通信-具身智能的瓶颈与突破-2026智源大会启示录.pptxVIP

ChatGPT发布以来，AI在聊天、CodingAgent、视频生成等多个领域，展现出对生产力的革命性提升能力。接下来，我们关注，AI能否改造机器人，使具身智能拥有泛化性，作用于大模型的scalinglaw是否也能作用于机器人？近期的2026智源大会给了我们许多启示和思考。

2026北京智源大会把“具身智能”与“世界模型”摆在最核心的位置。

大会专设具身智能与人形机器人论坛、世界模型论坛与具身产业CEO论坛；智源研究院院长提出人工智能正从“预测下一个词元”走向“预测下一个物理状态”。

现状——“抓拿放”较多、人机乒乓球已可实时对打。现场可见人机乒乓球对打、酒店清洁、货架抓放、串糖葫芦等“点状能力”，但多在受控、结构化或依赖外部动捕的环境中完成；产业方认为，把“移动+抓取放置”在零售、工厂分拣等可批量复制场景做到高度泛化，是近期里程碑。

瓶颈——可归纳为数据、物理理解与多模态感知、评测标尺、安全可控等几类。传统VLA依赖昂贵、难规模化的遥操作数据；智源王仲远称现有世界模型的语言、像素、三维结构、视觉表征四条路线均未真正触达物理规律；仅靠VLA不足，触觉、力觉被反复强调；多位嘉宾直言现有的机器人榜单不可信，应更关注系统能力和AI的学习能力。

突破——针对上述瓶颈，产业已形成“扩数据、补大脑与强感知、定标尺上保险、做分