作者 | 撰稿人 舒志娟 编辑 | 高素英

当大语言模型的竞争进入深水区，AI 的战场正从虚拟数字世界转向真实可触摸的物理空间。能感知环境、动手做事的具身智能，一跃成为当下最火热的赛道。资本加速入场，一批批机器人创业公司接连涌现，市场的期待被不断拉高。

但热度背后，质疑声也如影随形。有人说这是新一轮科技泡沫，估值跑在了技术落地前面；也有人坚信，这是长坡厚雪的超级赛道，只是行业尚处在黎明来临之前。究竟是虚火炒作，还是真正的时代机遇，行业内部也存在不同声音。

在 2026 外滩大会论坛现场，百亿估值企业掌舵人与一批青年创业者同台对话。他们抛开概念包装，直面泡沫争议、技术卡点与全球竞争，共同追问一个核心命题，属于具身智能的 "ChatGPT 时刻 "，到底离我们还有多远？

是行业泡沫，还是黎明前的估值错配？

融资火热、新公司密集涌现，" 具身智能泡沫论 " 一直萦绕行业。但多位产业参与者的共识是，当下的喧嚣并非虚假繁荣，更多是产业发展阶段，市场估值与实际商业价值之间的错位。

至简动力联合创始人兼 CEO 贾鹏表示，行业还没有大规模产出落地价值，才让人产生虚高的错觉。具身智能是烧钱的赛道，需要大量人力、GPU 资源，可整体投入依旧不足。它的想象空间足够辽阔，未来产业规模甚至有望超越手机、汽车，长长的产业链覆盖传感器、零部件到场景应用，足以容纳不同类型的玩家同台竞技。

大晓机器人创始人兼董事长王晓刚则用 " 黎明前期 " 概括行业现状。在他看来，市场此前对落地速度抱有过高期待，当颠覆性产品没有如约而至，焦虑感便随之滋生。不过曙光已经显现，对比往年依赖真机数据、小模型的技术路线，今年伴随 Ego 数据、世界模型的入局，缩放定律（Scaling Law）已经开始生效。目前数据、零部件、机器人本体、应用场景各环节相对割裂，未来产业链必将迎来新一轮重组。

苏度科技联合创始人、CEO 韩铮认为，国内完整的供应链、丰富的实地试验场景，催生了一大批聚焦机器人本体、世界模型的创业力量。具身智能本质是一套复杂大系统，技术路线已经出现收敛迹象。未来能够输出完整底层模型方案的企业会十分有限，但垂直场景落地、海外市场拓展，依旧藏着大量机会。

算力、数据、系统整合三道关卡拦路

整个行业都在翘首期盼，具身智能迎来属于自己的 ChatGPT 瞬间，实现能力的跨越式涌现。但想要抵达这一步，算力、数据、系统整合，每一道都是绕不开的硬骨头。

韩铮打比方说，现在的具身智能，大致相当于大语言模型 2018 — 2019 年的发展阶段。基础技术框架已经搭建完成，最大的难点是把碎片化的各项技术，融合成一套稳定可靠、具备泛化能力、能够商用落地的完整大系统。如何做好系统整合，是全行业眼下最棘手的命题。

贾鹏却并不认同 " 具身 ChatGPT" 这个类比。数字 AI 和行走在现实世界的机器人，评判标准完全不一样。大语言模型做到 80 分，就可以交付给用户使用；可机器人身处真实物理环境，一点点失误就会造成任务失败，对可靠性有着近乎严苛的要求。

单纯看模型能力，具身智能已经具备部分上下文学习的本领。但想要真正转化成实实在在的生产力，或许还需要三到五年时间。在贾鹏看来，最大瓶颈就是 GPU 算力，不只是训练算力，工厂等无联网场景高度依赖的端侧、边缘侧推理算力，更是短板，算力上限直接锁住了机器人的能力天花板。

如果贾鹏把算力视为最大瓶颈，王晓刚则坚信数据才是最大卡点。真正的具身智能爆发，标志是实现智能涌现、场景泛化、零样本任务执行。假如面对每一项新任务，都要重新采集数据、重新训练，机器人就只能困在实验室，谈不上规模化推广。好在通用大模型产出的中间数据，也为具身基础模型加速迭代提供了新路径。

物理AI是一场宏大系统工程

论坛上一批 95 后、00 后新生代创业者，跳出传统产业思维，带来了截然不同的思考角度。他们不约而同地指向同一个判断，物理 AI 不是靠一两个天才就能做出来的，而是一场需要看清终局、反向拆解的系统工程。

厘清智能创始人李一鸣指出，近段时间几乎所有具身智能企业，都对外宣称自己在做世界模型。概念只是外衣，核心要看技术究竟要解决什么实际问题。创业要先看清行业的终局模样，反向拆解技术路径，结合团队自身优势做战略取舍，不能一味跟风追逐热点概念。

自然意志创始人丁宁抛出一个大胆判断，具身智能的 GPT ‑ 3 时刻其实已经到来，只是尚未被大众感知。大模型攻克了不少底层难题，但如何灵活操控纷繁复杂的物理世界，依旧是待攻克的难关。整个行业正感受高速迭代带来的 " 推背感 "，代码迭代、实验效果、多类智能的融合都在飞速向前。面对海外巨头手握海量计算资源的竞争压力，焦虑不可避免，但中国手握独特优势，高精度传感器配套硬件、成熟供应链，很多高端产能在深圳已经实现，这就是中国参与全球竞争的底牌。

22 岁逆矩阵科技创始人陈博远，成长于大模型爆发浪潮之中，却清醒看见大模型应对真实物理世界的重重局限。在他看来，现实环境充满干扰，各类特殊状况不是小众的长尾案例，而是时时刻刻都要面对的常态。物理 AI 基础模型，必须学会理解现实世界的因果逻辑。

" 物理 AI 不是靠一两个小天才就能做出来。" 这是陈博远反复强调的观点。它是一套环环相扣的系统工程，贯穿模型基建、数据、算法再到真实世界闭环。在这里，大厂的光环不会证明路线正确，新人天马行空的想法也不会被直接否定。比起迷信少数人的过往经验，遵从第一性原理，先小规模验证，再大规模迭代扩张，才是寻找正确技术路线的方法。而成熟的物理 AI，最终必然会打造出人、机器、云端打通的端‑边‑云一体化平台。

资本的热切期待，与现实技术瓶颈交织在一起，具身智能没有唾手可得的胜利。它既不是一戳就破的泡沫，也远未迎来遍地开花的黄金时代。一边是百亿级别企业掌舵人研判产业航向，另一边年轻创业者带着全新视角闯入赛场。褪去对即刻爆发的幻想，沉下心逐一破解系统工程的各类难题，属于具身智能的高光，才会一步步靠近。