「它像一片尚未定形的混沌，却处处涌动着生机」
8月20日，2026世界机器人大会（
这场主题为《从技术奇点到产业奇点：具身智能的双重临界》的圆桌，参与对谈的三位嘉宾，均为华业天成投资的具身智能新秀：墨奇智能联合创始人兼CTO黄青虬，无界动力联合创始人兼CTO夏中谱，
以下为圆桌精选实录，经整理发布。
01
创业之后：
“热闹”背后的真实感受
刘旌：现在具身智能行业创业者非常多，大家曾经可能是同事，今天都成为了创始人。我希望这次咱们都讲真话，请大家先简单介绍一下自己。
夏中谱：我是
郎咸朋：我是昆仑行联合创始人、CTO。我之前在理想做了150万辆车的数据闭环建设，亲历过从规则驱动到数据驱动的增量范式迭代。现在在具身智能领域，希望推动具身智能系统从模仿学习，走向理解世界的新范式。
黄青虬：我是墨奇智能的联合创始人、CTO，我们的核心是让具身智能走向现实生活。之前，我在华为智驾负责AI算法，今天跟大家一起说说真话。
刘旌：请你们说一下创业的感受。
黄青虬：第一个感觉是“热闹”。具身智能这个行业比我想象的还要热闹，有各种背景的人进来，大家的关注度也非常高。
“热闹”的好处是让我们能获取更多的资源，有资金是做成事情的基础之一。挑战则在于噪声多，怎么抓取真实有效的信息是很大的考验。
另一个感受是我们本想造出能够帮助我们干活的机器人，但现实是我们每天不是在解决问题，就是在解决问题的路上，从硬件、软件到算法、数据，接触的产品内容非常多。
郎咸朋：昆仑行是今年3月中旬注册的，这半年最大的感受是“似曾相识”。
整个行业很像十年前的新能源汽车和智能驾驶，我仿佛回到刚加入理想时，有一点熟悉又不太一样。
熟悉的是创业本身的状态，但不一样的是AI的迭代速度非常快，面对具身智能，是要有不同的做法。
夏中谱：我也感觉回到十年前，但这一次最大的变化是认知的快速升级。
十年前刚做自动驾驶时，我们当时认为没有一个系统比它更复杂，因为它要做预测，有很多模块算法混合在一起，需要去调控整个系统。后来做完端到端，整个智能系统简单一些，成了单一模型的系统。
现在进入具身行业，我们面临的“空白”比自动驾驶大得多。自动驾驶可能只需要一个模型，但是具身智能的场景和数据几乎是一片空白。怎么把种子播下去，让它长成参天大树，这是我们一直探索的。
02
用人话来描述公司的
一个“杀手锏”
刘旌：我看到一个很夸张的数据，具身智能相关公司数量非常多。如何用我们能理解的语言来解释，你们的“杀手锏”究竟是什么？
黄青虬：在像具身智能这样的构造复杂系统的行业里，很难有“一招鲜吃遍天”。我觉得首先是拼“内功”，特别是在行业的早期。我们要提升整个硬件的稳定性、量产性、可靠性和底层架构的稳定性。
其次是“天下武功唯快不破”。在行业初期，快速试错非常重要。我们花了8个月时间把一整套数据算法做出来，这也是行业内少见的快速迭代。
郎咸朋：对我来说，最大的优势是真正走完了从0到1的创业阶段。
这个0到1不是实验室里的实验，也不是大厂内部做一个新功能，而是面对过真实商业竞争和用户压力。我们在理想参与过自动驾驶从0到1的建设，这里面有技术、有基础设施、有能力等等，非常考验创始人在超前预判、战略执行上的综合能力。
具身智能比自动驾驶所处在的阶段更早期，自动驾驶在整个汽车产业发展接近100年的前提下还很困难，更不用说具身智能在本体、模型、数据、场景都有大量挑战。过往成功的经验不代表未来的成功，我们必须快速迭代。
夏中谱：我们思考最多的是：问题是什么？终局在哪里？
大家经常说“第一性原理”，但机器人的第一性原理到底是什么？终局是什么？路径怎么走？我觉得关键是找到起点和终点。假如说问题是起点，终局是终点，有这两个点，方案和路径就决定了。
我们没有选择只做实验室级Demo，而是在工业和商业场景里落地。在真实落地中，寻找终局和问题的根源。
