智源大会圆桌：大模型没有终局，具身智能可能是中国的 AlphaGo 时刻

📌 一句话摘要

智源大会圆桌讨论中，三位嘉宾从学术、创业和产业视角，集体反驳了「大模型没有护城河」「Scaling Law 失效」等观点，并认为具身智能将是中国 AI 实现弯道超车的核心赛道。

📝 详细摘要

本文是 2026 年智源大会核心技术论坛的圆桌讨论实录。由蓝驰创投管理合伙人陈维广主持，智源研究院院长王仲远、银河通用 CTO 王鹤、面壁智能 CEO 李大海三位嘉宾，围绕大模型行业的五大争议问题展开深度对谈。核心观点包括：大模型技术远未收敛，真正的护城河来自数据闭环、软硬协同设计和垂直场景深耕；Scaling Law 远未失效，已从纯语言模型扩展到多模态和具身智能，WAM（世界动作模型）将开启具身智能的规模化时代；端侧与云端将长期协同发展；AI 安全与责任划分将遵循「边实践边完善」的路径；中国 AI 具备供应链、场景和人才三大独特优势，具身智能将是中国实现弯道超车的核心赛道。文章以问答形式呈现，信息密度高，观点鲜明。

💡 主要观点

- 大模型技术远未收敛，护城河来自数据闭环与软硬协同。 嘉宾一致认为，大模型公司不能只做通用模型，必须在特定方向（如 Coding、具身智能）做极致优化，并通过与「整车」协同设计来构建长期壁垒。

Scaling Law 远未失效，已从语言扩展到多模态与具身智能。 王仲远指出，互联网数据用完不代表 Scaling 结束，后训练、推理优化和系统能力提升仍在驱动指数级进步。王鹤提出 WAM 范式，通过利用人类视频数据实现无动作标签的 Scaling。

端侧与云端将长期协同，端侧模型 Scaling 空间巨大。 李大海认为，端侧模型受限于硬件算力，但随硬件升级和量化技术进步，模型规模正从 1B 快速向 4B 甚至更大增长，端云协同是 Token 经济学的必然选择。

AI 安全与责任划分将遵循「边实践边完善」的路径。 嘉宾认为，AI 安全问题的解决类似自动驾驶和航空安全，需要在实际应用中逐步建立标准和治理体系，企业应从早期就重视社会责任和安全备案。

具身智能是中国 AI 实现弯道超车的核心赛道。 王鹤坚信，具身智能的 AlphaGo 和 ChatGPT 时刻将在中国实现，因为中国拥有全球最完整的供应链、最丰富的落地场景和数量最多的年轻人才。

💬 文章金句

- 大模型应该是我们以前说的「T 形人才」——它必须得是通用的，但仅仅是通用的、和其他人同质化是没有意义的，它一定得有自己的长板。

• 实际上，我坚信具身智能是中国的机会。具身智能的 AlphaGo 和 ChatGPT Moment，我坚信会在中国实现。
• WAM 不需要动作标签。所以你可以想象一个机器人看人干一件事，它虽然没有 action label，但是它能把人的行为、大致的 course motion 学到。
• 整个人类社会的发展就是建立在吃一堑长一智的范式上。

📊 文章信息

AI 初评：86

来源：AI前线

作者：AI前线

分类：人工智能

语言：中文

阅读时间：37 分钟

字数：9206

标签： 大模型, Scaling Law, 具身智能, WAM, AI 产业

阅读完整文章