9月11日, 2026·外滩大会上, 多位从事具身智能领域的产业人士、投资人和青年创业者, 围绕行业泡沫、技术路线以及“时刻”等话题, 展开了讨论。多位嘉宾觉得, 当下具身智能的“泡沫感”, 更多源于产业阶段、估值与商业价值之间存在的错配, 行业依旧处于“黎明前期”；与此同时, 具身智能的关键能力已然开始显现, 然而距离真正形成规模化生产力, 仍然存在距离, 系统工程、算力以及数据, 仍是主要卡点。
外滩大会献艺弹钢琴的机器人。
回应“泡沫论”：具身智能仍在黎明前期，行业格局远未定型
具身智能这一行业, 其发展历程不过才短短数年时间, 然而, 却已然聚集了数量众多的资本以及创业公司。面对近期这段时间持续不断升温的“泡沫论”, 有多位创业者持有这样的看法, 他们觉得, 该行业目前仍然处于早期阶段, 就当下的状况而言, 更多的是在估值、技术进展以及商业价值这三者之间出现了阶段性的错配。
至简动力联合创始人兼CEO贾鹏觉得, 当下众人所体会到的“泡沫”, 更多是阶段与估值造成的错配。就长远来看, 具身智能有可能打造出比手机、汽车规模更大的产业格局, 产业链也是足够长的，从传感器、零部件直至最终应用, 都存在空间去容纳不同种类的企业。
贾鹏表示, 这个阶段大家之所以会感觉存在泡沫, 我认为或许跟当下尚未创造出更多价值存在关联, 这属于一个阶段的错配 , 具身智能需要耗费更多人力、GPU等资源, 而目前行业整体投入依旧不算充足。
创办并担任大晓机器人董事长的王晓刚同样觉得, 当下存在的焦虑, 有一部分缘由是市场以往对于发展速度怀有较高期望, 然而模型以及场景落地的那种实质性突破依旧还在等着显现出来。
王晓刚觉得, 我们是处于黎明前期的状态, 他还认为具身智能跟垂直行业紧密相连, 未来依然会具备较强的多样性, 当前数据、零部件、模型、本体以及场景等环节相对较为分散, 未来不同类型的公司或许会进一步进行重新组合。
苏度科技, 那家联合创始人兼CEO是韩铮的企业, 韩铮表明, 中国具备相对而言较为丰富的供应链, 还有场景尝试的环境, 所以在本体、具身模型以及世界模型等这些方向上, 都涌现出了较多的企业, 还有技术探索。他觉得, 具身智能最终很有可能是一个复杂系统, 当下, 技术路线已经开始呈现出收敛的迹象。未来, 能够提供完整底层方案以及模型的公司, 或许不会特别多, 不过在垂直应用、全球市场以及模型组合等方向, 依旧存在机会。
外滩大会上机器狗拉着转悠的黄包车。
具身智能的“时刻”何时到来？系统、算力和数据仍是主要卡点
由几位嘉宾, 围绕“具身智能自己的时刻何时到来”, 从系统层面, 给出了相应判断, 又从算力方面, 给出了相应判断, 还从数据角度, 给出了相应判断。
韩铮持有这样的观点, 要是进行大语言模型的类比, 当下具身智能大体上等同于2018年到2019年前后的那个阶段。许多关键的技术框架已然出现, 而当前更为重大的挑战在于, 怎样将不同技术整合成为一个能够商业应用、具备高可靠性、拥有泛化能力的大系统。
韩铮说, 这个整合而成的大系统, 是当下具身智能整个行业里最为需要去解决的问题。
贾鹏称, 他不喜欢“具身”这一说法, 因具身智能与数字AI解决的问题不完全一样。大语言模型达80分或许算不错产品, 然而具身智能进入真实物理世界后, 对可靠性要求高很多。他断定, 若单看模型能力, 具身智能已开始展现部分ICL（上下文学习）能力；但从真正形成生产力视角看, 可能还需三四年乃至四五年。
若只能挑出一个最为大的卡点, 贾鹏觉得那是GPU算力, 它涵盖训练算力, 还包含端侧以及边缘侧推理算力。好多工厂场景无法联网, 机器人得在边缘侧予以完成部署, 端侧算力欠缺就会直接对模型能力形成限制。
