9月11日上午，在2026Inclusion·外灘大會上，多位具身智能領域產業人士、投資人和青年創業者圍繞行業泡沫、技術路線和“ChatGPT時刻”等話題展開討論。多位嘉賓認爲，當前具身智能的“泡沫感”更多來自產業階段、估值與商業價值之間的錯配，行業仍處在“黎明前期”;與此同時，具身智能的關鍵能力已經開始出現，但距離真正形成規模化生產力仍有距離，系統工程、算力和數據仍是主要卡點。

迴應“泡沫論”:具身智能仍在黎明前期，行業格局遠未定型

具身智能行業發展不過數年，卻已經聚集大量資本和創業公司。面對近期持續升溫的“泡沫論”，多位創業者認爲，行業仍處早期，當前更多是估值、技術進展與商業價值之間的階段性錯配。

至簡動力聯合創始人兼CEO賈鵬認爲，目前大家感受到的“泡沫”，更多是階段和估值的錯配。從長期看，具身智能可能形成比手機、汽車更大的產業規模，產業鏈也足夠長，從傳感器、零部件到最終應用，都有空間容納不同類型的企業。

“這個階段大家之所以感覺有泡沫，我覺得可能跟現在還沒有創造更多價值有關係，是一個階段的錯配。”賈鵬表示，具身智能需要更多人力、GPU等資源，目前行業整體投入仍然不算充足。

大曉機器人創始人兼董事長王曉剛也認爲，當前的焦慮，一部分來自市場此前對發展速度的較高預期，而模型和場景落地的實質性突破仍在等待出現。

“我感覺，我們處在黎明的前期。”王曉剛表示，相比去年更多依賴真機數據、VLA和小模型路線，今年隨着以人爲中心的Ego數據、世界模型的加入，已經開始看到Scaling Law的展現。他認爲，具身智能與垂直行業結合緊密，未來仍會有較強的多樣性。目前數據、零部件、模型、本體和場景等環節相對分散，未來不同類型的公司可能進一步重新組合。

蘇度科技聯合創始人兼CEO韓錚表示，中國擁有相對豐富的供應鏈和場景嘗試環境，因此在本體、具身模型和世界模型等方向上，都出現了較多企業和技術探索。他認爲，具身智能最終大概率是一個複雜系統，目前技術路線已經開始出現收斂跡象。未來能夠提供完整底層方案和模型的公司可能不會特別多，但在垂直應用、全球市場以及模型組合等方向仍有機會。

具身智能的“ChatGPT時刻”何時到來?系統、算力和數據仍是主要卡點

圍繞“具身智能自己的ChatGPT時刻何時到來”，幾位嘉賓從系統、算力和數據等不同角度給出了判斷。

韓錚認爲，如果類比大語言模型，目前具身智能大致相當於2018年至2019年前後的階段。很多關鍵技術框架已經出現，當前更大的挑戰是，如何把不同技術整合成一個商業可用、高可靠、具有泛化能力的大系統。

“這個整合大系統，是現在具身智能整個行業裏最需要解決的問題。”韓錚說。

賈鵬則表示，他並不喜歡“具身ChatGPT”這一說法，因爲具身智能和數字AI解決的問題並不完全相同。大語言模型做到80分可能已經是一個不錯的產品，但具身智能進入真實物理世界後，對可靠性的要求要高得多。他判斷，如果只看模型能力，具身智能已經開始表現出一部分ICL（上下文學習）能力;但如果從真正形成生產力的角度看，可能還需要三四年甚至四五年。

如果只能選擇一個最大的卡點，賈鵬認爲是GPU算力，既包括訓練算力，也包括端側和邊緣側推理算力。很多工廠場景不能聯網，機器人必須在邊緣側完成部署，端側算力不足會直接限制模型能力。

王曉剛則認爲，當前最大的卡點是數據。在他看來，所謂具身智能的“ChatGPT時刻”，關鍵是能否看到智能涌現、場景泛化和zero-shot能力。

“在各種應用場景裏，如果始終需要針對新的任務重新訓練，就沒有辦法實現規模化推廣。”王曉剛表示，近期通用模型展現出的zero-shot能力，也讓他看到新的可能:這類模型輸出的中間數據，未來有可能幫助具身基礎模型加速進化。

年輕創業者談路線選擇:世界模型、物理世界與全球競爭

論壇上，多位95後、00後創業者也從自己的創業實踐出發，談到技術路線和全球競爭。

“我們成立的時候說，未來半年，所有的具身智能公司都會說自己是做世界模型的公司。”釐清智能創始人李一鳴表示，世界模型公司很多，但關鍵還是要看具體解決什麼問題。

在他看來，創業公司首先要判斷未來終局可能是什麼樣，再拆解實現終局所需要的技術路線，根據優先級以及團隊自身背景和優勢做戰略選擇。

自然意志創始人丁寧則判斷，“具身智能領域的GPT-3時刻已經到來，只是還沒被大家看到。” 他表示，2025年以後，大模型的發展已經解決了一些根本性問題，但物理世界的操作問題仍待突破。

他形容，過去一段時間行業正在以一個“不太正常的速度”發展，“不管是從代碼量還是實驗的結果，還是幾種不同智能之間的融合，我們都能感受到一股非常強的推背感。”

面對海外掌握巨量計算資源的實體，丁寧坦言“非常焦慮”。但他同時認爲，中國仍有機會，其中一個優勢來自高精度數據背後的硬件和供應鏈能力。“高精度的數據還沒有Scale起來，而高精度的數據需要更好的硬件傳感器，更好的傳感器需要更智能的融合技術，這個東西現在全球只能在深圳生產。”

22歲的逆矩陣科技創始人陳博遠則表示，自己這一代創業者成長在Scaling Law出現之後。“我們經歷了大模型從潮起到一個更高點的時代，但是我們也看到，大模型現在在解決真實物理世界問題上，依然還有很多不可逾越的挑戰。”

在他看來，具身智能要真正進入物理世界，物理AI基模需要懂得因果。真實物理世界充滿噪音和連續變化，“邊緣情況不是長尾，而是常態。”

陳博遠認爲，物理AI並不是依靠“一兩個小天才”就能完成，而是一個從模型基礎設施、數據、算法到真實物理世界閉環的複雜系統工程。

“大家不會因爲你原來在大廠，就輕信你選擇的路徑是對的;也不會因爲你是一個實習生，就覺得你提出來的想法不切實際。”他表示，真正推動技術創新，更重要的是尊重第一性原理，通過小規模驗證、大規模Scaling，尋找最有潛力的技術路線，而不是把判斷建立在某個人或少數人的經驗上。

他認爲，物理AI基模最終還必須進入真實世界，形成從人到機器、再到雲端系統的“端—邊—雲”一體化平臺。“它一定是複雜的系統性工程。在這個系統性工程裏堅持第一性原理，越來越重要。”