本文报道 RSS 2026 会议观点，指出具身智能尚未成熟，数据治理与硬件协同比单纯模型更关键，中国硬件优势不必盲目追随美国模式。
📝 详细摘要
文章记录了作者在 RSS 2026 会议上的所见所闻，与会者普遍认为北美头部具身智能公司（如 Physical Intelligence）离成熟仍有较大距离，领域尚未出现奠基性工作。与会专家指出 VLA 与世界模型并不互斥，应根据任务需求选择或结合使用，并强调世界模型的价值在于其预测能否指导实际机器人动作。数据环节被反复强调：单纯堆砌数据量不如数据的清洗、筛选、配比和对齐（curation）更重要。硬件方面，中国机器人在供应链、价格和交付上具优势，硬件往往先出海，而模型和数据需要在当地重新建立闭环。此外，与会者还讨论了全身智能（whole‑body intelligence）作为未来方向，强调需要硬件、模型、控制器的分层协同，而非依赖单一端到端模型。文章通过多位受访者的第一手引用和现场观察，呈现了具身智能领域的技术争议、产业现状与发展思路。
💡 主要观点
- 具身智能尚未成熟，北美头部公司距离成熟尚远，缺乏奠基性工作。 与会者如 Sergey Levine 组的受访者指出，包括 Physical Intelligence 在内的北美顶尖具身公司离真正成熟还有不短距离，整个领域尚未出现奠基性研究。
💬 文章金句
- 包括 Physical Intelligence 在内，如今的北美头部具身智能公司离成熟都还有不短的距离。整个领域，也还没出现真正的奠基性工作。
- VLA 和世界模型并不冲突，可以全都要。不同任务需要语言推理和视频预测两种能力；至于世界模型能否像宣传中那样预测动作后果，他反问：'你真的看到它做到这件事了吗？'
- 相比单纯的堆数据量，数据的 curation 可能更重要。
- 机器人虽然 Data Poor，却并不缺模型。
- 硬件看得见、摸得着，价格、负载和可靠性也容易比较。
📊 文章信息
AI 初评：87
来源：量子位
作者：henry
分类：人工智能
语言：中文
阅读时间：45 分钟
字数：11028
标签： 具身智能, 机器人, 世界模型, VLA, 数据治理