7月30日，機器人行業在同一天迎來兩件大事：宇樹科技的IPO發行安排落地，發行價錨定約420億元市值；谷歌同日釋出Gemini Robotics 2，宣稱要讓一個“機器人大腦”適配任意機器人本體。這兩件事看似獨立，實則指向同一個核心問題：機器人產業的未來，究竟押注在“身體”還是“大腦”上？
宇樹科技的IPO定價，與幾個月前一級市場的估值形成鮮明對比。當時，市場給這家公司的估值在600億至1000億元之間浮動，而如今發行價錨定的市值僅為約420億元。這一落差反映出資本對機器人硬體公司估值預期的降溫。與此同時，谷歌釋出的Gemini Robotics 2，則試圖從“大腦”端切入，打造一個通用的機器人大腦，以適配不同廠商的機器人本體。
就在第二天（7月31日），斯坦福大學教授李飛飛出現在a16z的播客中，與剛被她收購的機器人模擬公司SceniX創始人李昀燭對談。李飛飛明確表示：“模擬不是‘可選項’，而是‘必選項’。”她認為，機器人落地的最大瓶頸不在硬體，而在於資料的極度稀缺和評測體系的不足。語言模型可以從網際網路獲取海量資料，但機器人缺乏類似的資料來源，這使得scaling law難以直接套用。
李飛飛的觀點，為機器人行業的“身體競賽”潑了一盆冷水。過去兩年，機器人賽道被視為“軍備競賽”，資本大量湧入。資料顯示，2026年上半年，國內機器人及具身智慧融資規模已超過900億元量級；中國企業佔全球機器人出貨量的84.7%（億歐智庫口徑）。然而，宇樹科技創始人王興興在《時代》週刊專訪中透露，其人形機器人“只有大約9%用於工業場景”，更多賣給了高校和同行——即其他機器人公司用作研發基座。這揭示了一個尷尬的現實：今天最熱門的機器人公司，其最大需求竟來自“為了造機器人而買機器人”。
王興興的判斷也相當剋制，他認為機器人的“ChatGPT時刻”還要2到10年才會到來。與此同時，知名投資人朱嘯虎在2026年上半年公開退出具身智慧賽道，理由是“誰會花十幾萬買機器人幹這活？”他判斷具身智慧“必經泡沫期”。而經緯合夥人張穎則在朋友圈公開反駁，多空交鋒被擺上檯面。
宇樹科技自身的招股書也顯示，2026年一季度扣非淨利潤同比下滑52.55%，上半年預計繼續下滑。馬斯克對Optimus的評價是“史上最難量產的產品”，量產時間表已推遲到年底，單台成本仍卡在5萬到10萬元，目標則是壓到2萬元。
在技術路線層面，行業同樣存在分歧。智元機器人聯合創始人彭志輝指出，行業最缺的是資料，“比大模型差3到5個數量級”，機器人必須“先在工廠把賬算平，才有資格談進入家庭”。輝達的Jim Fan則直言：“VLA已死，WAM當立。”就連谷歌釋出的Gemini Robotics 2，也坦誠其學習效率不高——從人類演示中學習的速度遠低於人類，在複雜操作上的成功率，進度分類測試僅拿到57.4%。
這些訊號疊加在一起，指向一個結論：硬體的瓶頸正在被攻克，但真正的瓶頸在於讓機器“理解並推演世界”的能力，也就是“大腦”。而“大腦”在2026年的AI語境中，有一個更精確的名字：世界模型。
李飛飛是“空間智慧”概念的堅定倡導者。2025年11月，她發表長文《從文字到世界：空間智慧是AI的下一個前沿》，將大語言模型定義為“黑暗中的文字匠”，並提出了世界模型的三個核心能力：生成性、多模態和互動性。她認為，AI的下一個前沿是讓機器擁有空間智慧，即理解、推理並與三維世界互動的能力。
在7月31日的對談中，李飛飛進一步闡述了世界模型的落地路徑。她強調，人類大腦一直在進行模擬，因為我們具備反事實推理能力，即想象那些尚未發生或沒有足夠資料支撐的事。Waymo已用數十億小時的模擬資料證明了這條路的可行性。她還解釋了World Labs與SceniX的整合邏輯：World Labs的Marble擅長從稀疏輸入生成幾何一致的3D世界，SceniX則專精於將真實環境高保真對映到模擬再回遷現實（Real-to-Sim-to-Real）。兩者疊加，可以搭建一個“模型無關、本體無關”的機器人學習與評測基礎設施。
