自变量与破壳等创企称GPT难降维打击 物理泛化与系统工程成护城河
十字路口Crossing
大模型无法凭空跨越富接触物理泛化与实体制造断点，唯有结合高频传感器反馈与分层控制架构才能跨越泡沫实现真正落地
AI-assisted summary of 当具身智能走到十字路口｜对谈苏度、蚂蚁灵波、自变量、破壳：四种一线判断 — original source. Check the original for full context.
Source published:
Detailed notes
## Background 该内容由播客频道「十字路口Crossing」（主播 Koji）于 2026 年 9 月 13 日发布在小宇宙平台，记录了「2026 Inclusion 外滩大会」主会场的圆桌对话。节目简介表明，这是一场少见的、把具身智能底层分歧摆上台面的公开讨论，邀请了苏度科技韩铮、蚂蚁灵波沈宇军、自变量机器人王潜和破壳机器人许华哲四位一线专家，围绕数据路径、GPT-6 Astra 的冲击与护城河、跨越商业化泡沫的硬指标，以及五年后视角的行业高估与低估展开推演。
## TL;DR 对话深入剖析了具身智能在数据、模型与落地场景上的核心路线分歧：仿真管线与真机物理传感器各具优势，而比 Sim-to-Real 更严峻的瓶颈在于 Real-to-Sim 的规模化保真度。面对 GPT-6 Astra 的冲击，嘉宾们指出大模型是数据的蒸馏器与容器，Astra 虽具备极佳的语义与空间泛化，但在富接触物理交互上仍存在硬伤，具身智能需走向“高层认知大脑+低层高频物理策略”的分层架构。商业化落地的真正指标是极致任务成功率、客户持续买单带来的真实 ROI 以及基础模型的容错阈值跃迁。展望未来，嘉宾们破除了对海量原始数据与硬件供应链成熟度的盲目崇拜，强调具身智能的物理直觉不可替代，其终极发展不仅将赋能真正的物理世界 RSI（递归自我进化），更有望在三年内迎来通用落地服务的爆发。
## Atmosphere & style 整场对话洋溢着高密度的智力交锋与极其罕见的工程师诚实感，嘉宾们直言不讳地针锋相对，拒绝在关键技术路线和商业幻觉上达成廉价的共识。主持人的穿针引线让四位一线创业者与科学家的思维碰撞层层递进，既有对传感器噪声、装配台架与工业现场等微观脏活累活的严谨剖析，又有从物理第一性原理推演通用智能终局的宏大视角。现场听感冷静而冷峻，不断刺破行业对端到端降维打击和百万小时数据军备竞赛的虚火，却又在推演“像写 App 一样造大飞机”与物质自我进化时展现出令人心潮澎湃的产业雄心。
## Key takeaways - `00:00` 仿真与真机数据并非非此即彼，高保真仿真基础设施正成为全球具身竞争的核心共识，苏度自研闭源仿真管线已在极端复杂条件下实现抓取放置近 100% 成功率。 - `04:00` 真实传感器的不完美与噪声难以在虚拟环境中复刻，相比 Sim-to-Real，将现实物理世界可扩展地映射到仿真中的 Real-to-Sim 才是更严峻且被忽视的瓶颈。 - `08:18` GPT-6 Astra 操控机械臂并非黑魔法，其背后是 OpenAI 采购大规模机器人数据训练的结果；智能本体存在于数据中，模型更多充当蒸馏器与容器的角色。 - `08:18` 通用大模型无法凭空降维打击具身：代码、数学与视频生成的突破并不能自然跨越到动作电机控制，物理控制天然需要轻量化、专门化的具身策略模型。 - `15:00` 具身泛化应拆解为语义、空间与物理泛化，Astra 在语义和空间定位表现优异但在富接触物理泛化上极其薄弱，如做麻婆豆腐等复杂接触任务是具身公司的防线。 - `15:00` 通用大模型与具身模型的融合应走向上下分层架构：高层大模型负责多模态思维链推理与任务规划，底层具身策略负责稳定、高频且具备高成功率的连续物理控制。 - `19:08` 具身模型依托毫秒级连续流（Streaming）全双工输入实时修正推理，打破了语言模型单向轮次式对话范式，其沉淀的高维物理交互数据未来将反向重构通用基础模型。 - `24:48` 商业化跨越泡沫的核心指标：韩铮强调任务极高成功率且杜绝现场过拟合补丁；王潜认为核心是客户因超越人类的 ROI 持续并加大付费；许华哲则指出基础模型全任务成功率从 50% 爬升至 99.9% 将引发跃迁式爆发。 - `31:16` 五年后回看被严重高估的盲区：中国硬件供应链在应对具身极端轻量与高频触觉上的成熟度被过度乐观估计，同时行业简单套用语言模型 Transformer 自回归刷具身智能的幻觉被高估。 - `31:16` 五年后回看被低估的要素：具身智能作为涵盖硬件形态、全流程 ROI 与系统鲁棒性的复杂物理系统工程难度被低估，从物理世界沉淀出的不可替代的物理直觉也被低估。 - `37:41` 纯数字大模型无法实现真正意义上的递归自我进化（RSI），阻碍 Scaling Law 扩张的本质瓶颈已退化为芯片制造与电力基建，唯有具身智能接管实体生产力才能跨越物质门槛完成闭环。 - `41:18` 行业对百万小时级数据量的军备竞赛存在迷思，单纯追求数据体量并未拉开与高质量清洗数据的差距；相反具身通用服务落地的节奏被低估，具备跨场景泛化能力的真实服务或在三年内到来。
## Detailed walkthrough ### `00:00` 数据之争：仿真与真实世界之间
对话开门见山切入当下具身智能最核心的分歧之一：数据路线到底是押注仿真（Simulation）还是坚守真机（Real-world）。苏度科技联合创始人兼 CEO 韩铮指出，外界常把这两者对立为“非此即彼”的二选一，但实际上真实世界数据与仿真数据并非排他关系。早在 2015、2016 年探索机器人仿真器和合成数据起步，到后来成立公司推进商业化版本，团队经历了数轮技术周期的沉淀。韩铮坦言，科研阶段做仿真往往停留在开源阶段，研究者用公开的仿真器算法跑跑实验、发表论文，但面对真正的基础大模型的大规模强化学习与预训练时，大家往往不知道如何扩展，或者仅将其用于传统控制方法转向机器学习时的数据补充。
韩铮评估认为，市面上现有的开源网格仿真器（如 SAPIEN、ManiSkill）或者英伟达的 Isaac Sim/Gym，在支撑超大规模通用基础模型强化学习的数据生成与训练上，依然存在明显的局限性。因此，苏度科技在 2024 年后重构了一套闭源、超大规模的数据与仿真管线，并在年底及次年 4 月展示了技术突破：在光照、环境和物体完全无限制的极端复杂条件下，针对特定操作技能（如抓取、放置、组装），机器人近乎实现了 100% 的成功率。韩铮强调，光靠真实世界采集数据效率极低、成本畸高且质量上限受限，“仿真是绕不过去的”。近期海外同行也在迅速强化仿真能力，包括导师苏老师门下的优秀博士生近期加盟美国具身公司挑梁仿真器开发，都印证了仿真基础设施正在成为全球具身竞争的核心共识。
- **苏度数据管线实践**：2024 年起转向自研闭源仿真与数据管线，解决传统开源方案对超大规模强化学习预训练支持不足的问题。 - **技能操作泛化验证**：在无环境与物体预设约束的前提下，针对抓取、放置和精密组装任务实现接近 100% 的任务成功率。 - **行业趋势印证**：北美头部具身初创团队正大规模吸纳顶级高校仿真人才，补齐高保真仿真基础设施短板。
`04:00` 真实传感器的不完美与 Real-to-Sim 规模化壁垒
蚂蚁灵波科技首席科学家沈宇军则从物理交互的第一性原理出发，剖析了灵波坚定倚重真实世界物理数据的底层逻辑。沈宇军首先澄清，灵波内部从未彻底否定仿真，而是主张“不同数据在不同阶段扮演不同角色”：在自动驾驶或者确定性较强的特定下游任务落地时，仿真数据具备极高价值；但在通用基础模型的预训练阶段，互联网数据和真实物理世界采集的数据是绝对核心。机器人在现实中工作与纯数字世界的 AI 模型有着本质不同——它唯一的全部观测只能来自机身搭载的物理传感器，绝不可能通过给机器人一个键盘打字来输入。
物理传感器受制于现实法则，永远存在无法消除的噪声、漂移与误差，而这种“物理世界的不完美”在仿真中极难复刻。沈宇军直言，比起行业常挂在嘴边的“Sim-to-Real”（仿真到真实）的差距，更严峻且被严重忽视的瓶颈是“Real-to-Sim”（真实映射到仿真）的规模化问题。如果无法把底层传感器噪声真实且可扩展地搬进仿真器，那么单纯缩小实验室环境下的 Sim-to-Real Gap 缺乏普适价值。沈宇军以触觉传感器为例，市面上许多触觉传感器厂商提供的仿真插件与真机信号对比堪称“千差万别”——无论是信号频率、瞬态幅值，还是不同传感器硬件批次间的一致性差异，在虚拟空间中都无法做到精准建模。机器人落地要经受物理不确定性的严酷考验，真实世界数据的不可替代性正在于此。
