟才能阅读完成。
WAIC 2026 展台上, 机器人叠衣、冲咖啡、切菜等演示令人目不暇接。然而, 与一线从业者交流后, 一个冷静的判断浮现: 行业实际进度远落后于展台画面。多位核心从业者认为, 具身智能仍处“前 GPT 时代”, 路线未收敛, 工程落地挑战重重。
📌 Scaling Law 在物理世界遇阻
- 重点: 今年是跑通年。
- 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
- 重点: 后续仍需关注官方更新、落地范围以及实际反馈。
大模型在数字世界靠堆数据实现涌现,但物理世界并不顺畅 。智元机器人联合创始人姚卯青将障碍归纳为三道墙: 数据墙 (真实交互数据稀缺且昂贵)、 表征墙 (跨任务、跨场景的统一表征未形成)、 闭环墙(真实试错代价高、反馈慢)。面壁智能姚远则指出, 语言模型最成熟, 多模态感知约 70-80%, 但行动模块仅约 40%。这些障碍相互锁死, 且当前 VLA 模型缺乏语言能力, 无法完成长程任务规划。
从已披露信息看, 这一变化更值得关注的, 不只是表面动作本身, 还包括其对后续行业节奏、用户预期和市场竞争的连锁影响。
🔍 三大路线并行, 终局未定
目前至少有三条路线并行:VLA 端到端、世界模型、智元提出的 WRAM。姚卯青认为 VLA 缺语言能力; 面壁智能倾向于 VLA 与世界模型融合; 腾讯张正友则主张分层协同, 不同模块在不同频率运行。姚远将当前阶段比作 2018 年的大模型, 当时 BERT/GPT/T5 并行, 最终 GPT 胜出。具身智能的终局同样未明。
💡 从演示到产线: 工程鸿沟
展台上叠一件衣服需 3 分钟,但工厂要求 6 秒节拍和 99.8% 准确率。智元在 3C 工厂做到 99.99% 成功率, 但背后是数月集成和通宵压测。越疆科技刘培超指出, 机器人行业通用要求 5 万小时 MTBF, 但大部分机器人可能连 10 小时都达不到。艾欧智能丁哲章观察到, 落地需求增多, 但实际案例存疑, 场景方预期与真实能力之间存在断层。他提出“渐进式落地”, 接受人机协同的中间状态。
📊 时间表: 今年跑通, 路还很长
姚卯青判断 2027 年底到 2028 年初可能出现涌现时刻;张正友以 ChatGPT 为参照, 认为具身智能需要类似的突破节点; 光轮智能杨海波预测今年是“跑通”年, 明年才能“算账”。综合来看, 短期是特定场景工程跑通, 中期可能迎来能力涌现, 但通用具身智能从工厂走进家庭, 仍需更长时间。
🚀 行业观察: 展台与现实之间的落差
展台画面与从业者判断之间存在明显落差。从演示到上产线再到大规模普及, 中间隔着数据标准缺失、评测体系缺位、零部件可靠性不足等问题。姚远那句“当前最火的不一定能笑到最后”, 不仅是路线之争, 更是整个行业此刻的真实处境。这一判断揭示了具身智能从演示到实用化的漫长道路。
