7.4
深览指数
科技微博·量子位··AI 生成
美国具身也没成熟！PI：中国公司何必总当“中国版XX”｜RSS 2026
本文是量子位在RSS 2026现场的观察与访谈记录，核心观点是美国头部具身智能公司离成熟尚远，中国在机器人硬件上领先，不应自贬为“中国版XX”。文中涉及多位学者和从业者对VLA与世界模型之争、数据重要性、全身智能、硬件出海等话题的多元看法，呈现了与国内热门叙事不同的冷静判断。适合关注具身智能前沿动态、希望了解产业一线真实分歧的从业者和研究者阅读。原文 ↗
核心观点
- ▍包括Physical Intelligence在内的北美头部具身智能公司离成熟尚远，整个领域尚未出现真正的奠基性工作。中国在机器人硬件上领先，不应自称为“中国版XX”。
- ▍VLA与世界模型并非互斥关系，不同任务需要不同的处理方式；世界模型的关键在于预测什么，以及预测能否真正服务于动作执行。
- 01RSS 2026论文从截稿到会议历时近五个半月，导致会场呈现的成果多为大半年甚至一年前启动的技术，难以反映近几个月的行业热点。
- 02Physical Intelligence的实习生认为VLA和世界模型可以并存，不同任务分别需要语言推理和视频预测能力；并反问‘你真的看到世界模型做到预测动作后果了吗？’
- 03EgoVerse核心作者Simar Kareer指出，数据量并非唯一关键，数据如何筛选、配比和整理（curation）同样重要，建议参考π0的训练规模（1万小时）。
- 04斯坦福教授Karen Liu在闭幕演讲中提出机器人领域‘模型丰富，数据贫乏’，主张利用已有的仿真、规划、视觉模型作为教师，自动生成训练数据。
- 05香港大学李弘扬教授提出‘全身智能’概念，指机器人需将移动、平衡、操作视为整体，而非拆解为独立模块。
- 06RSS展台前，中国机器人厂商的硬件出海领先于软件和数据服务，海外用户更关注价格、投资回报和本地场景（如矿山、巡检）。
反方 / 局限
- — 国内‘VLA已死，世界模型当立’的叙事与RSS现场以VLA为主的情况存在明显偏差，反映出国内外信息节奏和审稿周期的差异。
- — 触觉传感器在VLA中的集成仍面临数据稀缺、传感器迁移难、机器人形态影响等难题，并未像理论上那样容易解决。
- — 当前视频预测虽能生成视觉上合理的未来状态，但缺乏对机器人手部尺寸、物体大小等动作相关信息的感知，难以直接转化为可靠操作。
Physical IntelligenceRSS 2026Simar KareerKaren Liu李弘扬Tony ZhaoCheng ChiWenzhen YuanVLA世界模型全身智能EgoVerseSunday Robotics宇树智元机器人
23 分钟 · 4 卡片 · 12 资料
读原文 →