```mermaid flowchart TD accTitle: 具身智能数据路径与落地瓶颈对比 accDescr: 对比仿真路线与真机路线在数据获取、处理难度及核心挑战上的差异
subgraph SimRoute["仿真路线 (Simulation)"] A1["可规模化合成环境"] --> A2["大规模强化学习预训练"] A2 --> A3["瓶颈: Real-to-Sim 建模精度失真"] end
subgraph RealRoute["真机物理路线 (Real World)"] B1["真实传感器输入流<br/>(视觉、触觉、力控)"] --> B2["物理世界噪点/不确定性学习"] B2 --> B3["瓶颈: 采集效率低、硬件损耗与成本高"] end
A3 --> C["核心考验: 能否在现实不完美传感器下稳定闭环"] B3 --> C ```
`08:18` 智能之争：GPT-6 Astra 冲击下的本体论思考
针对近期行业热议的 GPT-6 Astra 凭借多模态端到端能力直接操控机械臂、甚至引发“通用语言模型将对具身行业实行降维打击”的恐慌，自变量机器人创始人兼 CEO 王潜给出了冷静且锋利的反驳。王潜透露，Astra 展现的操作能力并不神秘，因为从去年初开始，OpenAI 和 Anthropic 就在行业内大量采购机器人数据集，搭建私有的小规模数据工厂采集中继，并招揽了诸多机器人领域的顶级研究员。一个本就强大的多模态大模型喂入大量机器人动作数据后展现出机械臂操控能力，在工程逻辑上是完全可预期的，而非不可思议的魔法。
王潜由此抛出一个他在大模型一线深信不疑的论断：“智能的本体是存在于数据里面的，模型可能更多的是一个蒸馏器和一个容器。”在训练阶段模型是蒸馏器，在部署阶段模型只是容器；前沿 AI 系统的推进，核心驱动力是更高质量的数据工程与评估（Evaluation）基础设施，而非模型算法结构本身的剧变。从 Coding 到数学、再到 3D 与视频生成，技术突破的顺序严格遵从了“数据是否易于规模化制造与自动化验证”。如果 OpenAI 或 Anthropic 要把具身做好，他们同样必须直面现实世界数据采集、高精度仿真管线搭建、物理世界评测以及复杂的硬件接触。“他们如果做这些事，实质上就是变成了另一家具身智能公司而已，原先在基础语言模型上的既有优势并不能抹平物理世界的硬工程难度。”
王潜进一步剖析了行业深层的降维打击焦虑：基础模型能否通过其他领域的通用智能自然泛化到具身控制？他认为这种可能性极小。在大模型演进史上从未出现过跨模态能力的凭空跃迁： - **代码与数学的互斥**：Coding 突破并非因为对话能力好，而是源于海量代码数据与验证沙箱；相反，在预训练中直接混入代码与高级数学，两者表征往往打架，目前前沿做法通常是分别训练 Coding Expert 和 Math Expert 再通过对齐技术融合。 - **视频与动作的割裂**：如今的视频生成模型已经能够生成极度逼真的物理动力学画面，但这一优势从未自然转化为机器人底层关节电机控制（Action Token）的执行优势。 - **端侧部署的硬约束**：数百上千亿参数的通用多模态模型无法在机器人机载计算平台上实现低延迟、高频闭环推理，物理控制天然需要轻量化、专门化的具身策略模型。
`15:00` 破壳麻婆豆腐实验：物理泛化是具身模型的最后阵地
破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲分享了破壳近期发布的“机器人做麻婆豆腐”实操视频背后的洞见，以及团队在 GPT-6 Astra 发布当天进行针对性压力测试的真实反馈。许华哲提出，评判具身任务需要拆解为三个不同维度的泛化： 1. **语义泛化**：识别各种指令与桌面物体属性。 2. **空间泛化**：定位物体的 3D 空间坐标与位姿轨迹。 3. **物理泛化**：应对接触力控、摩擦、形变等富接触（Contact-rich）动态变化。
