导航|地址|刷新
具身智能还在“前GPT时代”_手机网易网




















网易网易号



0







具身智能还在“前GPT时代”


钛媒体APP
2026-07-20 11:02·北京·独立财经科技媒体

0




打开网易新闻 查看精彩图片

WAIC 2026的展台上，机器人叠衣服、冲咖啡、切菜、分拣，从工业产线到厨房灶台都在演示“干活”。

走出展台，跟那些真正在一线的人聊下来，不管是造机器人的、训模型的，还是铺产线的，听到的判断要保守得多。这个行业的实际进度，远没有展台画面看上去那么近。

面壁智能的姚远打了个比方，现在的具身智能像2018年的大模型，BERT、GPT、T5三条路线并存，谁也不知道哪条最终成立。“当前最火的不一定能笑到最后。”腾讯张正友说，最聪明的人工智能“还是一个缸中之脑，它可以编程、通过考试，但从来没有真正地活过”。大模型善于推理和知识问答，也能读懂图像和视频，但一旦进入真实世界，“很难在一个持续变化的环境里面，一边行动一边接受反馈，再及时做出调整”。具身智能还没有像Transformer那样收敛的统一框架。

不管是路线、能力还是可靠性，几位核心从业者的判断指向同一个结论，具身智能还在“前GPT时代”。

Scaling Law在物理世界遇到了什么

大模型在数字世界靠堆数据实现涌现，物理世界没有这么顺畅。

智元机器人联合创始人姚卯青在WAIC期间把障碍归纳为三道墙，数据墙、表征墙、闭环墙。数据墙指真实交互数据稀缺且昂贵；表征墙指跨任务、跨场景、跨本体的统一表征尚未形成；闭环墙指真实试错代价高、反馈慢。

面壁智能的角度不同，姚远把具身智能分成三个模块，各自成熟度不同，语言模型最成熟，多模态感知大约在70%到80%，行动（action）可能只有40%。

两种说法落到同一个结论，Scaling Law在物理世界不能简单复制。

互联网文本可以持续累积，机器人面对的物理交互数据却不会天然存在，跨场景的统一表征远比文本tokenization复杂，真实世界里试错要付出代价，而且不可回滚，反馈慢，无法像数字世界那样低成本地反复重跑。

三道墙之间是相互锁死的。数据不够，表征就训不好，表征上不去，闭环效率随之下降，闭环慢了，反过来又拖累数据积累。姚卯青点出了VLA（视觉-语言-动作）模型的一个短板：“VLA没有L（语言），无法做长程任务规划和判断。”当前最主流的端到端范式，在需要理解指令、拆解步骤、做中间判断的长程任务上，缺的就是这一块。

路线还没收敛

问题明确，但往哪走还没有答案。

目前至少有三条路线在并行，VLA（视觉-语言-动作端到端）、世界模型（预测物理状态变化来指导决策）、智元提出的WRAM（世界推理动作模型，把世界模型和语言推理能力整合进一个框架）。姚卯青认为VLA缺语言能力，无法完成长程规划。面壁智能和Physical Intelligence倾向另一条路，把VLA与世界模型融合。

张正友的判断又不一样，他主张认知系统、感知行动系统、底层反应系统分层协同。不同模块要在不同频率上运行，底层反应要100赫兹甚至更高，感知行动在10到15赫兹，大脑可以慢一些。他用人的肢体反应打比方，“绊了一脚，肢体反应假如用VLM是达不到，那个是10赫兹，100毫秒，这个时间来决策是来不及”。VLA的问题在于前面的VLM和后面的动作模块在同一个频率上运行，跟物理世界直接交互时反馈跟不上。单一模型很难解决一切。

现在像2018年大模型的BERT/GPT/T5阶段，收敛还需要两到三年。“2018年最被看好的并非GPT，最后胜出的却是GPT。”姚远说。

具身智能可能也会如此，今天展台上最吸引眼球的路线，未必是终局。

姚卯青还有一个更底层的判断。现在用的底层组件，Tokenizer、Encoder，都是从VQA（视觉问答）和对话模型借来的，并非为具身任务原生设计。他把这称为“具身原生”问题，认为要到百万小时级数据才能做真正的原生架构。行业目前还在用“改装发动机”，没有造出“原生引擎”。

这个判断如果成立，当前的路线之争可能还在浅层，真正的分歧要等数据规模上来、原生架构成为可能之后才会展开。

能演示和能干活之间，隔着工程量

展台上叠一件衣服3分钟，观众拍手叫好。但工厂要的是6秒节拍、99.8%的准确率。

博世智能科技的刘敏在WAIC论坛上给出了制造业的标准：“工厂要99.8%准确率，节拍6秒是门槛。从能用到可用，是两个指标。”这两个指标之间，要求具身智能跨过展台走向产线。

智元在南昌一家3C工厂的产线上做到了99.99%成功率，是目前公开案例里最高的数字之一。姚卯青详述了背后的工程量，首批项目需要数月做硬件软件集成、对接MES系统（制造执行系统），然后是通宵压测，每晚测试，连续一个月才上主产线。从零到一要三四个月，到产品化之后才能一两周复制一个点。

越疆科技的刘培超谈的是硬件，机器人至少20个关节起步，比汽车更复杂，行业通用要求是5万小时MTBF（平均无故障时间）。他接着说：“今天大部分机器人可能10小时的MTBF都没有。”

灵巧手的情况更严峻，姚卯青提到，灵巧手“采集数据一两周就出问题，每工作半小时要散热”。零部件“还没有到汽车16949标准”，这是汽车行业零部件供应链的质量管理标准，机器人核心零部件的可靠性工程，离工业级还远。