然而，李飛飛也吐槽“世界模型”已成為“最重要，也最被濫用的術語之一”。不同領域對它的定義截然不同。這引出了2026年最值得思考的一幕：同一個詞，三場豪賭，三種未來。
第一場豪賭，是李飛飛自己的World Labs，可稱為“空間智慧的建築師”。它要把世界顯式地“做出來”——一個可進入、可編輯、可共享、可漫遊的3D空間。Marble已能讓創作者從一張圖生成可導航的三維世界，CAD和虛擬製片行業已開始使用。這條路線被認為最紮實、也最容易短期商業化。
第二場，是圖靈獎得主楊立昆（Yann LeCun）的AMI Labs，走JEPA（聯合嵌入預測架構）路線，可稱為“哲學家”。他不要顯式重建世界，而是在抽象的表徵空間裡預測“世界的下一個狀態”。他批評今天的LLM只是“精密的錄音機”，缺乏真正的理解。
第三場，是輝達黃仁勳的Cosmos，可稱為“工業級創世者”。Cosmos本質上是物理精確的模擬基礎設施，讓機器人在受重力、摩擦、流體規律約束的虛擬空間裡“失敗百萬次”。輝達的邏輯是：真實世界訓練太慢、太危險、太貴，所以先用合成數據把機器人餵飽。
同一“世界模型”，在李飛飛那裡是可進入的空間物件，在楊立昆那裡是可預測的抽象狀態空間，在輝達那裡是生產合成數據的工廠。差別不在用詞，而在哲學：世界，到底是被“構造”出來的，還是被“壓縮”成內部變數的，還是被“模擬”出來的？
在這場定義權之爭中，中國玩家已經入場。2026年4月起，阿里、騰訊、小鵬相繼釋出自己的世界模型，押注“物理AI”與具身智慧的交匯點。國內，世界模型已成為最燙的標籤。2026年上半年，國內具身智慧融資約438億元，全年有望超過2025年的554億。在融資動態的35家“大腦派”公司裡，27家佈局了世界模型，佔比近八成（虎嗅6月統計）。個案更是誇張：千尋智慧三個月累計融資45億元，雷軍旗下的順為資本和馬雲旗下的雲鋒基金首次共同重倉；自變數機器人投後估值突破200億，釋出“世界統一模型”WALL-B和世界模型WALL-WM；智象未來完成15億元C輪，由社保基金四川振興科創基金、工銀資本領投——這是社保基金首次作為LP進入多模態大模型方向。
資本性質也變了：華為哈勃、小米戰投、紅杉中國、社保基金、中網投、多地國資，四種不同性質的資本在同一賽道交匯。一位VC內部人士對《科創板日報》表示：“世界模型現在就像2010年的移動網際網路，我們也不知道哪個方向最終能跑出來，但我們知道不投一定會錯過。”
但泡沫的訊號同樣清晰。業內共識是，90%以上的具身智慧公司會被淘汰。技術路線遠未收斂，而真正落地要跨過三道天塹（同花順7月梳理）：第一道是“失敗資料”的鴻溝——世界模型需要海量“杯子滑落、捏碎、碰撞”的失敗反饋，千尋、極佳視界不得不砸錢建“資料超級工廠”；第二道是真實物理引數的不可評測，疊加工業現場對“零誤差”的苛刻要求，生成式模型的隨機性在工業場景可能成為事故；第三道是商業化遙不可及，大量號稱做世界模型的初創公司，實際乾的仍是3D渲染、專案整合等周邊生意。
7月23日的WAIC 2026上，畢馬威釋出報告，將世界模型定義為“補全人工智慧現實維度、推動具身智慧走向規模化商業落地的核心底座”，並認為VLA與世界模型“融合共生是終局”——VLA管眼前的直接反應，世界模型管行動前的推演與規劃。
回到開頭那兩聲槍響：宇樹敲鐘，賭的是機器人的身體已經ready；谷歌發大腦，賭的是大腦終將統一所有身體。但李飛飛們提醒我們：今天最稀缺的，不是會動的鋼鐵，而是能讓鋼鐵“想明白世界”的那部分智慧。機器人是身體的競賽，世界模型是大腦的競賽。今天，中國似乎贏在了身體——84.7%的全球出貨，是硬體產業鏈幾十年積累的結果；但大腦的定義權，此刻還攥在李飛飛、楊立昆和輝達手裡。真正的拐點，不會是某家公司敲鐘的那天，而是某台機器，在沒人盯著它的時候，把一件沒人教過它的活，幹完了。