测试表明，Astra 在“语义泛化”和“空间泛化”上展现出惊人的成熟度，但在“物理泛化”上极其薄弱。给定 Prompt 后，Astra 能够辨识桌面上一切真假材质物体并准确移动到对应位置；甚至对于机械臂极难处理的极薄、光滑细小物体（如平放在桌面上需要打滑抠取的筷子），Astra 不仅能顺利抓起，还能将筷子在三维空间中直立插入窄口杯中，或者完成左右手递送（Hand-over）。然而，一旦任务涉及到具有物理接触阻抗的复杂动作——例如用筷子去挑开覆盖物、折叠柔软纸盒或衣物时，Astra 便彻底失效。
许华哲认为，像做麻婆豆腐这样需要切豆腐、翻炒、调味等高难度物理交互的任务，恰恰是具身智能公司最后的防线。对于通用大模型与具身模型的融合，许华哲提倡分层串联的架构方案：将通用大模型接入 Harness（测试与逻辑调度框架）充当认知大脑，底层则由具身专有模型执行连续物理策略。他以抓水果为例：机器人初期常使用塑料泡沫水果训练，由于泡沫较轻且有弹性，模型倾向于用大力硬抠抓取；如果将该策略直接搬到真实菜市场的菠萝上，菠萝表面多刺且沉重，盲目捏抓会导致任务失败。此时需要 Astra 级别的高层多模态思维链（CoT）进行质地甄别，指挥低层具身模型切换为“揪住顶部绿叶”的特殊技能策略。大模型提供语义推理反馈，具身模型负责稳定物理闭环，二者协同才是具身真正落地的解法。
```mermaid flowchart LR accTitle: 大模型与具身专有模型协同架构 accDescr: 展示高层大模型负责认知与推理，低层具身模型负责高频物理控制的分层协作模式
subgraph HighLevel["高层认知大脑 (如 GPT-6 Astra / Qwen)"] H1["多模态环境感知"] --> H2["思维链推理 (CoT) 与语义拆解"] H2 --> H3["任务规划与属性判断<br/>(例如区分真菠萝 vs 泡沫模型)"] end
subgraph LowLevel["低层具身策略 (Embodied Policy)"] L1["机载高频传感器输入流"] --> L2["接触动力学与物理泛化模型"] L2 --> L3["关节电机底层连续控制 (Skill Execution)"] end
H3 -->|"输出步骤指令与技能约束"| L2 L1 -->|"实时物理反馈异常"| H2 ```
`19:08` 物理交互反哺：具身流式数据如何重构基础模型
蚂蚁灵波科技首席科学家沈宇军进一步延展指出，具身智能的发展绝不仅是被动吸收语言模型的成果，未来极有可能会“反向重构”云端通用大模型的技术范式。现存数字世界的语言模型本质上是“轮次式对话”（Turn-based Dialogue）：用户输入一段文本或图片，模型暂停等待并进行推理，输出回答时用户无法打断或提供瞬时微调。但部署在机器人本体上的具身模型必须以毫秒级的连续流（Streaming Input）模式运转——即便模型处于推理动作生成的瞬间，物理世界的摄像头、触觉与力矩传感器仍在不间断注入新信息，模型必须依据涌入的动态输入随时修正或刹停推理行为。
这种全双工、连续感知环境的范式，将催生全新的人机交互机制。人与人交流从来不只是靠文本和视觉，而是环境强相关的： - 窗外突然倾盆大雨，对话双方的交流语境与谈话节奏会下意识转变； - 察觉到对方脸色稍显疲惫或不悦，说话者会即刻收回原定话语并灵活切换措辞。
沈宇军强调，现有的云端模型全被隔绝在冰冷的显示屏背后，无法感知温度、湿度、空气阻尼或瞬时物理压迫感。当物理具身机器人真正步入真实社会、源源不断汲取多模态具身数据后，这些高维度的物理世界交互数据将反哺给云端大模型厂商，成为训练下一代通用模型未曾拥有过的崭新语料。AI 将从一个被动响应的提问机器人，演进为一个能够自主感知周围变化、动态微调交流与决策机制的真实物理实体。
`23:01` 上下分层体系：底层基础技能的高成功率与泛化性
苏度科技联合创始人兼 CEO 韩铮高度赞同分层协作的演进趋势。韩铮提到，早在数年之前业界对 Physical Intelligence（Pi）等机构抱有极高预期时，他就曾预判类似机构最大的隐形竞争对手终究是 OpenAI 和 Anthropic 等掌握顶级大算力与通用智能底座的巨头；DeepMind 诸多资深机器人研究专家近期相继加入 Anthropic，也印证了高层通用语义理解必定由通用大模型厂商主导。