艾欧智能联合创始人丁哲章看到的是另一面，今年聊“落地”的需求明显变多了，“但落地案例有没有变多，要打个问号”。他说的核心问题是，“场景方对具身的预期，和本体、模型现在真正能做到的程度之间，有一个断层”。

他的思路是“渐进式落地”，机器人做一部分，人监管一部分，先接受这种“中间状态”。他把具身的发展阶段梳理成一条时间线，2022年是“PPT阶段”，2023年是“把本体做出来但放那儿不能动”，2024年“将将能动起来”，去年“进入部分场景、具备部分自主能力”。

至于今年能到什么程度，他持保留态度。

腾讯云的黄阳则认为，这类技术都有长尾效应，“会非常快速地推进到60%、70%、80%，但最后那20%要花非常非常多的时间去填。”

今年跑通，但路还长

几位具身行业的资深人士给出的时间线开始接近，但都不算近。

姚卯青判断，“2027年底到2028年初看到比较强的涌现时刻”。面壁智能的刘知远说端侧模型“还需要1到2年、2到3年”。丁哲章更谨慎，他以自动驾驶作类比，十年前从业者宣称2025年做到L5全自动驾驶，十年过去，自动驾驶达到的是“差不多可用”，好用、可用，但并非当初想象的全自主。他认为具身也会经历同样的预期修正，“先有高预期，然后预期调整，再逐渐贴近现实，这个过程可能非常漫长”。

张正友的参照系是ChatGPT。他在微软做过20多年人机交互，语音对话在特定场景里效果不错，“但是问的问题稍微变一变很不稳定，所以一直没有发展起来”，直到ChatGPT出现才“真的感觉是有进步”。具身智能也需要这样的节点，“他真的帮你做事情你可以依赖于它。假如说失败概率太大，不稳定要人照顾机器人，还不如让这个人完成这个任务效率更高”。

光轮智能联合创始人杨海波给出了更具体的时间判断，今年是“跑通”年，明年才能“算账”。他预测明年本体价格会降到今年的十分之一，稳定性提高一百倍，如果成立，硬件可靠性这道坎有可能在明年迈过去一大步。软件、数据、评测这些基础设施的缺口，不会随硬件改善自动消失。

把这些判断放在一起，大致能勾勒出一张时间表。短期内（今明两年）是特定场景的工程跑通，中期（2027到2028）可能出现能力涌现的节点，通用具身智能要从工厂走进家庭，从结构化的工业场景走到非结构化的生活场景，这条路可能比大多数人预期的要慢得多。

展台上的画面和这些判断之间显然还存在一些落差。展位都在展示机器人“干活”，真正做过产线的人清楚，从演示到能上产线，再到大规模普及，中间隔着的不止一两个技术突破，还有一整套未建成的基础设施，数据标准、评测体系都缺，零部件可靠性不够，持续学习能力也尚未成形。

姚远说"当前最火的不一定能笑到最后"。这句话置于2026年的WAIC，不只是路线之争，也是整个行业此刻所要面对的真实处境。（本文首发钛媒体APP，作者 | AGI-Signal，编辑 | 秦聪慧）








特别声明：本文为网易自媒体平台“网易号”作者上传并发布，仅代表该作者观点。网易仅提供信息发布平台。






打开网易新闻体验更佳




热搜

国防部回应解放军打造台湾建筑模型

1万5机票仅退432元后续：已全额退

吴宜泽6比5墨菲晋级半决赛

《蜘蛛侠：崭新之日》好看吗

中央强调及时谋划出台增量政策

外交部提醒避免危险抵近中方舰艇





热门跟贴




打开APP发贴

0条跟贴








相关推荐




索尼研发乒乓球机器人打败日本顶尖选手

每日经济新闻1212跟贴









神秘黑马-莫刻机器人冲榜WorldArena，仅32张真武810E封神

机器之心Pro









李飞飞出手！用世界模型训练机器人，五种真机跑一小时不出错

智东西









人形机器人“拐点”已至：产量只是下限，模型决定天花板

经济观察报2跟贴









机器人大厨做扬州炒饭，你想品尝一下吗？

装甲铲史官









「机器学习之父」Jordan：Hinton等思想领袖们正在伤害年轻一代

机器之心Pro1跟贴









人形机器人半马跑姿大赏 ，有的比人快多了！有的“状况百出”

每日经济新闻









这这这…翁荔光速回OpenAI上班了

量子位6跟贴









万帧照片级仿真2

机器之心Pro









100多万人围观！没头没腿，神似充电宝的机器人全网走红？

机器之心Pro









人工智能与人脑

虎嗅APP









动易科技PhyAgents无遥控 无预设双足人形自主对打羽毛球

量子位









搬货、烤面包、摆桌牌……每一个动作，都是从零开始的“第一课”

每日经济新闻









持续领跑世界模型驱动物理AGI，极佳视界再获10亿元B2轮融资

36氪









亦庄机器人马拉松现场名场面合集

量子位









朗极智能面向构建智能机器人系统发力2

36氪









机器人进家还差几步？京东：商业化场景是快车道，未来会有更多消费级产品出现

每日经济新闻









520，人类如何回应AI的告白

虎嗅APP









阿里达摩院开源具身大脑基础模型

机器之心Pro









马斯克发Grok新模型！登智能体测评榜首，比OpenAI家便宜一半

智东西











回到顶部回到首页



------
导航页 打开网址