王晓刚持有这样的观点, 现在最大的阻碍点乃是数据, 依他的看法, 那种被称作具身智能的“时刻”, 其所具备的关键之处, 在于能不能目睹智能开始出现、场景进行广泛化以及zero-shot能力。
王晓刚表示，在各种应用场景当中, 如果从来一贯都需要针对全新的任务再度进行训练, 那么根本压根就没有办法去达成规模化的推广 , 近期通用模型所展现出来的zero-shot能力, 也让他察觉到了新的可能性 , 这类模型输出的中间类型的数据, 在未来有存在可能去帮助具身基础模型加快速度进化。
握个手，机器人马上告诉你血氧和心率。
年轻创业者谈路线选择：世界模型、物理世界与全球竞争
论坛之中, 多位置身创业且年龄处于95后以及00后的人士, 依据自身创业期间的实际经历, 讲述了关于技术路径还有全球范围内竞争的相关情况。
“我们成立之际宣称, 在未来的半年时间里, 所有从事具身智能的公司都会声称自己乃是致力于世界模型的公司。”对智能创始人李一鸣予以说明, 世界模型公司数量众多, 然而关键之处在于具体所解决的问题究竟是什么。
从他的角度来看, 创业公司首要的是去判断明日最终结局大概会是怎样的情形, 接着再去剖析实现那般最终结局所必需的技术途径, 依据优先次序以及团队自身所具备的背景状况还有优势来做出战略方面的抉择。
自然意志的创始人丁宁作出这样的判断, 具身智能领域的GPT - 3时刻已然来临, 不过还未被众人所察觉, 他还讲道, 在2025年往后, 大模型的发展解决了某些根本性的问题, 然而物理世界的操作问题仍旧有待突破。
他描述, 过去一段时期行业处于一种“超乎寻常不一般的速率”前行, “无论从代码数量还是实验得出的成果, 亦或是几种不同智能相互间的融汇, 我们皆可体会到一股劲猛强烈的推背感觉。”。
丁宁面对海外那些掌握着巨量计算资源的实体, 坦言自己“非常焦虑”, 但他同时觉得中国依旧存在机会, 在其中一个优势方面是源于高精度数据背后所具备的硬件以及供应链能力, 高精度的数据到现在还没有Scale起来, 而高精度的数据需要更为出色的硬件传感器, 更为出色的传感器又需要更为智能的融合技术, 然而这个东西目前在全球范围内只有深圳能够生产。
逆矩阵科技创始人陈博远, 他22岁, 他表示, 自己这一代创业者, 是在Law出现之后成长起来的, 我们经历了大模型, 从潮起到一个更高点, 这样的时代, 但是我们也看到, 大模型如今在解决真实物理世界问题方面, 依旧存在很多不可逾越的挑战。
在他的认知当中, 具身智能若要切实地进入到物理世界里, 那么物理AI基模是需要明白因果关系的。真实的物理世界充斥着噪音以及连续不断发生的变化, “边缘情况并非是长尾, 而恰恰是常态。”。
陈博远持有这样的见解, 物理AI并非凭借“一两个小天才”便可达成, 它是一项复杂的系统工程, 这一工程涵盖从模型基础设施、数据, 再到算法, 直至真实物理世界闭环的多个方面。
大家不会因为你原本在大厂, 就轻易相信你所选定的路径是正确的；也不会由于你身为一个实习生, 就认定你提出来的想法不具有实际可行性。他这般说道, 真正去推动技术创新, 更为关键的是尊重第一性原理, 借助小规模验证、大规模验证, 寻觅最具潜力的技术路线, 而非将判断构建在某个人或者少数人的经验之上。
他觉得, 物理AI基模最终必定还是得进入真实的世界, 从而构建起从人至机器、接着再到云端系统的一体化平台, 也就是“端—边—云”一体化平台。“它肯定是复杂的系统性工程。在这个系统性工程当中坚持第一性原理, 越发重要。”。
扬子晚报/紫牛新闻记者 徐晓风
本站候鸟号已成立4年，主要围绕财经资讯类，分享日常的保险、基金、期货、理财、股票等资讯，帮助您成为一个优秀的财经爱好者。本站温馨提示：股市有风险，入市需谨慎。
暂无评论