9 月 11 日，在 2026 外滩大会上，多位具身智能产业人士、投资人和青年创业者围绕行业泡沫、技术路线及 "ChatGPT 时刻 " 等话题展开讨论。

与会嘉宾认为，当前具身智能行业的 " 泡沫感 " 主要源于产业发展阶段、市场估值与实际商业价值之间的阶段性错配。行业仍处早期，技术路线尚未完全定型，但部分关键能力已初步显现。从技术能力迈向规模化生产力，仍需突破系统工程、算力、数据获取与场景泛化等多重门槛。

至简动力联合创始人兼 CEO 贾鹏指出，" 泡沫 " 实质是阶段与估值的错配。长期看，具身智能可能形成比手机、汽车更大的产业规模，产业链涵盖传感器、零部件至终端应用，具备容纳多元企业的空间。当前价值创造尚不充分，人力与 GPU 等资源投入仍有较大提升空间。

大晓机器人创始人兼董事长王晓刚称行业处于 " 黎明的前期 "。相较去年依赖真机数据、VLA 与小模型路线，今年以人为中心的 Ego 数据与世界模型引入后，Scaling Law 已开始显现。具身智能与垂直行业结合紧密，未来将保持多样性；当前数据、零部件、模型、本体与场景环节相对分散，后续企业或进一步重组整合。

苏度科技联合创始人兼 CEO 韩铮表示，中国丰富的供应链与应用场景为具身智能提供了广阔技术探索空间，本体、具身模型与世界模型方向均涌现大量尝试。技术路线正出现初步收敛迹象，未来能提供完整底层方案与模型的企业或有限，但在垂直应用、全球市场及模型组合层面仍存机会。

关于 " 具身智能的 ChatGPT 时刻 "，嘉宾普遍认为其复杂性远超大语言模型——机器人需将理解、决策能力与本体控制、算力、数据及物理执行深度耦合。韩铮类比大模型发展，指出当前具身智能大致处于 2018 — 2019 年阶段，核心挑战在于整合不同技术模块，构建商业可用、高可靠、可泛化的大型系统。

贾鹏强调，具身智能对可靠性要求远高于数字 AI，模型达 80 分未必可用，而真实物理世界容错率极低。若以形成生产力为标准，预计还需三至五年。其最大卡点为 GPU 算力，涵盖训练及端侧 / 边缘侧推理，尤其工厂等离线场景对端侧算力依赖强烈。

王晓刚则将最大瓶颈归于数据，但关注点不在数量，而在数据能否驱动机器人提升泛化能力。他定义 "ChatGPT 时刻 " 的标志为智能涌现、场景泛化与 zero-shot 能力。若新任务仍需重新训练，则无法规模化推广；通用模型输出的中间数据或加速具身基础模型进化。

年轻创业者亦在技术路线未收敛背景下寻求解法。厘清智能创始人李一鸣指出，世界模型虽成主流方向，但创业公司应聚焦具体问题，基于终局反推技术路径，并结合团队优势做出战略选择。

自然意志创始人丁宁判断，" 具身智能领域的 GPT-3 时刻已经到来，只是尚未被广泛认知 "。2025 年后大模型已解决若干根本问题，但操作物理世界仍是关键缺口。其发展呈现 " 非正常速度 "，代码量、实验结果及多智能融合均显强 " 推背感 "。面对海外算力优势，中国高精度传感器与硬件供应链（集中于深圳）构成独特壁垒。

22 岁的逆矩阵科技创始人陈博远强调，物理 AI 基模须理解因果关系，因真实世界充满噪音与连续变化，" 边缘情况不是长尾，而是常态 "。物理 AI 是涵盖模型基础设施、数据、算法与物理闭环的复杂系统工程，需坚持第一性原理，通过小规模验证与大规模 Scaling 筛选最优路径。其终态应为 " 端—边—云 " 一体化平台，系统性工程属性决定技术判断不应依赖个体资历，而应基于原理与实证。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。