2026世界人工智能大会具身智能展示

智元合伙人姚卯青在2026世界人工智能大会上最清晰地阐述了当前演示与商业化可靠机器人之间的障碍：数据墙、表征墙和闭环墙，他指出模型决定起点，但数据决定终局^[1]。数据规模问题极为严峻。根据AGIBOT论坛上分享的数据，当前物理AI的数据量仅为大语言模型训练数据的约1/20000，而要实现真正的物理世界ChatGPT时刻，至少需要1亿小时的真实交互数据^[2]。这虽仅为支撑LLM训练的约1000亿小时的极小部分，但仍远超当前行业所处水平。智元与具身科技的应对策略是开源基础设施而非囤积——其AGIBOT WORLD数据集被描述为业内首个百万级真实机器人数据集，累计下载量已超120万次。与此同时，佐治亚理工学院的许丹飞报告称，其团队已独立积累2万小时人类第一视角数据，并观察到类似线性扩展律的现象，表明即使目前无人拥有足够数据，更多数据仍能可靠带来更强能力。

往届世界人工智能大会上，机器人厂商竞相展示关节数量、后空翻和流畅舞蹈；今年参展商则更侧重生产能力、良品率和标准化交付能力^[3]。这一转变在展会上有具体体现：擎朗的整个“具身社区”在超市、咖啡馆、面包店和酒店洗衣场景中无远程操控运行，明确以“岗位化”路径而非舞台表演为宣传重点；而Dynarobotics展示了DYNA-1在连续24小时无人值守操作中以99.4%成功率完成超过85条毛巾折叠，随后直接进入真实餐厅测试^[4]。两家公司的共同点在于，它们都将真实商业环境中收集的运行数据而非实验室基准测试视为真正的护城河——擎朗称之为数据飞轮，Dynarobotics的商业部署亦遵循相同逻辑。这种重可靠性而非炫技的叙事也体现在外界对展会的解读中：在对更具戏剧性展品的庆祝报道之外，至少有一位独立行业声音认为，机器人正从AI问题转向工业工程问题，下一个瓶颈在于计算、电力、传感器和制造，而不仅仅是模型智能——这一观点呼应了展会上正在发生的“重生产而非重性能”转向。

论坛最尖锐的分歧并非关于时间表，而是战略方向。马也骋直言不讳地指出，行业存在太多通才模型，能尝试几乎所有任务却无一能可靠完成，称这种做法在商业上毫无价值，并主张即使以缩小应用范围为代价，也应追求极致可靠性^[1]。这一批评直接指向采取相反策略的公司：Physical Intelligence的pi0.7在同场论坛上被展示为组合泛化的证据，能重组先前训练的技能以处理从未明确教授的任务，包括零样本迁移到未经训练的机械臂^[5][6]。智元则采取中间立场，押注于数据、表征和闭环基础设施的全栈飞轮，而非选择任一极端。值得注意的是，与会专家在一点上达成共识，超越了通才与专才的分歧：VLA架构与世界模型并非相互竞争的路径，而是融合共存，世界模型被视为VLA生态系统内的核心组件，而非其替代品^[7]。

询问2026世界人工智能大会的与会专家，具身智能何时迎来ChatGPT时刻，答案虽有集中但并不一致。姚卯青最为乐观，给出了具体时间——最快两年，前提是弥合数据差距^[1]。Physical Intelligence的任至意和Dynarobotics的马也骋均倾向于四年左右^[1]，而腾讯机器人X实验室首席科学家张正友最为保守，估计为三到五年，并以此谨慎态度主张机器人初创企业应专注于模型大脑这一单一层面，而非同时分散资源于硬件和软件^[2]。这场辩论的框架源自英伟达CEO黄仁勋，他已将自家Isaac GR00T N1.6称为机器人领域的ChatGPT时刻——与会专家争论的并非其最终到来，而是具体时间点^[8]。

在模型争论之下，2026世界人工智能大会的硬件也讲述了一个趋同故事。AGIBOT的OmniHand 3 Ultra-M在630克重量下集成20个自由度，握力达5公斤，开合速度0.3秒^[9]；万迅机器人则将两款专用灵巧手带入真实618电商仓库而非演示展台：Std16A为工业级战斗手，重量不超过1,100克，具备16个主动自由度和至少60牛顿的四指握力；更轻的Eco12重500克，12个自由度，握力45牛顿。两款万迅灵巧手均采用自研微型伺服电机，单个重约31克，拉力额定250牛顿，该公司将其定位为“微型伺服电机+仿生多自由度手+操作方案”全栈方案，而非单一组件销售。支撑此类硬件需要匹配的仿真与数据基础设施：交叉智能的DexVerse声称是唯一支持单场景内多物理场耦合的引擎，能力范围超过英伟达的Isaac Sim，其对齐DexWorld数据集在超过200万异构样本中对齐空间、动作和时间，专门解决来自不同机器人平台的难以协同训练的数据问题^[10]。