具身智能是当前AI领域的前沿热点，但其发展阶段与突破路径仍充满争议。本文通过梳理业内专家的观点，揭示了机器人技术从实验室走向现实世界的核心挑战，探讨了底层创新与开源生态对于推动行业健康发展的重要性，为关注未来科技的读者提供了清晰的视角和深入的思考。
智能速览
业内专家对具身智能所处阶段判断不一，乐观者预测1-2年内迎来重大突破。
收拾餐桌等日常任务，是检验机器人通用智能与应对复杂环境能力的试金石。
当前行业存在“过拟合演示”乱象，许多所谓自研模型实为对现有成果的微调。
构建大而通用的基础模型是根本，顺序不能反，小而精的应用应在此之上生长。
开源生态对机器人发展至关重要，WALL-OSS等底层创新为行业提供了新的可能性。
「具亮计划2026」黑客松启动，旨在通过奖金和资源推动开源社区发展。
精华内容
具身智能的赛道上，乐观与保守并存，现实挑战与未来机遇交织。如何看待当前的技术瓶颈与发展路径？从专家的辩论到行业的实践，一幅清晰的画卷正在展开。
发展阶段之争
关于具身智能的进化阶段，业内存在明显分歧。自变量机器人CTO王昊持乐观态度，认为当前水平已相当于大语言模型的GPT-2阶段，并预测只要持续投入算力和数据，1-2年内有望迎来类似GPT-3的时刻。然而，Pi的研究员Kay Ke则更为保守，她认为目前的技术水平可能还未真正达到GPT-2的高度。这种分歧本身就反映了该领域发展路径的不确定性，也预示着未来的突破方向仍有多种可能。
现实世界的考验
机器人智能的价值最终要体现在物理世界中。王昊以“收拾餐桌”这一看似简单的任务为例，深刻揭示了其背后的复杂性。任务中不仅涉及处理餐具等硬物、倾倒残渣等液体操作，还包括折叠毛巾等软物交互。更关键的是，整个流程没有固定顺序，需要机器人实时推理和决策。这种高度非结构化的任务，是单任务小模型无法胜任的，它迫切需要一个能够进行多任务处理、长序列理解并具备推理能力的通用端到端大模型。
行业的症结与解法
当前机器人行业呈现出一种“魔幻”的现状。美国倾向于不计成本地自上而下投入，而国内则在发展基座模型和寻求商业化落地之间双轨并行。王昊强调，必须先有大而通用的基础，才能生长出小而精的应用。然而，行业真正在做底层创新的并不多，许多公司展示的惊艳Demo在落地后便“露馅”，存在“过拟合演示”的问题，其“自研”模型也大多只是对GRoot或Pi等现有模型的微调。
在此背景下，开源显得尤为重要。它如同DeepSeek之于大模型圈，能将技术成果摊开供社区验证和共建。自变量机器人的WALL-OSS便是一个致力于底层原始创新的案例，其4.2B参数的模型仅需一张4090显卡即可运行，有效降低了研究和实验的门槛，为推动行业健康发展提供了新的思路。
具身智能的未来不仅取决于算法和算力的竞赛，更在于行业能否回归底层创新的真实价值。开源社区的力量或许将成为打破僵局、加速“GPT时刻”到来的关键。随着更多像“具亮计划2026”这样的活动出现，一个更加开放、协作的机器人时代值得期待。