韩铮指出，分层架构成立的核心生死线在于：**底层的基础动作技能（Basic Skills）必须同时具备极高的成功率与环境泛化性**。如果底层的执行可靠性不足，上层规划再精彩，上下层拼接时就会发生灾难性的系统崩溃。苏度科技在早期的演示中，曾调用通义千问模型处理人类自然语言抽象指令，由千问负责拆解推理步骤，而苏度自研的底层控制则负责对物理环境和各类物体执行稳定、鲁棒的操作训练（Skill Training）。在 Astra 等多模态工具涌现后，行业重新聚焦于“高成功率、高泛化性的原子技能库建设”，这不仅验证了分层架构的前瞻性，也清晰标定了具身创业公司区别于通用巨头的核心研发重心。
`24:48` 场景之争：跨越商业化泡沫的核心指标
主持人和三位创业公司 CEO 深入探讨了行业最敏感的商业化现实挑战：在海量炫目 Demo 与密集融资狂欢的背后，究竟什么样的核心指标能证明具身智能彻底跨越了资本泡沫、正式迈入可规模化复制的产业落地阶段？
三位嘉宾从算法极限、商业闭环与技术范式演变三个不同维度给出了务实评定：
| 嘉宾 / 公司 | 跨越泡沫的核心指标 | 核心逻辑与现实考量 | |:--- |:--- |:--- | | **韩铮**<br/>(苏度科技) | **关键任务极高成功率 + 零过拟合泛化** | 工业自动化与商用标准苛刻。100 个现实任务中仅有极少数允许 80% 成功率或二次重试，绝大部分任务要求初次执行接近 100% 成功；商业落地必须杜绝依赖高昂现场后训练（Post-training）过拟合数据的补丁方案。 | | **王潜**<br/>(自变量机器人) | **客户持续付钱且投入持续增长 (ROI > 人类)** | 拒绝短期演示性买单与传统低价值自动化替换。在物流等复杂场景提供超越人类劳动极限的 ROI；只有客户基于新技术带来的真实生产力提升持续加大付费，技术迭代与商业飞轮才能实现良性循环。 | | **许华哲**<br/>(破壳机器人) | **后训练开店效率 / 基础模型 99.9% 突跃** | 划分为两类：短期看单店闭环工程小时数（如关东煮小吃摊快速批量部署复制）；长期看具身大模型化，当全任务平均成功率越过阈值（从 50% 爬升至 99.9%）时，基础模型将瞬间吃掉海量物理落地场景。 |
韩铮警告，传统工业自动化设备在确定性环境下追求极致稳定，而具身智能要在商业场景立足，不仅设备硬件可靠性与服务运维要经受考验，更核心的考验在于算法必须在不牺牲高成功率的前提下抵抗动态扰动，摆脱“换一个客户场景就得重新采集拟合一套模型”的工程泥潭。
王潜直言不讳地指出，商业化最硬核的试金石就是“客户愿意持续为新技术付费，且付费金额持续攀升”。过往机器人行业往往陷入两个极端：要么贩卖上一代结构化、天花板极低的传统自动化方案；要么靠资本补贴进行 Demo 级试水。自变量机器人近期在物流场景的攻坚已经验证了新范式机器人的价值——突破传统机械臂能力边界并实现显著优于人类劳动力的 ROI。王潜认为具身智能可能正度过“过早商业化有害”的晦暗期，开始像早期大模型一样，进入“商业变现与最前沿通用技术推进相互反哺”的正向飞轮。
许华哲则提出了“容错阈值”的独特视角。纯语言大模型即便只有 50% 的准确率，用户多聊几轮、挑选优质输出，体感依然觉得“非常聪明且有用”；但在物理世界中，机器人做任务若只有 50% 的成功率，意味着端茶倒水有五成概率摔碎杯子，用户在体感上会瞬间判定其“完全无用”。尽管如此，行业依然要矢志不渝地追求具身模型的基础模型化（Foundation Model scaling）——因为这个基础模型具备面对全人类物理任务的普适潜力，当它由 50% 突破到 70%、进而逼近 99.9% 时，将引发全行业生产力重组的“跃迁式爆发”。
`31:16` 五年后回看：供应链成熟度被高估，系统工程被低估
站在未来五年的时间节点回望当下，嘉宾们审视了当前行业中最严重的认知错配——哪些技术路径与现实基础被高估，哪些关键能力又被严重低估。
苏度科技韩铮提出，**当前全行业最被高估的是中国具身机器人硬件供应链的成熟度**。大众与资本普遍盲目乐观，认为中国拥有全球最完善的制造网络与海量选型，但事实上具身机器人严苛的高动态响应、极端轻量化、高频触觉感测与耐久性要求，与现有的汽车零部件或传统工业机器人供应链有着巨大的工程代差。关键传感器和微执行机构目前散落在不同传统行业中，尚未形成针对大工业化批量制造具身本体的成熟工艺；唯有伴随未来规模化放量，这一硬件鸿沟才能被逐步填平。而反过来，韩铮认为行业对于“稳定基础操作技能与多模态高层架构融合”的突破速度过于悲观，未来 1 到 2 年内，同构的大类通用操作技能就有望在多行业间实现横向通用。
