2026 世界人工智能大会 “智启具身论坛” 期间，智元合伙人、高级副总裁、具身业务部总裁、觅蜂科技董事长兼 CEO 姚卯青接受媒体专访，直指行业普遍依赖示教模仿学习的核心短板，单纯复刻动作的肌肉记忆无法支撑机器人在多变真实场景稳定作业。过去一年人形机器人快速落地工厂产线，行业发展主线已经从 “能否完成基础运动” 转向 “能否稳定商用干活”，物理 AI 想要突破 Scaling Law 物理壁垒，必须直面数据稀缺、算力约束、技术路线分歧三大核心难题。

数据层面，具身交互数据与大语言模型预训练语料存在万倍以上巨大差距，行业达成共识，想要机器人依靠开放式自然语言指令自主完成各类任务、实现通用物理常识推理，至少需要亿小时级多模态交互数据储备，才能让常规任务基础成功率稳定达到 70% 至 80%。当前全球合规可用高质量真机交互数据仅 50 万小时，供给远远跟不上模型训练需求。行业同步采用开源扩容、节流降本两条路径补齐数据缺口，真机遥操作采集的数据精度最高，是数据体系顶层素材，用于模型后训练监督微调；觅蜂科技推出 MEgo 无本体轻量化采集设备，依托众包模式采集人类第一视角操作视频，采集成本仅为传统真机遥操的三分之一，采集效率大幅提升，目前企业数据规模已达百万小时量级，全年目标冲刺千万小时产能。姚卯青同时强调，真机遥操作数据不可替代，线下场景落地微调阶段依旧需要大量高精度真机轨迹数据支撑，行业整体优质数据源供给不足、具备大规模数据运营交付能力的团队稀缺，数据基础设施建设仍是制约行业发展的核心卡点。

算力端当前存在明显远期隐忧，现阶段智元等企业已在多类落地场景部署国产端侧算力平台，能够满足百参数以内模型运行需求，智元 GO-1、GO-2 等基座模型均控制在 100 亿参数内，边缘端可实现 10 至 20 赫兹稳定推理。但行业若向数百亿参数 MOE 混合专家架构迭代、追求高阶智能涌现，现有海内外商用算力平台在算力上限、显存通信带宽层面均存在明显瓶颈，整个产业链需要同步迭代下一代算力硬件与配套调度体系。

技术路线层面行业尚未形成统一终局方案，端到端 VLA 视觉语言动作模型、侧重物理规律推演的 WAM 世界模型两条路线并行发展，姚卯青提出 WRAM 世界推理动作大模型作为融合方案，他以动物杂技类比单一模仿路线的局限，动物可完成固定特技，但无法自主拆解长时序家务任务，根源在于缺少完整语言认知与因果规划体系，未来成熟具身基座必然是视觉、语言、动作融合的多模态一体化架构。合格的通用具身模型需要同时具备两大核心特质，一是理解、预测一体化，既能解析自然语言指令完成任务规划，也能预判环境变化与动作执行结果；二是架构具备高扩展性，依托离散自回归 Transformer 架构吸收百万乃至千万小时数据，打通多模态信息融合链路。智元同步搭建预训练、后训练、持续学习三级训练体系，并行迭代 VLA 与世界模型，依靠百台级分布式真机强化学习集群完成算法验证。

谈及物理 AI 的 “GPT-3.5 时刻”，姚卯青给出清晰时间预判，2027 年底至 2028 年初行业将迎来通用智能涌现节点，当前百万小时级数据积累过程中，零样本操作、跨指令泛化等通用能力已经显现清晰增长线索。商业化落地进度超出行业一年前预期，此前市场普遍认为机器人仅停留在实验室演示阶段，如今多款机型已进驻工厂 7×24 小时连续作业，硬件运行稳定，软件任务成功率达到四个九。项目落地周期持续压缩，初代项目部署周期长达三四个月，如今合作二次开发伙伴仅需一两周即可完成场景复制，落地边际成本持续下行。

面对各大科技企业、整机厂商扎堆入局具身赛道的行业现状，姚卯青持开放态度，多元主体并行探索能够加速技术试错迭代，区分有效路线与无效路径，而亿小时级海量数据的采集、治理、训练需要全行业协同参与，多方合力才能提速 2027 年通用智能节点到来。整套产业发展逻辑已经清晰，机器人想要真正突破泛化瓶颈，不能只依靠机械动作复刻的肌肉记忆，必须补齐海量物理交互数据、高阶算力底座、统一多模态推理模型三大核心能力，构建感知、规划、行动、反馈完整闭环，才能真正实现从舞台演示到全行业常态化商用的跨越。