9 月 1 日，OpenAI 明确表示：将进入人形机器人。

两天后，GPT-6 Astra 发布。在一项测试中，它完成简单抓放的成功率达到 95%，换成精细插入，却只剩 10%。

大模型正在进入物理世界，但从 " 会做 " 到 " 真正会干活 "，还差一颗真正可用的 " 大脑 "。

当下，具身智能的聚光灯，也正在转向 " 大脑 "。

钱已经投了票。

上半年国内具身智能融资超过 400 亿元，过半流向 " 具身大脑 " 公司——其中超七成布局世界模型。

但另一边，智源对 12 个开源具身模型的评测显示，复杂任务组合最高成功率仅 16.7%。

世界模型越火，行业越需要回答：它究竟让机器人真正变聪明了多少？

所以，这一次，我们把一线创业、模型研发、资本、学术前沿请到同一张桌子上，追问四个问题：

世界模型，到底给具身智能增加了什么 " 真能力 "？

它会成为机器人大脑的核心，还是只是众多路线中的一条？

一颗具身大脑到底要做到什么程度，才算真正 " 上岗 "？

当数十亿、上百亿估值压上来，哪些是真正的技术资产，哪些只是提前定价的未来？

四位关键人物，把 " 具身大脑 " 拆开来看

世界模型—自进化系统—学术前沿—资本判断，坐到了同一张桌子上。

01｜陈文科｜章鱼动力 世界模型合伙人

中国电子学会世界模型专委会第一届委员

他站在世界模型 Scaling 与系统工程的一线。

在加入章鱼动力之前，陈文科曾在字节跳动 AML/Seed 团队及头部大模型企业工作，长期从事多模态生成模型的 Infra 与预训练研发。

他关注的并不是只把模型 " 训出来 "，而是让算法、系统、数据、硬件 Co-Design，把世界模型真正 scale 起来。

他将回答：世界模型究竟应该在机器人大脑里承担什么角色？ 

预测世界、生成动作、辅助训练、做价值判断，还是最终直接参与控制？

02｜邱谆｜华映资本 海外合伙人

捕获自变量的具身赛道投资人

他坐在资本席，但懂技术。

邱谆本科毕业于北京大学计算机系，此后赴美学习人工智能，长期工作于硅谷；进入投资行业之前，曾担任腾讯云 T4 专家架构师和技术总监，也曾任斯坦福大学工程及商学院客座讲师。现在主要关注 AI、具身智能与科技出海。