蚂蚁灵波科技沈宇军则强调，**被严重低估的是具身智能作为“复杂物理系统工程”的综合难度**。当前行业舆论存在严重的极客偏见，将落地的所有瓶颈单向归咎于“大模型能力好坏”。但在真实商业世界中，客户追求的是全流程 ROI 与系统鲁棒性：完成一个装配动作，究竟该用双臂轮式、单臂固定台架还是专机？模型仅是整个工程闭环中的一个计算模块。与此同时，沈宇军认为**被严重高估的是纯粹复刻数字世界语言模型训练范式的有效性**。行业充斥着“只要靠遥操作或自动化攒一波物理世界数据集，套用 Transformer 自回归结构就能自动涌现具身通用智能”的幻觉，这种忽视底层物理约束的思维模式在复杂的具身落地面前注定难以成立。
`35:00` 具身不会复刻语言模型：应用场景倒逼全新训练范式
具身智能绝不可能照搬纯数字世界的语言模型技术路线，其核心根源在于最终的应用场景完全不同。数字世界的大模型本质上是交互与对话式的，问一次答一次，用完即走；但具身智能的机器人必须面对高度动态的物理环境，“一边工作一边推理，这两个事情是不能互斥的”。机器人干活时不可能直接屏蔽掉外部的所有声音与刺激，不能说“我现在无法接收任何输入”，物理世界的感知流与行动决策永远处于高频共存状态。
这种本质差异意味着具身智能必须演进出专属于自己的全新训练范式。它必须能够支持对物理世界连续信号的常态化吞吐，做到“7×24 小时甚至 30×24 小时全年无休地处理数据”。在这种全新的工程与理论挑战面前，行业内目前过度迷恋某些训练技巧的现象很可能是被严重高估的。所谓的大模型微调技巧“并没有那么像魔法”，真正决定胜负的，将是针对具身物理交互特定场景所倒逼出的全新软硬件与训练架构。
`35:54` 物理直觉不可替代：五年后我们会发现低估了具身
谈及未来五年回看当下什么被低估，王潜直言整个行业依然低估了具身智能的重要性和巨大潜力。尽管外界今天普遍把具身看作 AGI（通用人工智能）不可或缺的拼图，但多数人其实并没有真正想透这背后的深层原因。具身智能采集的数据之所以至关重要，是因为它蕴含着纯数字形式永远无法捕捉的物理智能，复杂的物理交互过程、不可控的环境动态以及多模态传感器的真实噪声，根本无法单靠文本代码、2D 视频甚至纯 3D 渲染数据凭空合成出来。
王潜结合自己过往的物理学研究背景指出，人类科学史上的突破往往来自两条截然不同的路径：一条是纯粹的逻辑推理与数学深度搜索，另一条则是来自真实物理世界的“物理直觉”。这两种认知范式在本质上无法相互替代，某些问题靠数学推演最快，而另一些现实规律唯有靠物理直觉才能刺破。要构建真正意义上的 AGI，就必须把真实世界与仿真交互所沉淀的物理感知与交互规律注入大模型系统之中，无论未来采用统一端到端大模型还是分层控制架构，具身物理直觉都是绕不过去的前提。
`37:41` 真正的 RSI 必须跨越物质门槛：从算力基建到实体制造
在应用与演化层面，王潜指出整个行业乃至硅谷目前对 RSI（Recursive Self-Improvement，递归自我进化）产生了极大的 FOMO 情绪，狂热与恐惧交织。然而仅靠现有的语言模型，根本不可能实现完整的自我迭代与进化。纯数字大模型固然能够重构自己的训练代码、修改自身的算法流程，但它无法跨越最致命的现实断点——“物质上的重制造或者说自我增值是没有办法靠语言模型来实现的”。
```mermaid flowchart TD accTitle: 递归自我进化的物理断点与具身闭环 accDescr: 对比数字世界单向迭代与具身智能接入后实体制造全闭环的演化路径。 subgraph DigitalWorld["数字世界迭代（现有能力）"] CodeAlgo["修改自身训练流程与算法逻辑"] AgentDev["多 Agent 协同与软硬件研发设计"] end
subgraph PhysicalGap["物理世界扩张断点（物质瓶颈）"] FabTuning["半导体先进制程与工厂调参"] InfraBuild["数据中心施工、电力基建与硬件组装"] end
