当大语言模型竞争步入白热化阶段，人工智能的焦点正从虚拟空间转向实体世界。能够感知环境、执行任务的具身智能，成为科技领域最受瞩目的新赛道。资本持续涌入，机器人创业公司如雨后春笋般涌现，市场对这一领域的期待不断升温。然而，在一片繁荣景象背后，质疑声也随之而来：这是新一轮科技泡沫，还是真正的产业革命？行业内部对此存在明显分歧。
在近期举办的外滩大会论坛上，估值百亿的企业负责人与年轻创业者展开了一场关于具身智能的深度对话。他们抛开概念炒作，直面行业泡沫争议、技术瓶颈以及全球竞争压力，共同探讨一个核心问题：具身智能的"突破性时刻"究竟还有多远？这场讨论揭示了行业当前面临的复杂局面——既有资本狂热推动的估值泡沫担忧，也有技术突破带来的长期发展信心。
关于行业是否存在泡沫的争论从未停歇。多位产业参与者认为，当前的市场热度更多反映了产业发展阶段的特殊性，表现为市场估值与实际商业价值之间的暂时错位。至简动力CEO贾鹏指出，行业尚未实现大规模价值落地，这种滞后性造成了虚高的错觉。他强调，具身智能是资本密集型领域，需要持续投入大量人力和GPU资源，但目前整体投入仍显不足。尽管如此，该领域的想象空间巨大，未来产业规模可能超越手机和汽车行业，其长长的产业链将涵盖传感器、零部件到应用场景等多个环节。
大晓机器人董事长王晓刚用"黎明前期"来形容行业现状。他认为，市场此前对技术落地速度期望过高，当颠覆性产品未能如期出现时，焦虑情绪便开始蔓延。不过，行业已出现积极信号：与过去依赖真机数据和小模型的技术路线不同，今年Ego数据和世界模型的引入使缩放定律开始发挥作用。目前产业链各环节相对割裂，但未来必将经历新一轮重组整合。
苏度科技CEO韩铮则从国内产业优势角度分析，认为完整的供应链体系和丰富的实地试验场景，催生了大量专注于机器人本体和世界模型的创业企业。他指出，具身智能本质上是复杂大系统，技术路线正趋于收敛。未来能够提供完整底层模型方案的企业将屈指可数，但垂直场景落地和海外市场拓展仍蕴含巨大机会。
要实现具身智能的突破性发展，算力、数据和系统整合是三大必须跨越的障碍。韩铮将当前具身智能的发展阶段类比为大语言模型在2018-2019年的水平：基础技术框架已建立，但最大挑战在于将碎片化技术融合成稳定可靠、具备泛化能力的商用系统。贾鹏则从不同角度提出，数字AI与实体机器人的评判标准截然不同。大语言模型达到80分即可交付使用，而机器人在真实物理环境中的失误可能导致任务完全失败，因此对可靠性要求极高。
在贾鹏看来，GPU算力是当前最大瓶颈，不仅训练需要大量算力，工厂等无联网场景依赖的端侧和边缘侧推理算力更是严重不足，这直接限制了机器人能力的发挥。王晓刚则持不同观点，他认为数据才是关键卡点。要实现具身智能的真正爆发，必须达到智能涌现、场景泛化和零样本任务执行的水平。如果每项新任务都需要重新采集数据和训练，机器人将永远无法走出实验室。不过，通用大模型产生的中间数据为具身基础模型的加速迭代提供了新途径。
论坛上，一批95后和00后创业者带来了全新视角。他们普遍认为，物理AI的发展不是依靠个别天才，而是一场需要长远规划的系统工程。厘清智能创始人李一鸣指出，近期许多企业都宣称在开发世界模型，但概念包装背后，核心在于技术能否解决实际问题。他强调，创业需要先明确行业终局，再反向拆解技术路径，结合团队优势做出战略选择，而非盲目追随热点。
自然意志创始人丁宁提出一个大胆观点：具身智能的GPT-3时刻其实已经到来，只是尚未被大众感知。他解释说，大模型已解决许多底层问题，但如何灵活操控复杂的物理世界仍是待攻克的难题。行业正经历快速迭代，代码更新、实验效果和智能融合都在加速推进。面对海外巨头的竞争压力，中国拥有独特优势：高精度传感器配套硬件和成熟供应链，许多高端产能已在深圳实现，这是中国参与全球竞争的重要筹码。
22岁的逆矩阵科技创始人陈博远，成长于大模型爆发时代，却清醒认识到其应对真实世界的局限性。他指出，现实环境充满干扰，各种特殊情况不是小众案例，而是常态。因此，物理AI基础模型必须学会理解现实世界的因果逻辑。"这不是靠一两个天才就能完成的，"陈博远反复强调，"这是一套环环相扣的系统工程，涉及模型基建、数据、算法和真实世界闭环。"他认为，比起依赖少数人的经验，更应该遵循第一性原理，先小规模验证，再大规模迭代扩张。成熟的物理AI最终将构建起人、机器、云端打通的端-边-云一体化平台。