每个人的认知不一样，“第一性原理”是建立在自己认知上的；对“终局”的预判也是在自己认知基础上的判断。所以，最困难的点在于突破自己的认知。创始人团队的认知能否快速迭代，知道终局走向哪里，并找到最短路径，这是未来具身成功的关键因素。
03
为什么具身智能行业
没有“通用语”
刘旌：我研究了一下具身智能，一个感觉是大家都有各自的语言体系，为什么具身智能行业会有这么强的语言差异？
黄青虬：可能是因为行业汇聚了不同背景的人。有研究大模型的，原来做智能驾驶的，做传统机械臂的……大家的语言体系和背景知识不一样，描述一个东西时天然会有差异。
具身智能和虚拟世界里的应用不同。比如大语言模型如果有相对统一的应用场景，就可以形成标准。但具身智能现在技术还不成熟，不同场景的要求和评测标准不同。
更重要的是它涉及到硬件，很难通过虚拟测试指标形成统一的标准，所以大家会在不同层面描述自己的认知。
郎咸朋：我觉得这说明行业还在早期阶段。
一个技术从创新到成熟，再到大规模落地，至少会经历三个阶段。
第一个是技术创新期，像我们现在就处于硬件、模型、供应链还在变化发展中的阶段；
第二个是商业验证期，大家逐渐收敛到比如工业、物流、家庭等具体场景中，并且有真正的产品开始交付落地；
第三个是真正成熟阶段，大厂开始进入，这些创业者会面临大厂的挑战。比如现在华为开始造车了，大家现在不会质疑端到端、智能驾驶了。
夏中谱：大家的认知或背景不一样，对技术的解决方案也不一样，但都朝着一个终极目标走：怎么把物理世界AI化。
人类发展史上是否也有类似的情况？就像中国的文化发展史上的春秋时期“诸子百家”，各家有各家的理论和主张，但都在围绕人类文化怎么发展进行探讨。
当下AI进入物理世界，就有点类似于“诸子百家”的情况。这是一件好事，大家从不同的体系汇聚在一起，才能产生这种新的文化技术的碰撞。
再过几年，随着技术快速迭代趋向收敛，物理AI的发展从各个方向汇集在一起，让人类从一部分生产劳动中解放出来。
04
哪些流行叙事，
其实经不起推敲？
刘旌：在这个阶段，有没有一些行业里流行的说法，是你们认为可能存在误区的？
黄青虬：我看到一种说法，比如追求一千万小时的训练数据。其实在智驾里，十几万小时的数据就能训出一个全中国跑得很好的模型。我们自己跑了一下，三万小时数据大概需要两百多卡跑一周，AI需要试错，如果有一百万小时、一千万小时，需要多少卡？这种脱离算力现实去谈数据量，只是一种粗糙的叙事。
郎咸朋：我不太认同的一个观点是：只要数据堆上去、算力堆上去，具身智能就实现了。
具身智能要解决的问题，不是让模型模仿人类动作，而是让模型理解世界。如果要理解物理世界，数据量是一方面，更重要的问题是：数据里面到底包含了什么？比如，数据要包含对世界的描述——各种对象的物理量、对象之间的物理关系、因果的变化。
牛顿得到万有引力定律，不是靠在地球各个地方丢苹果得出的，而是思考到了本质。只堆数据无法实现具身智能，而是需要深度思考和深度学习，教会模型理解物质的本质。
夏中谱：我来说一下“世界模型”。现在很多人看到一个模型能生成很清晰的视频，给一张图片就可以预测这个图片的未来，就觉得这是世界模型。大家可能是被“眼见为实”欺骗了。
回到世界模型的本质，杨立昆对世界模型的定义，是要预测未来物理世界的变化规律。很多人把模型预测出来的图像当成了未来，其实它是通过动作影响世界，让世界变得跟预期一样，这是机器人的工作，它并不是产生未来的图像。我们并不希望机器人成为画家，而是成为一个物理学家，能理解物理世界的本质、发明物理第二定律，然后再实现对未来的推演。
机器人对未来推演得越准，在物理世界的泛化能力才越强。我们还要回到问题本质，在决策和规划里怎么构建更好的模型，让它理解决策，理解目标，而不是被人类视觉看到的一些东西所迷惑了。
05
行业标志性事件，
意味着什么？
刘旌：你们怎么看待宇树科技IPO对具身智能行业的影响，以及对你们是否有更具象的影响？
