每經(jīng)記者｜可楊    每經(jīng)編輯｜黃博文    

過去一年，具身智能屢次被推向行業(yè)聚光燈中心。

一邊是融資熱潮涌動、演示視頻刷屏出圈，機(jī)器人不斷解鎖更復(fù)雜的動作能力；另一邊卻是落地場景受限、穩(wěn)定性欠佳，成本與安全性等核心問題仍未破局的現(xiàn)實(shí)困境。

雖然行業(yè)熱度空前，但真正的問題也開始浮現(xiàn)：具身智能究竟處在怎樣的技術(shù)階段？它距離被廣泛使用、被規(guī)模化部署還有多遠(yuǎn)？

在2月10日舉辦的原力靈機(jī)技術(shù)開放日上，圍繞Physical AI Next（下一代物理AI）展開的圓桌討論中，來自學(xué)術(shù)界、研究機(jī)構(gòu)與產(chǎn)業(yè)一線的多位參與者并未急于給出樂觀結(jié)論。

相反，“還遠(yuǎn)沒有到具身智能的‘ChatGPT時刻’”幾乎成為共識。無論是模型能力、硬件成熟度，還是數(shù)據(jù)、評測與標(biāo)準(zhǔn)體系，具身智能都仍處在高度未收斂的階段。模型路線尚在分化，真機(jī)部署暴露出的系統(tǒng)性問題，比仿真環(huán)境中更加真實(shí)而復(fù)雜。

原力靈機(jī)技術(shù)開放日活動現(xiàn)場 圖片來源：每經(jīng)記者 可楊 攝

“還遠(yuǎn)沒有到具身的‘ChatGPT時刻’”

具身智能正在經(jīng)歷一輪前所未有的關(guān)注度上升，但在熱度背后，技術(shù)成熟度與產(chǎn)業(yè)現(xiàn)實(shí)之間的張力被反復(fù)提及。

北京智源人工智能研究院院長王仲遠(yuǎn)直言，當(dāng)前具身智能特別火熱，但火熱背后也伴隨著很多隱憂。他從硬件和模型兩個層面拆解了這種不平衡：一方面，硬件能力的進(jìn)步是肉眼可見的，機(jī)器人從“能走路”到“能跑起來”，再到“能干活”；另一方面，連續(xù)工作的穩(wěn)定性、安全性以及電池等一系列問題仍未解決。

與此同時，王仲遠(yuǎn)也提到，當(dāng)具身智能的模型和硬件真正部署到真機(jī)后，行業(yè)才意識到，“離我們真正希望的大規(guī)模應(yīng)用還是有比較大的鴻溝”。

在模型層面，王仲遠(yuǎn)的判斷同樣謹(jǐn)慎。他指出，無論是分模塊的“VLM（視覺語言模型）+控制”方案或端到端的VLA（視覺-語言-行為大模型）方案，還是當(dāng)前研究熱度很高的世界模型，整體仍處在探索階段。

“我認(rèn)為，現(xiàn)階段還遠(yuǎn)遠(yuǎn)談不上能自豪地宣稱，具身智能已經(jīng)迎來根本性突破?！痹谕踔龠h(yuǎn)看來，更現(xiàn)實(shí)的路徑或許并非一次性解決泛化問題，而是要在一個個真實(shí)的場景里，先把活干起來，累積更多的數(shù)據(jù)，形成數(shù)據(jù)閉環(huán)，最后再來解決泛化性的問題。

從硬件的視角，清華大學(xué)電子工程系長聘教授汪玉認(rèn)為，當(dāng)前機(jī)器人展示的能力大多仍局限在一個工作臺上，而一旦任務(wù)被拉長，就需要大小腦配合；而一旦任務(wù)被放入真實(shí)空間，則需要跨模態(tài)工作，復(fù)雜度便急劇上升。

汪玉用從“疊一件衣服”到“收拾整個屋子”來舉例。他指出，二者之間的難度跨越絕非僅停留在執(zhí)行單一動作層面，后者需要感知整體環(huán)境、確立任務(wù)目標(biāo)，進(jìn)而持續(xù)完成跨模態(tài)、多步驟的復(fù)雜任務(wù)。

