报告概述
本报告围绕2026北京智源大会上具身智能议题，系统梳理了机器人从遥操作、自主抓拿到人机乒乓球对打等场景的能力梯度，深入剖析了当前行业在数据、物理感知、评测标尺和产业分工等方面的瓶颈，并归纳了产业界对应的突破方向。报告还探讨了世界模型与VLA的融合趋势、两类技术路线的分歧以及不同阶段的发展时间表，旨在为投资者和从业者提供具身智能产业现状与未来的全景式参考。
报告的核心结论
数据瓶颈正被人类视频预训练等新范式缓解
传统遥操作数据昂贵且难以规模化，而第一人称人类视频应用于预训练已成为共识方向，仿真合成数据与真机数据多路并进。千寻智能的定量结论显示，预训练数据每增大10倍，后训练数据需求下降约2.5倍，有望将新任务部署成本从10小时量级压缩到分钟级。
世界模型与VLA正在走向融合
产业界对“VLA还是世界模型”的争论给出了融合的答案。智平方郭彦东主张世界模型是VLA体系的核心组成部分，负责短程物理预测；千寻智能则通过全模态模型将两者统一。智源研究院将世界模型分为四类，认为现有路线均未真正触达物理规律，融合是必然方向。
产业分工出现“全栈自研”和“大脑平台”两大路线
银河通用等全栈自研派认为在ChatGPT时刻到来前必须掌握关键闭环；而智在无界等大脑平台派主张不绑死单一本体，其基于大规模人类视频训练的模型已覆盖跨本体能力。两类路线并存，短期内难以收敛。
近期里程碑聚焦于“抓拿放”场景的泛化，远期目标为物理图灵测试
产业界普遍认为，能在零售分拣、酒店清洁等场景实现可批量复制的“移动+抓取放置”是近期关键里程碑；远期则追求Jim Fan提出的物理图灵测试。银河通用王鹤以网球对打作为AlphaGo时刻标杆，并将ChatGPT时刻量化为zero-shot成功率70%~80%。
报告回答的关键问题
具身智能当前面临哪些主要瓶颈？
报告指出，瓶颈可归纳为数据、物理理解与多模态感知、评测标尺和安全可控四类。数据方面，带标签的遥操作数据昂贵且难以规模化；物理理解上，现有世界模型四类路线均未真正触达物理规律；评测方面，当前机器人榜单可信度低，应关注系统级能力；此外，仅靠VLA不足，触觉、力觉等感知需加强。
人形机器人何时能实现通用？
产业界时间表呈“近端密集、远端发散”特征。千寻智能预计12~24个月基础模型显著进步；智元机器人认为12~18个月可跑通真实部署数据闭环；智在无界判断2~3年内大有进展但通用未必到来；智源研究院认为至少3~5年世界模型将持续演进，可能突然爆发或久攻不下。
世界模型如何解决具身智能的物理理解问题？
世界模型通过学习环境如何演变、从非预测动作后果并据此规划，来弥补VLA在物理规律层面的不足。产业界倾向于将世界模型与VLA融合，如智平方将世界模型作为VLA核心组件进行4D预测，千寻智能则用全模态模型同时输出动作和未来世界状态，生成边缘样本补足训练数据。
具身智能产业的投资机会集中在哪些方向？
报告建议关注四大“公共底座”：扩数据（动作捕捉、仿真引擎、第一视角采集与标注）、补大脑（训练与端侧算力、国产芯片适配）、做分工与放量（减速器、丝杠、力/触觉传感器、灵巧手等核心零部件）、评测与安全（标注与验证服务）。同时警惕以“真机数据量”为护城河的企业，因人类视频/合成数据可能削弱其稀缺性。
报告中的代表性数据
预训练数据规模对后训练数据需求的影响
2026年，千寻智能内部定量结论，显示大规模预训练可显著降低新任务部署成本，有望从10小时量级压缩到分钟级。
机器人ChatGPT时刻的量化指标
2026年，银河通用王鹤提出的指标，指预训练后在人类无需专门学习的技能上，机器人零样本表现达到该成功率，并辅以低部署门槛。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 大会现场机器人展示：包含遥操作串糖葫芦、自主整理黑色垃圾袋、跨本体人机乒乓球对打等场景的详细描述与能力边界分析。
- 瓶颈深度分析：从数据、物理感知、评测和安全可控四个维度，逐项展开专家观点和产业界共识，涵盖数据成本、世界模型路线缺陷等核心议题。
- 突破方法汇总：扩数据（仿真合成、人类视频、多路采集）、补大脑（世界模型与VLA融合）、强感知（触觉力控、部署中自进化）、定标尺（动态评测、学习曲线）的具体技术路径与案例。
- 产业分工路线争论：全栈自研派（银河通用、千寻智能）与大脑/模型平台派（智在无界）的代表人物、核心论据及优劣对比。
- 发展时间表与里程碑：多位嘉宾对1-2年、2-5年及更长周期的判断，以及银河通用提出的AlphaGo时刻（网球）和ChatGPT时刻（zero-shot 70%~80%成功率）。
- 世界模型分类体系：智源研究院提出的以语言、像素、三维结构、视觉表征为中心的四种路线，及其融合探索方向。
- 投资受益环节梳理：细化扩数据、补大脑、做分工与放量、评测与安全四个板块对应的具体公司及零部件（减速器、丝杠、传感器等）。
- 风险提示：技术路线尚未收敛、数据范式快速变化、商业化与规模化落地不及预期等三大风险的具体分析。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
