7月19日，2026世界人工智能大会（WAIC）的核心分论坛“智启具身论坛2026——迎接物理AI智能涌现”在上海世博中心举行。论坛由智元与觅蜂科技联合主办，汇聚了清华大学、佐治亚理工学院、Physical Intelligence、Genesis AI、Dyna Robotics、Sunday Robotics及腾讯Robotics X等机构的代表，核心议题围绕物理AI的数据来源、模型路线、仿真训练与商业化部署展开。

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姚卯青在主旨演讲中提出，物理AI要从“模型演示”跨向规模化作业，必须突破三堵“物理墙”：数据墙（真实交互数据稀缺、采集成本高）、表征墙（跨任务、跨环境、跨机器人的统一物理表征尚未形成）和闭环墙（真实世界试错成本高、反馈速度慢）。他将智能概括为两条主线：对世界的抽象与压缩（表征），以及智能体在环境中完成“感知、理解、决策、行动、反馈”的持续闭环。姚卯青强调，数字AI可被互联网数据喂养，但物理AI必须在真实世界中“摸爬滚打”。

关于机器人“ChatGPT时刻”——定义为机器人能够“开箱即用”、理解开放式自然语言指令并完成日常任务——姚卯青预计行业或需积累1亿小时级别的具身数据，推动常见任务的基础成功率达到70%至80%。他直言“模型决定起点，数据定义终局”。在圆桌环节，多位嘉宾给出了具体时间表：姚卯青认为2年，主要取决于数据进展；Physical Intelligence研究科学家任至意判断4至5年；佐治亚理工学院助理教授徐丹飞预期5年；Dyna Robotics联合创始人马也骋给出4年；腾讯首席科学家张正友认为3至5年；Sunday Robotics联合创始人赵子豪则看好3年以内。张正友强调，时间预测取决于数据采集、真实部署、失败恢复等系统性推进，而非单一突破。

论坛还深入讨论了数据采集与技术路线。任至意介绍，Physical Intelligence在训练π0.7模型时引入历史视频编码、细粒度语言与图像引导及数据质量评分等元数据，以增强模型对任务条件的判断能力，并实现跨本体迁移。徐丹飞提出，人类第一视角数据可能成为扩展训练数据的重要来源，其团队已积累约2万小时数据，并在部分复杂操作任务中观察到具身学习的Scaling规律，但他也强调人类数据不能直接替代真机数据。Genesis AI联合创始人王尊玄认为，具身智能是系统工程，需将人类手套数据、第一视角数据、真机数据与仿真数据结合使用。

商业化方面，可靠性成为分水岭。马也骋指出，当前不少通用模型能覆盖多任务，但单一任务成功率有限，缺乏商业价值。Dyna Robotics已积累超过20万小时预训练数据，并采用“数据金字塔”策略，尤其关注失败与恢复数据。他举例称，团队在餐巾折叠任务中实现机器人连续24小时无人干预作业，完成超过800个餐巾折叠。智元也披露了在江西南昌龙旗合作工厂的3C产线部署案例：机器人连续6天、每日超10小时全工段直播作业，累计完成近6.5万件操作，整体成功率达到99.99%。不过，这些数据为特定场景测试结果，尚不能等同于开放环境中的通用能力。

围绕VLA（视觉-语言-动作模型）与世界模型的技术路线，论坛未形成单一结论，但“融合发展”成为多数嘉宾共识。马也骋认为，在特定场景中世界动作模型（WAM）可能更高效，但复杂长程任务仍需多模型协同。张正友则表示，具身智能仍处早期，尚未出现类似Transformer的统一框架，智能体至少需要认知、感知-行动和肢体反应等多层闭环协同。硬件方面，Sunday Robotics选择三指夹爪以平衡成本与能力，而姚卯青强调全栈研发有助于系统级优化。