一场汇集了硅谷顶尖具身智能核心力量的私密晚宴，揭示了该领域从理论研究到商业落地的关键转折。这些来自OpenAI、Figure等公司的资深研究员，深入探讨了世界模型的共识、数据的争议以及硬件与模型的赛跑，为观察者提供了理解该行业下一阶段发展的独特视角和前瞻性判断。
智能速览
世界模型已成为行业共识，将进入实际落地阶段。
数据成为最大争议点，包括数据混合比例和视频数据质量。
硬件趋于成熟，行业重心已转向模型竞赛，中国供应链受重视。
多家专注研究的公司今年将推出真实应用，验证理论可行性。
全身控制难度被低估，操作相关的强化学习进展缓慢。
精华内容
在一场长达四小时的深度交流中，硅谷具身智能领域的精英们勾勒出了行业未来的核心图景，共识与非共识交织，预示着一场深刻的变革正在发生。
世界模型成共识
经过去年的探索，业界焦点已从VLA模型转向world model，这已成为一个明确的共识。预计今年内，多家公司将展示超越理论论文的world模型实际应用。
然而，在具体实现路径和激进程度上，各家仍有不同选择。一个悬而未决的关键问题是：如果机器人的泛化能力主要依赖于底层的生成模型，那么这是否意味着竞争将演变成一场由资本驱动的算力竞赛？
数据争议最大
关于数据的讨论最为激烈，几乎没有形成统一意见。核心争议点包括：理想的Data Mixture（数据混合）应该是什么构成？随着基础模型能力越来越强，是否还需要海量的机器人专用数据？
此外，用于训练的视频数据质量门槛在哪里，以及sim2real（仿真到现实）方法的重要性是否被高估，这些问题都引发了深入的辩论，凸显了当前技术路线的根本分歧。
从硬件到模型
过去两年，许多人形机器人公司将主要资源和精力投入在硬件研发上，这在一定程度上拖慢了数据和模型层面的进展。一个积极的转变是，今年硬件开始进入相对成熟的阶段。
与会者普遍意识到中国供应链在全球硬件生态中的重要性。随着硬件基础的稳固，真正的模型赛跑才刚刚拉开序幕，竞争将转向算法和智能层面。
落地与研究之辩
关于应该优先推动技术落地还是继续专注基础研究，现场存在不同声音。有几家一直以研究为导向的公司，计划在今年推出面向真实场景的应用，认为在实际环境中验证是推动技术进步的最佳路径。
另一方则认为，许多底层科学问题尚未解决，需要更深入的研究。这种“落地派”与“研究派”的分歧，反映了整个行业在发展阶段上的不同判断。
被低估的挑战
在讨论核心模型和数据的同时，一些技术挑战也被提及。其中，全身控制被普遍认为其难度被市场低估了，要实现流畅、协调的整体动作仍然困难重重。
此外，业界对用于操作任务的强化学习（RL）抱有很高期望，但实际进展相对缓慢。至于在LLM领域被广泛讨论的推理和记忆能力，在具身智能领域，其重要性目前排在泛化能力之后。
这场对话清晰地勾勒出，具身智能正从硬件搭建的沉寂期，迈向模型驱动的爆发期。共识在加速形成，但核心争议也预示了未来的分化方向。当技术路线逐渐清晰，谁能最终胜出？答案正在被构建中。