subgraph EmbodiedClosure["具身智能赋予的完整闭环"] Robotics["具身机器人接管物理劳作与重制造"] FullRSI["真正意义的物质与算力递归自我增殖（True RSI）"] end
DigitalWorld -->|推进 Scaling Law 亟需物质资源| PhysicalGap PhysicalGap -.->|纯语言模型无法触及实体制造| DigitalWorld Robotics -->|浇筑混凝土、组装机架、自动化调参| PhysicalGap PhysicalGap -->|提供源源不断的算力与物理资产| FullRSI ```
走向极限的 Scaling Law 迫切需要更多的芯片、更多的电力以及大规模的数据中心基础设施。当前阻碍大模型扩张的本质瓶颈已经退化为现实物理基建，无论是数据中心现场浇筑钢筋混凝土、部署硬件管线，还是在芯片代工厂里微调精密工艺参数，全都要依赖人类的肉身在现场操作。王潜以 Anthropic 做了一个假设：如果 Anthropic 今天裁撤全部人类工程师、完全改用 Agent 去迭代下一代模型，虽然研发节奏会因缺乏人类的审美与品味测试而变慢，但大模型依然能够被研发出来；然而，如果半导体工厂和数据中心建设工地里失去了人类劳动力，整个数字体系就会立刻陷入停滞。唯有当具身智能在未来几年全面渗透并接管这些现实生产力环节时，全闭环的“真正意义上的 RSI”才会真正降临。
`39:53` 终极想象：造飞机如同写 App，具身数据反哺通用大模型
沿着实体制造自动化的逻辑推演，王潜展现了一个震撼的未来图景。在当下的软件开发领域，生产力范式已经彻底改变，过去需要几十甚至上百人团队耗时整整一年协同开发的 App，今天只要算力与 API 额度充足，一个熟练的开发者带着几个协作 Agent，短短几个小时就能将其构建完毕。
五年之后，类似奇迹极有可能借助“具身智能 + 通用大模型”在物理制造业中复刻。今天制造一架大飞机，依然需要依赖上千名工人、庞大而脆弱的跨国供应链以及漫长的工厂装配周期；但伴随具身机器人在物理世界的通用化作业，未来造一架飞机的门槛，也许就会像今天用 AI 编写一款 App 那样高度协同且举重若轻。王潜笑称这在某种程度上象征着“硅基脱离碳基”的生产力闭环，尽管面对当前部分大模型公司令人堪忧的道德约束水平，这种未来充满了未知与不确定性。与此同时，具身智能在物理世界打磨出的大量高质量交互数据，也理应反向喂给通用底座模型，这不仅有助于打破现有文本与视觉数据的天花板，更可能成为中国探索独特 AI 发展路径的坚实起点。
- 软件开发范式转移：个人开发者依靠多 Agent 协作系统，数小时内即可交付过去团队级别耗时一年的 App 开发体量。 - 物理工业制造终局：高度发达的具身智能有望打通复杂供应链与高难度装配，使大飞机等极端复杂工业品的生产周期与协作门槛呈数量级下降。 - 双向数据循环：具身机器人采集的高维物理交互数据反哺语言与多模态通用模型，助力企业走出独立的 AI 技术路线。
`41:18` 压轴判断：破除百万小时数据迷思，通用服务或在三年内到来
论坛尾声，清华大学交叉信息研究院助理教授、破壳机器人创始人许华哲压轴给出了极具穿透力的两项一线预判：
- **被严重高估的盲区：对数据量的盲目崇拜与狂热军备竞赛。** 行业里充斥着“某家手握几百万小时数据、某机构不买数据就会掉队”的焦虑论调。但现实评测表明，市面上真正用海量、超大体量原始数据训出的模型，其泛化能力与任务表现并没有显著超越人类预期，更没有拉开与仅用数万小时高价值、高精度清洗数据训出模型之间的差距。“单纯盲目追求数据规模这件事被严重高估了”，数据的质量、物理丰富度以及与真实反馈回路的结合才是关键。 - **被普遍低估的节奏：具身通用智能模型的演进爆发期。** 外界目前提到具身机器人提供广泛的通用服务，普遍悲观地预计还需要五年甚至十年。许华哲给出更为激进的判断：**三年之内，具身智能就能在诸多真实场景中正式落地并提供通用的现实服务**，并且这种能力并非局限于针对固定场景单一微调的后训练演示，而是具备跨场景适应能力的真正泛化服务。
主持人在最后的致谢中感慨，四位一线探索者描绘出的具身演进路线既充满激烈的技术交锋，又展现出令人振奋的产业远景。从数据神话的破除到物理制造范式的重塑，具身智能正站在从泡沫走向坚实落地的关键分水岭。
