具身智能泡沫之辩：ChatGPT时刻何时到来

9月11日上午，在2026 Inclusion·外滩大会上，多位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、技术路线以及具身智能自己的 ChatGPT 时刻等话题展开讨论。多位嘉宾认为，当前的泡沫感更多来自产业阶段、估值与商业价值之间的错配，行业仍处在黎明前期；与此同时，具身智能的关键能力已经开始出现，但距离真正形成规模化生产力仍有距离，系统工程、算力和数据仍是主要卡点。

回应泡沫论：行业格局远未定型

具身智能行业发展不过数年，却已经聚集了大量资本和创业公司。面对持续升温的泡沫论，多位创业者认为，行业仍处早期，当前更多是估值、技术进展与商业价值之间的阶段性错配。

至简动力联合创始人兼CEO贾鹏认为，目前大家感受到的泡沫，更多是阶段和估值的错配。从长期看，具身智能可能形成比手机、汽车更大的产业规模，产业链也足够长，从传感器、零部件到最终应用，都有空间容纳不同类型的企业。他表示，这个阶段之所以感觉有泡沫，可能跟现在还没有创造更多价值有关系；具身智能需要更多人力、GPU等资源，目前行业整体投入仍然不算充足。

大晓机器人创始人兼董事长王晓刚也认为，当前的焦虑一部分来自市场此前对发展速度的较高预期，而模型和场景落地的实质性突破仍在等待出现。他判断，行业处在黎明的前期。相比去年更多依赖真机数据、VLA和小模型路线，今年随着以人为中心的Ego数据、世界模型的加入，已经开始看到 Scaling Law 的展现。具身智能与垂直行业结合紧密，未来仍会有较强的多样性，目前数据、零部件、模型、本体和场景等环节相对分散，不同类型的公司可能进一步重新组合。

苏度科技联合创始人兼CEO韩铮表示，相对丰富的供应链和场景尝试环境，让本体、具身模型和世界模型等方向上都出现了较多企业和技术探索。他认为，具身智能最终大概率是一个复杂系统，目前技术路线已经开始出现收敛迹象。未来能够提供完整底层方案和模型的公司可能不会特别多，但在垂直应用、全球市场以及模型组合等方向仍有机会。

ChatGPT时刻的卡点：系统、算力与数据

围绕具身智能自己的 ChatGPT 时刻何时到来，几位嘉宾从系统、算力和数据等不同角度给出了判断。

韩铮认为，如果类比大语言模型，目前具身智能大致相当于2018年至2019年前后的阶段。很多关键技术框架已经出现，当前更大的挑战是如何把不同技术整合成一个商业可用、高可靠、具有泛化能力的大系统，这个整合大系统是现在整个行业里最需要解决的问题。

贾鹏则表示，他并不喜欢具身 ChatGPT 这一说法，因为具身智能和数字AI解决的问题并不完全相同。大语言模型做到80分可能已经是一个不错的产品，但具身智能进入真实物理世界后，对可靠性的要求要高得多。他判断，如果只看模型能力，具身智能已经开始表现出一部分上下文学习能力；但如果从真正形成生产力的角度看，可能还需要三四年甚至四五年。如果只能选择一个最大的卡点，他认为是GPU算力，既包括训练算力，也包括端侧和边缘侧推理算力。很多工厂场景不能联网，机器人必须在边缘侧完成部署，端侧算力不足会直接限制模型能力。

王晓刚则认为，当前最大的卡点是数据。在他看来，所谓具身智能的 ChatGPT 时刻，关键是能否看到智能涌现、场景泛化和零样本能力。如果在各种应用场景里始终需要针对新的任务重新训练，就没有办法实现规模化推广。近期通用模型展现出的零样本能力，也让他看到新的可能：这类模型输出的中间数据，未来有可能帮助具身基础模型加速进化。

青年创业者的路线选择：世界模型与物理AI基模

论坛上，多位95后、00后创业者也从自己的创业实践出发，谈到技术路线和全球竞争。

厘清智能创始人李一鸣表示，世界模型公司很多，但关键还是要看具体解决什么问题。在他看来，创业公司首先要判断未来终局可能是什么样，再拆解实现终局所需要的技术路线，根据优先级以及团队自身背景和优势做战略选择。

自然意志创始人丁宁则判断，具身智能领域的突破性时刻已经到来，只是还没被大家看到。他表示，2025年以后，大模型的发展已经解决了一些根本性问题，但物理世界的操作问题仍待突破。他形容，过去一段时间行业正在以一个不太正常的速度发展，不管是从代码量、实验结果，还是几种不同智能之间的融合，都能感受到一股非常强的推背感。他也坦言面对掌握巨量计算资源的实体时非常焦虑，但同时认为机会仍然存在，其中一个优势来自高精度数据背后的硬件和供应链能力：高精度数据还没有规模起来，而高精度数据需要更好的硬件传感器，更好的传感器需要更智能的融合技术。

22岁的逆矩阵科技创始人陈博远表示，自己这一代创业者成长在 Scaling Law 出现之后，经历了大模型从潮起到更高点的时代，但也看到大模型在解决真实物理世界问题上依然还有许多不可逾越的挑战。在他看来，具身智能要真正进入物理世界，物理AI基模需要懂得因果。真实物理世界充满噪音和连续变化，边缘情况不是长尾，而是常态。

陈博远认为，物理AI并不是依靠一两个小天才就能完成，而是一个从模型基础设施、数据、算法到真实物理世界闭环的复杂系统工程。他提到，大家不会因为一个人原来在大厂就轻信其选择的路径是对的，也不会因为一个人是实习生就觉得其想法不切实际。真正推动技术创新，更重要的是尊重第一性原理，通过小规模验证、大规模 Scaling，寻找最有潜力的技术路线，而不是把判断建立在某个人或少数人的经验上。他认为，物理AI基模最终还必须进入真实世界，形成从人到机器、再到云端系统的端边云一体化平台，在这样的系统性工程里坚持第一性原理，会越来越重要。