黄青虬：宇树上市证明了具身科技在这个时代得到认可。
如果能在一个具体方向上用极致的热爱把产品做到极致，也可能是在某些本体应用上做到超出大家预期，就会达到超预期的回报，这对任何行业都是正面的影响。
郎咸朋：这是它应得的。根据自己的认知，并通过自己的努力获得了良好的成果，这就是一个因果的关系，我们就继续做好自己的事情。
夏中谱：我觉得这对整个行业是利好。它让我们看到整个社会对硬科技的支持力度。
另外很多硬科技公司在早期都会经历非常艰难的阶段，但大家本着热爱一直坚持自己对技术梦想，然后获得的奖励，这是非常好的非常正向的引导。
06
从智驾到具身：哪些经验可以迁移，哪些问题更难？
刘旌：最后的时间，请你们向其他人提一个问题。
郎咸朋to黄青虬：你觉得在华为做智驾时，有哪些场景或启发对现在做具身智能有帮助？
黄青虬：最重要的是整套务实的运转体系。不管用什么先进技术，交付标准就是能否提升用户体验和安全。这给我们这个热闹的行业的启发是，不要只追求技术的热潮，技术是会迭代和改变的，最终还是结果导向。
夏中谱to黄青虬：我问一个未来的问题，其实智驾就是具身的一个子场景，通用的物理AI机器人和通用的自动驾驶，哪个会更早到来？
黄青虬：智驾比具身简单。智驾难的是，比如极端情况下也要判断路上掉的一个塑料袋能否压过去，但具身是所有的东西都要去碰一下。从这个角度讲，L4级别的纯自动驾驶会比通用具身更早到来。但具身的好处在于，不需要达到通用智能，解决特定场景的问题也能落地。
夏中谱追问：智驾数据是特定场景的数据，它从泛化分布程度来讲是非常高斯的，这个数据特征是否会反过来导致智驾晚于具身发生？
黄青虬：智驾的泛化性逻辑对具身来讲是通用的，同时具身目前还没有遇到真正的corner case。
郎咸朋：目前的自动驾驶依赖样本，要么靠工程化，要么靠新的样本，是因为智能驾驶没有成为具身智能，因为不理解世界，才只能模仿。如果具身智能真能在物理世界大范围落地，那智能驾驶也就能理解世界了。
07
具身智能的“GPT时刻”，
会在哪里发生？
黄青虬提问：你们觉得具身的“GPT时刻”，会在哪里发生？
郎咸朋：真正的具身智能“GPT时刻”，包括夏老师提到的各种技术、模型、本体，都还没有到来。现在我们看到的很多仍然是小范式迭代，真正的大范式迭代，是用一个网络和模型去做所有事情，其实背后是整个工程闭环数据体系的建立。真正到那一刻的时候，我们具身的范式会发生彻底的变化。我坚定看好中国，因为中国的本体供应链相对成熟，场景非常丰富。就像我们的名字“昆仑行”，我们希望在中国的智能发展，像我们名字一样。
夏中谱：之前在做自动驾驶端到端时，关键还是找到范式，我们用半年时间就迭代到了量产。在具身时代，我们跟美国是齐步同行的，到达终点的时间可能会更早。
黄青虬：我觉得具身智能是同台竞技的赛道。在具身智能上，我们的起步并不晚。在人才能力接近的前提下，中国的迭代速度、场景和数据优势会非常关键，相信这一波做具身的公司能够做到更好和领先。
从技术奇点，到产业奇点
这场圆桌没有给出单一的答案。
他们讨论的不是一个遥远概念，而是每天都要面对的真实问题：系统能不能稳定运行，数据是否真正有效，模型是否理解物理世界，场景是否能够落地，组织是否能持续迭代……
在WRC现场，这场由华业伙伴共同参与的圆桌讨论，记录下的正是具身智能产业早期值得被看见的一部分：热闹之下的冷静判断，宏大叙事之下的真实工作，以及面向技术和产业临界点的一线探索。
彩蛋
CTO的书单推荐
刘旌：有没有什么书可以推荐，让我们看了之后能快速的理解你们所做的事情。
黄青虬：我之前看了一本书《置身事内》，让我对社会的认知有一些刷新。
郎咸朋：我推荐两本书，一本书是《浪潮之巅》，另外一本就是
夏中谱：一本书正好是咸朋说的《浪潮之巅》。我们的组织和行业会如何演进，其实有一定的规律。还有一本书是