在這個問題上，汪玉并未將答案完全指向模型突破，而是提出了一個更底層的反問：如果未來機(jī)器人真的要進(jìn)入人的生活空間，是否需要“這個屋子本身也要發(fā)生變化”？在他看來，當(dāng)前物理環(huán)境完全是圍繞人設(shè)計(jì)的，要求機(jī)器以100%的人類感知能力去感知和適應(yīng)并不合理。借鑒車路協(xié)同的思路，通過基礎(chǔ)設(shè)施、環(huán)境側(cè)的改造，或許能為機(jī)器智能的持續(xù)進(jìn)步提供另一條路徑。

何為具身智能的“ChatGPT時刻”尚無共識

在追問變革是否已經(jīng)到來之前，“什么才算具身智能的‘ChatGPT時刻’”依舊是行業(yè)分歧之一。

階躍星辰創(chuàng)始人兼CEO（首席執(zhí)行官）姜大昕從大模型產(chǎn)業(yè)本身的經(jīng)驗(yàn)出發(fā)，強(qiáng)調(diào)這一時刻的核心標(biāo)志在于實(shí)現(xiàn)零樣本泛化，即模型面對以前沒有見過的情況也能理解指令并完成任務(wù)。

“如果對比自然語言，我覺得具身智能的‘ChatGPT時刻’會更加困難一些?！苯箨空J(rèn)為，具身智能的泛化并非單一維度，而是同時發(fā)生在場景、任務(wù)和目標(biāo)等多個層面。不同維度的組合導(dǎo)致“我們究竟在哪個維度上定義‘ChatGPT時刻’，還沒有形成共識”。

從技術(shù)角度看，姜大昕回顧了自然語言處理在Transformer（指模型架構(gòu)）出現(xiàn)前后的路徑分野。他認(rèn)為，NLP（自然語言處理）之所以能夠?qū)崿F(xiàn)快速躍遷，關(guān)鍵在于它解決了自監(jiān)督預(yù)訓(xùn)練的問題，從而能夠壓縮海量互聯(lián)網(wǎng)知識，進(jìn)而能夠完成復(fù)雜任務(wù)。而在具身智能中，行業(yè)對視覺的編碼方式和3D空間的推理機(jī)制等“非常根本性的問題”仍未形成統(tǒng)一認(rèn)知。在他看來，行業(yè)可能需要等到這些問題有了新的突破才能真正跨越到“ChatGPT時刻”。

星海圖創(chuàng)始人兼CEO高繼揚(yáng)則給出了一個更產(chǎn)業(yè)化的判斷。他認(rèn)為，具身智能與大語言模型在產(chǎn)業(yè)形態(tài)上存在本質(zhì)差異：大模型的稀缺環(huán)節(jié)幾乎只在模型本身，模型即產(chǎn)品，模型好了，整個商業(yè)化、產(chǎn)業(yè)化的鏈條也都具備了；具身智能的鏈條更長，零部件供應(yīng)鏈尚不成熟、整機(jī)規(guī)模不足、渠道和終端高度線下化，這些都決定了算法并不能單獨(dú)構(gòu)成拐點(diǎn)。

在這樣的前提下，高繼揚(yáng)更傾向于將具身智能的“ChatGPT時刻”理解為“在某些限定范圍內(nèi)具備商業(yè)價值的時刻”。他判斷，隨著整機(jī)、供應(yīng)鏈、數(shù)據(jù)和模型在過去兩年逐步補(bǔ)齊，2026年可能成為一個關(guān)鍵節(jié)點(diǎn)。

“2026年是形成‘應(yīng)用閉環(huán)’的一年。2025年上半年，我們明顯看到具身智能尚處于起步探索階段；2025年下半年，其發(fā)展速度迎來顯著提速。2026年有望成為具身智能技術(shù)的爆發(fā)之年，技術(shù)爆發(fā)將推動部分應(yīng)用領(lǐng)域形成場景外溢效應(yīng)，并與供應(yīng)鏈、整機(jī)產(chǎn)品形成協(xié)同聯(lián)動。”高繼揚(yáng)表示。

