泡沫还是黎明？估值错配下的产业蛰伏期

在刚刚落幕的2026 Inclusion·外滩大会上，一场关于具身智能的深度对谈将行业的焦虑与期待同时推向台前。面对甚嚣尘上的“泡沫论”，至简动力联合创始人兼CEO贾鹏给出了一个理性的定调：当前所谓的“泡沫感”，本质上是产业阶段、高估值与尚未兑现的商业价值之间的阶段性错配。从长远来看，具身智能的产业链极长，从底层传感器到终端应用，足以孕育出比智能手机和新能源汽车更庞大的产业生态。只是目前行业整体的人力与GPU资源投入依然捉襟见肘，价值兑现仍需时间。

大晓机器人创始人王晓刚也认为，当下的焦虑很大程度上源于市场此前对技术落地速度的过高预期。不过，相比去年完全依赖真机数据和小模型路线，今年随着以人为中心的Ego数据和世界模型的引入，行业已经隐约看到了Scaling Law的生效。他直言：“我们正处在黎明的前期。”未来，随着技术路线的收敛，行业格局必将迎来新一轮的重组与洗牌。苏度科技联合创始人兼CEO韩铮也印证了这一观点，他认为目前技术路线已初现收敛迹象，未来能够提供完整底层方案的公司将凤毛麟角，但在垂直应用和全球市场仍大有可为。

距离“ChatGPT时刻”还有多远？系统工程与底层基建的硬核挑战

如果将具身智能与大语言模型类比，韩锋认为当前阶段大致相当于2018至2019年的大模型时期。关键技术框架已具雏形，真正的挑战在于如何将这些分散的技术整合为一个高可靠、可商用且具备泛化能力的“超级系统”。

对于“具身ChatGPT”的提法，贾鹏略有保留。他指出，大语言模型做到80分可能就是个好产品，但机器人一旦进入真实物理世界，对可靠性的要求将呈指数级上升。从模型能力看，目前具身智能已初步展现出上下文学习（ICL）能力，但要真正转化为规模化生产力，至少还需要3到5年的时间。若论当前最大的拦路虎，贾鹏直指GPU算力——不仅是训练算力，更致命的是端侧和边缘侧的推理算力。许多工厂场景无法联网，边缘侧算力不足直接卡住了模型能力的上限。

王晓刚则将票投给了数据。他认为，真正的“ChatGPT时刻”意味着智能涌现、场景泛化和零样本学习能力的实现。如果机器人到了新场景还要重新训练，规模化就无从谈起。不过，近期通用大模型展现出的Zero-shot能力给了他新启发：这些模型输出的中间数据，或许能成为加速具身基础模型进化的“养料”。

95后创业者的野望：第一性原理与全球供应链的底气

在这场技术变革中，年轻的95后、00后创业者们正在用更极致的“第一性原理”重塑路线。

厘清智能创始人李一鸣敏锐地指出，未来半年所有具身公司可能都会自称“世界模型”玩家。但他强调，关键不在于概念，而在于从终局思维倒推技术路线，结合自身优势做战略决断。

自然意志创始人丁宁则更为激进，他认为具身智能的“GPT-3时刻”其实已经悄然降临，只是尚未被大众察觉。面对海外巨头庞大的算力壁垒，他坦言会有焦虑，但也看到了中国独有的破局点：高精度数据。获取高精度数据需要更好的传感器和融合技术，而这套硬件供应链体系目前全球只有中国（特别是深圳）能够支撑。

年仅22岁的逆矩阵科技创始人陈博远，作为成长于Scaling Law时代的一代，对物理世界的复杂性有着清醒认知。他指出，物理AI基模必须理解因果关系，因为在真实世界里，“边缘情况不是长尾，而是常态”。这注定不是靠一两个天才就能搞定的工程，而是需要打通模型、数据、算法与物理世界的复杂系统工程。在这个系统里，没有权威的盲从，只有基于第一性原理的小规模验证与大规模Scaling。最终，具身智能必将走向“端—边—云”一体化的系统性平台。