## Notable quotes > `00:00` 仿真是绕不过去的。 — 韩铮
> `08:18` 智能的本体是存在于数据里面的，模型可能更多的是一个蒸馏器和一个容器。 — 王潜
> `08:18` 他们如果做这些事，实质上就是变成了另一家具身智能公司而已，原先在基础语言模型上的既有优势并不能抹平物理世界的硬工程难度。 — 王潜
> `24:48` 客户愿意持续为新技术付费，且付费金额持续攀升。 — 王潜
> `35:00` 一边工作一边推理，这两个事情是不能互斥的。 — 沈宇军
> `37:41` 物质上的重制造或者说自我增值是没有办法靠语言模型来实现的。 — 王潜
> `41:18` 单纯盲目追求数据规模这件事被严重高估了。 — 许华哲
> `41:18` 三年之内，具身智能就能在诸多真实场景中正式落地并提供通用的现实服务。 — 许华哲
## Mentioned 苏度科技, 蚂蚁灵波科技, 自变量机器人, 破壳机器人, 韩铮, 沈宇军, 王潜, 许华哲, Koji, OpenAI, Anthropic, Google DeepMind, GPT-6 Astra, 通义千问, Physical Intelligence, SAPIEN, ManiSkill, Isaac Sim, Isaac Gym, 清华大学交叉信息研究院, 2026 Inclusion 外滩大会
## Video description ➤ 这是一次少见的、没有收敛的、关于具身路线级分歧的公开讨论。 2026 年的具身智能，已经不缺热度。缺的是有人把分歧摆上台面。数据从哪儿来？模型怎么做？落地在哪里？ 我们讨论了当下最热门的话题：GPT-6 Astra 的能力边界在哪里？如果 OpenAI、Anthropic 要做具身，会形成降维打击吗？ 这期播客是「2026 Inclusion 外滩大会」主会场圆桌的现场，由我（Koji）主持，参与讨论的四位嘉宾是： - 韩铮：苏度科技联合创始人兼 CEO
- 沈宇军：蚂蚁灵波科技首席科学家
- 王潜：自变量机器人创始人兼 CEO
- 许华哲：破壳机器人创始人、清华大学交叉信息研究院助理教授
透过这场对话，你会了解到：1）不同路线的核心假设和风险；2）判断哪些指标是领先指标；3）Astra 带给具身的冲击和启发，与创业公司护城河；4）具身智能商业化短期 vs 长期逻辑；5）被高估/低估的领域，可能对应投资机会或风险。 🎬 我们的视频播客将同步上线于 @Koji杨远骋 的视频号、抖音、小红书、哔哩哔哩、Youtube 等平台。 📒 文字版将发布于 @十字路口Crossing 公众号。 🟢 数据之争：仿真与真实之间00:27 仿真与真机，不是二选一 04:00 真实传感器的不完美 06:14 Real-to-Sim：更难的 Gap 🟢 智能之争：Astra 的冲击与启发08:18 GPT-6 Astra：降维打击具身行业？ 09:21 “智能的本体存在于数据” 15:00 麻婆豆腐，不能证明模型变好 19:08 具身会反过来改变大模型 23:01 高成功率与泛化性，缺一不可 🟢 场景之争：跨过泡沫的指标24:48 跨过泡沫的唯一指标？ 25:44 高成功率是商业化前提 26:55 客户持续付钱 29:11 后训练落地与基础模型跃迁 🟢 五年后回看：什么被高估，什么被低估？31:16 五年后，什么被高估？ 33:27 落地是一场系统工程 35:01 具身不会复刻语言模型 38:33 没有物质复制，就没有真正 RSI 40:19 造飞机，像今天做 App 41:25 百万小时数据迷思 欢迎订阅「十字路口」：🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。 🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。 👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner 投资合伙人。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
[Source](https://www.xiaoyuzhoufm.com/episode/6aa67b319d32647781685e95)