原力靈機(jī)聯(lián)合創(chuàng)始人兼CEO唐文斌則進(jìn)一步降低了這一時刻的門檻。在他看來，姜大昕所定義的“ChatGPT時刻”更接近于實(shí)現(xiàn)AGI目標(biāo)（實(shí)現(xiàn)通用人工智能）。唐文斌更強(qiáng)調(diào)，具身智能的“ChatGPT時刻”，核心是要在限定場景中完成閉環(huán)、算清ROI（投資回報(bào)比），并實(shí)現(xiàn)規(guī)?；涞貞?yīng)用?！癈hatGPT給我們帶來最大的震撼是什么？我們曾經(jīng)把它當(dāng)成一個玩具，但是在那一刻（即ChatGPT時刻），我們認(rèn)為它是一個工具，它變成一個可用的東西?！?/p>

在唐文斌看來，當(dāng)機(jī)器人從玩具變成工具，這一刻便已經(jīng)具備了“ChatGPT時刻”的意義。

真機(jī)評測、標(biāo)準(zhǔn)與規(guī)?；?，成為行業(yè)共識的落腳點(diǎn)

如果說關(guān)于終極形態(tài)的判斷仍然分散，那么行業(yè)對“接下來該做什么”這一問題則逐漸形成一條清晰的共識路徑：真機(jī)、評測與標(biāo)準(zhǔn)。

唐文斌坦言，當(dāng)前具身智能面臨的并非單點(diǎn)能力不足，而是整個技術(shù)架構(gòu)的缺失?！安还苁菙?shù)據(jù)還是硬件，我們今天在訓(xùn)練推理乃至整個鏈條上缺的東西非常多，評測也缺?！?/p>

在他看來，如果無法評測真實(shí)能力，模型就無法真正進(jìn)化，現(xiàn)有的行業(yè)榜單規(guī)模有限。“（榜單上的）九十九點(diǎn)幾分能代表當(dāng)前真實(shí)的能力嗎？顯然不能，所以我們覺得非常需要來自物理世界、基于物理世界真實(shí)的、大規(guī)模的、真機(jī)的評測，才能夠引導(dǎo)我們能夠更好向前?！?/span>

高繼揚(yáng)也提到，具身智能未來也會形成垂類的概念，而垂類一定是來自真實(shí)需求，將這些真實(shí)需求落到真機(jī)的測評中，才能給企業(yè)及需求方一個公允的迭代環(huán)境?！昂芏鄷r候AI還是實(shí)驗(yàn)科學(xué)，它有一定的原理、數(shù)學(xué)做支撐，但最終很多事還是要試出來，試這個東西就要有反饋，反饋就要有評測?！?/p>

汪玉則將這一評測體系與未來的開放生態(tài)聯(lián)系起來。他認(rèn)為，高頻、可持續(xù)的真實(shí)世界評測，比低頻的大型比賽更具推動力，而這一體系最終應(yīng)當(dāng)以更公益、更開放的方式存在，通過開源框架、硬件、數(shù)據(jù)和評測，形成對整個行業(yè)的基礎(chǔ)支撐。

在展望2026年時，王仲遠(yuǎn)明確表示，相比模型能力的單點(diǎn)突破，他更期待在硬件、數(shù)據(jù)和模型輸出等層面形成統(tǒng)一標(biāo)準(zhǔn)，從而降低驗(yàn)證和復(fù)現(xiàn)成本，推動生態(tài)協(xié)同?！艾F(xiàn)在不管是硬件的標(biāo)準(zhǔn)、數(shù)據(jù)的標(biāo)準(zhǔn)，包括模型輸出的標(biāo)準(zhǔn)，整個生態(tài)非常碎片化?！?/p>

唐文斌則將目標(biāo)聚焦在“一個場景、一千臺、持續(xù)運(yùn)行”這一極具操作性的指標(biāo)上。在他看來，規(guī)?；⒎峭ㄟ^場景疊加實(shí)現(xiàn)，而是在單一場景中跑通閉環(huán)，這才意味著具身智能真正邁過產(chǎn)業(yè)化門檻。

封面圖片來源：可楊