在2026 Inclusion·外滩大会上，具身智能成为热议焦点。多位产业人士、投资人和青年创业者围绕行业泡沫、技术路线及“ChatGPT时刻”等话题展开深入探讨。尽管行业尚处早期阶段，但资本和创业公司的涌入已引发关于“泡沫”的持续讨论。与会嘉宾普遍认为，当前具身智能的“泡沫感”主要源于产业阶段、估值与商业价值之间的错配，行业仍处于“黎明前期”，关键能力虽已显现，但规模化生产力的形成仍面临系统工程、算力和数据等主要瓶颈。
针对“泡沫论”，至简动力联合创始人兼CEO贾鹏指出，当前所谓的“泡沫”更多是阶段与估值的错配。从长期视角看，具身智能有望形成超越手机、汽车的产业规模，产业链覆盖传感器、零部件到最终应用，为不同类型企业提供发展空间。他强调，行业目前投入仍显不足，人力和GPU等资源的短缺是制约因素。大晓机器人创始人兼董事长王晓刚则认为，市场对发展速度的过高预期与模型和场景落地的实质性突破尚未到来，是当前焦虑的根源。他比喻行业处于“黎明前期”，未来具身智能与垂直行业的结合将呈现强多样性，数据、零部件、模型、本体和场景等环节的分散状态有望通过企业重组得到优化。
苏度科技联合创始人兼CEO韩铮从中国供应链和场景优势的角度分析，认为本体、具身模型和世界模型等领域已涌现大量企业和技术探索。他预测，具身智能最终将演变为复杂系统，技术路线已现收敛迹象，未来提供完整底层方案和模型的公司可能有限，但垂直应用、全球市场及模型组合等领域仍存在机会。
关于具身智能的“ChatGPT时刻”，嘉宾们从系统、算力和数据等维度展开讨论。韩铮将当前具身智能的发展阶段类比于2018年至2019年的大语言模型，认为整合不同技术形成商业可用、高可靠、泛化能力强的系统是行业当前最大挑战。贾鹏则强调，具身智能与数字AI解决的问题不同，对可靠性的要求更高。他判断，从模型能力看，具身智能已初步展现ICL（上下文学习）能力，但形成生产力可能还需三至五年，其中GPU算力是最大瓶颈，尤其是端侧和边缘侧推理算力的不足直接限制了模型能力。王晓刚则认为数据是当前最大卡点，具身智能的“ChatGPT时刻”取决于智能涌现、场景泛化和zero-shot能力的实现，而通用模型的zero-shot能力可能为具身基础模型提供加速进化的中间数据。
年轻创业者们则从技术路线和全球竞争的角度分享了他们的观点。厘清智能创始人李一鸣表示，世界模型公司众多，但关键在于解决具体问题。创业公司需先判断未来终局，再拆解技术路线，根据优先级和团队背景做出战略选择。自然意志创始人丁宁认为，具身智能领域的GPT-3时刻已到来，只是尚未被广泛认知。他指出，2025年后大模型已解决部分根本性问题，但物理世界的操作仍需突破。面对海外巨量计算资源的竞争，他强调中国在高精度数据背后的硬件和供应链能力是优势，因为高精度数据需要更好的硬件传感器，而全球范围内这类传感器只能在深圳生产。
22岁的逆矩阵科技创始人陈博远则从Scaling Law的角度分析，认为他这一代创业者成长于大模型快速发展期，但也看到大模型在解决真实物理世界问题上的局限性。他强调，物理AI基模需理解因果关系，真实物理世界的噪音和连续变化使得“边缘情况”成为常态。物理AI不是依靠个别天才，而是需要从模型基础设施、数据、算法到真实物理世界的闭环系统工程。他表示，技术创新应尊重第一性原理，通过小规模验证和大规模Scaling寻找最有潜力的技术路线，而非依赖个人经验。物理AI基模最终需进入真实世界，形成“端—边—云”一体化平台，系统性工程中坚持第一性原理愈发重要。
