WAIC 2026圆桌：通用具身智能需先突破专用场景，未来竞争焦点转向高质量数据获取与场景闭环验证

在2026年世界人工智能大会上，复旦大学副校长姜育刚、智元机器人合伙人姚卯青、它石智航CEO陈亦伦与亮源新创CEO姜旭围绕“世界模型”展开对谈。嘉宾一致认为，世界模型的核心在于理解物理世界的运行规律并预测下一状态或动作，而不仅仅是渲染画面。要实现这一目标，模型必须原生掌握多模态融合、物理规律、因果推理及长程预测能力。

当前最大瓶颈在于数据。陈亦伦指出，现有视频数据缺乏力觉、触觉等关键模态，理想的训练数据需同时具备模态齐全、高频交互和真实场景三大特征。具身智能因操作复杂度高，可能需要千万小时级别的真实交互数据。姚卯青类比大语言模型需要百亿小时语音训练量，估算物理世界的常识性预测至少也要“一亿小时以上”真实数据。架构层面，姜旭认为，目前主流设计往往将状态预测与动作预测混同，导致生成能力与理解能力相互冲突，难以兼顾优化。

在落地路径上，三位嘉宾均看好制造业作为未来三年最确定的规模化场景。
姚卯青透露，智元机器人已在流水线实现六天六万件操作、成功率99.99%的机器人编队作业。
陈亦伦认为制造业的数据浓度高、任务标准明确，并拥有大量人类示范数据，它石智航正与整车企业合作，推进千台级工业具身机器人集群部署，并强调中国制造业的集中度为物理AI提供了理想试验场。
姜旭则强调，具身智能是多模态大模型的延伸，互联网已有百亿小时视频数据可用于预训练，家庭与办公等日常场景的能力跃迁或将最先出现，但商业化需满足高容错率要求。

三方共识是，目前距通用具身智能仍有较大差距，必须先在专用场景中取得突破，未来竞争焦点将由模型架构逐步转向高质量数据获取与场景闭环验证能力。