他是自变量机器人的早期投资人，所在的华映资本已经在具身智能产业连续下注，包括云深处科技、星动纪元等。

他认为：今天具身智能技术路线尚未收敛。

他最适合回答：

现在资本到底是在为什么估值？

模型？数据？人才？本体？客户？还是一个未来可能掌控机器人智能层的平台位置？

如果未来一年融资环境变化，哪些具身大脑公司依旧值得继续加注？

03｜吴昊｜域变换 联合创始人

南京大学特聘研究员、博导，中央部委高层次创新人才

他研究的是另一件重要的事：机器人失败以后怎么办。

当大多数讨论在关注模型 " 出厂时有多聪明 "，吴昊和团队的研究转向让机器人在物理交互中持续成长。

他致力于闭环具身智能自进化：在运行中识别问题、形成恢复策略，并让系统随着真实执行经验继续演化。

真正的具身智能，不只该知道 " 下一步做什么 "，还该知道 " 错在哪里、怎么恢复、如何改进 "。

他将帮助我们重新定义：所谓具身智能的自进化，究竟应该如何系统化闭环。

04｜吴桐｜墨奇智能 世界模型负责人

复旦大学可信具身智能研究院助理教授，博导

她站在世界模型与空间智能的研究前沿。

吴桐本科毕业于清华大学，博士毕业于香港中文大学 MMLab，曾在斯坦福从事博士后研究，目前同时从事三维视觉、生成模型与世界模型方向研究。

她长期关注的并不只是 " 生成更像真的视频 "，而是让模型拥有可交互、长期记忆、物理一致性以及自我演化能力。

其第一作者工作 OmniObject3D 曾获 CVPR 2023 最佳论文候选（top 0.1%）。

她将分享：

一个世界模型把未来视频预测得更逼真，和机器人真的干得更好，中间究竟隔着几步？

" 看起来懂物理 "，什么时候才能真正变成 " 能够利用物理规律行动 "？

我们只追问四组问题

01｜世界模型爆火，行业究竟在押注什么？

世界模型已经成具身智能最热门的技术标签，但大家嘴里的 " 世界模型 "，可能并不是同一个东西。

有人用它预测未来状态，有人当数据生成器，有人做规划和价值判断，有人希望进一步生成动作。

它真正解决的问题是什么？

降低数据成本、提高泛化、预测动作后果、帮助失败恢复，还是最终承担机器人决策？

如果不再使用 " 世界模型 " 四个字，技术和产品价值还剩下什么？

02｜谁将掌控具身大脑？

如果世界模型最终成为 " 大脑 " 的一部分，这颗大脑到底属于谁？

本体公司一定要自己做吗？会不会出现像操作系统、基础模型一样独立存在的第三方 " 大脑公司 "？

" 一脑多机 " 到底能通用到什么程度？换一个机械臂、换一个本体，要补多少数据、多少工程时间才配得上 " 通用 "？

数据归谁、升级权归谁、客户关系归谁，谁最后掌握机器人的智能控制权？

03｜一颗具身大脑，什么成绩才算真正 " 上岗 "？

机器人真正会干活，不能只看一次漂亮 Demo。要追问：

同一个完整任务，连续做 10 次、100 次，成功率是多少？

换个物体位置、房间布局、任务顺序以后，还剩多少？

失败以后有多少能自主恢复？多少需要人工接管？换一个新任务、新本体，需要多少数据、多少天、多少钱？

最终，我们希望把 " 机器人很聪明 " 变成真正能比较的数字：

完整任务成功率、重复稳定性、环境泛化、失败恢复率、人工介入率、迁移成本。

04｜谁在为 " 大脑 " 付钱，估值又怎么兑现？

谁在为 " 具身大脑 " 付钱？试点费、年度订阅，还是按成功任务数计件？

客户买的到底是什么？一次技术试验、一台机器人，还是一个能持续完成任务的生产工具？

当世界模型真正产生价值，至少应体现在：

成功率提高了，数据成本下降了，部署周期缩短了，人工接管减少了。

再看资本这边。

50 亿、100 亿、200 亿估值的 " 具身大脑公司 "，到底按 " 模型公司 "" 平台公司 " 还是 " 机器人公司 " 被定价？

什么信号会让资本继续加注？

什么信号出现时，资本会认为——这不是技术突破的提前定价，而是泡沫到来？

最后，请各位嘉宾给出一个 " 预判 "

未来 12 个月，具身大脑最可能验证哪一个关键判断？

世界模型是否真正带来任务成功率的代际提升；

第三方 " 大脑 " 能否出现规模化外部客户；

长程任务是否跨过某个成功率门槛；

或者某一种今天大热的技术路线，被事实证明没有那么重要。

一年以后，可以回来对答案。

参与直播，你将获得

1、世界模型共识 / 非共识清单：共识与假设各占多少？哪些能力已经在跑、哪些还停在 PPT 与 Demo 上

2、大脑路线与控制权：模型公司、本体公司、场景方谁拿大头？智能层价值最终归谁、谁来分配？

3、资本进退信号：加注看什么指标、撤资警惕什么信号？商业化兑现与泡沫跑赢技术的临界点在哪？

4、关键行业链接：对接具身模型、本体企业、产业场景与投资机构，建立具身智能核心产业圈层与合作通道。

如果你是

具身模型、本体、数据采集、仿真与场景部署方向的创业者和技术人

正在一线做算法、系统、运动控制、产品和交付的具身智能从业者；

机器人、AI 硬件、智能制造及相关产业上下游从业者

科技投资人、研究者、媒体人与行业观察者

欢迎扫码报名，加入这场「具身大脑的真能力」评测场。

时间：9 月 22 日 19:00-21:00

形式：腾讯会议 | 闭门直播，深度互动

扫码即可报名