具身智能创业者正面临矛盾的心态，一边认为产业朝气蓬勃、意气风发，普遍有“三四年成为世界头部公司”的雄心，另一边又担心融资节奏一旦跟不上，或走不到头部位置，容易被边缘化。未来，具身智能产业的终局，究竟是百花齐放，还是“赢者通吃”？

技术对谈现场。

近日，在2026世界机器人大会期间举行的具身智能产融实践暨“投创之星”路演活动上，北航机器人研究所名誉所长王田苗，与中国电子学会机器人分会主任委员、香港大学机器人与自动化讲席教授席宁围绕“具身智能产业未来的终局”展开一场技术对谈。

席宁认为，机器人处理和传递的是动作，涉及空间、环境和任务等多个维度。应用场景越复杂，产品形态就越多，具身智能机器人很难收敛为单一形态。王田苗对此表示认同。他认为，未来五到十年，具身智能产业不会“赢者通吃”，将呈现多种形态并存、百花齐放的格局。

此外，对于通用机器人的终局是走进家庭此类常见叙述，席宁也提出了不一样的看法。他认为，具身、通用机器人最先落地的场景应该是特种、刚需场景，尽管此类应用面窄，“今天讲不出故事，算不出产值，但对技术的发展非常重要。”只有在这些场景应用成熟后，才有可能进一步向其他领域扩散。

以下是王田苗和席宁对谈（略有删减）

世界模型的发展是渐进过程，产业收敛取决于场景

王田苗：最近很多创业者都在拥抱具身智能大模型，我有两个问题：一是从逻辑上，世界动作模型和现在说的世界模型，到底是什么关联？二是这样的模型会不会收敛，或者什么时候收敛？

席宁：这是一个很难的问题。今天的大语言模型取得了巨大的成功，现在希望把语言模型推广到跟动作相关，即所谓的物理AI，但语言模型和处理动作的物理AI有本质的区别。

语言模型处理的是文字、信息，模型解决的问题是词与词之间的逻辑管理。让今天的模型来处理动作，问题变得复杂得多。动作首先具有逻辑关系，要明确先做什么、后做什么；其次，具有空间关系，机器人要知道物理的位置在哪里；第三，还有时间关系；最后，动作还涉及机器人与环境、物体之间的互动，包括接触和力的交互，而这些在纯语言模型中并不存在。

所以物理模型面对的是四维模型，语言模型是一维的，复杂程度远远高于传统的语言模型。

王田苗：那么，世界模型三到五年会收敛吗？

席宁：是否收敛，在世界模型里有两方面的含义，第一层是技术层面的收敛，即世界模型能否解决机器人规划和控制中的问题。这会是一个渐进发展的过程。未来三到五年，相关技术肯定会继续发展，也会解决更多落地场景中的问题。

第二层是产业层面的收敛。一个模型能否形成头部产业，或者推动一种应用大规模普及，并不是模型本身能够决定的。

一些应用可能明年、后年就会落地，但从落地到全面铺开，再到最终形成规模，与场景选择、应用是否成功以及能否推广有很大关系。因此，产业何时“收敛”，不能脱离具体场景讨论，也不是单纯依靠一个模型就能解决。

家庭并不是具身机器人的第一站

王田苗：家庭机器人常见的需求有三类：一是聊天和情感陪护，二是家务劳动，三是帮助老年人洗澡、锻炼和康养。哪些是真需求还是伪需求？如果排序，哪一类会率先落地？

席宁：讨论具身机器人的应用，要看新技术的一般落地路径。回顾计算机、互联网、GPS等技术的发展，很少有新技术一开始就直接普及到家庭。具身机器人一定也是先进入刚需、高附加值、环境相对明确的领域，在应用过程中完成技术迭代、降低成本，之后再逐步扩展到其他行业和消费市场。

我认为具身智能机器人落地会先在特种、医疗、制造等领域应用，再进入商业场景。最后逐步走向家庭。特种场景，虽然应用面窄，今天讲不出故事，算不出产值，但对技术的发展非常重要。技术在这些场景中成熟以后，才有可能进一步向其他领域扩散。

王田苗：做饭、叠衣服等家务劳动会不会成为通用机器人的机会？

席宁：这些当然是真实需求，但关键是机器人没有竞争力。一个通用机器人真正走进家庭，实际上又会面临很多问题。做饭、叠衣服的竞争力是什么？洗碗机等可以用更低成本、更高效率把这件事做好。

如果说陪护机器人走进家庭陪伴老人，可以传递信息、情感交流，这样老人就不寂寞了，但这个假设是有问题的，老人真正需要的是跟人交流，而非虚假的人。

未来五到十年，具身智能不会“赢者通吃”

王田苗：现在做具身智能、机器人“大脑”和人形机器人的创业者大家普遍都朝气蓬勃、意气风发，觉得经过三四年的发展，就有机会成为世界头部公司。但与此同时，大家也会很焦虑：融资速度一旦跟不上，或者如果走不到头部，就可能被边缘化。具身智能产业的终极局势究竟是“百花齐放”还是“赢者通吃”？

席宁：可以从其他技术的发展历程中找到答案。智能手机形成了庞大的市场，也产生了少数头部企业，但手机主要处理和传播语音、视频等信息。具身智能机器人处理和传递的则是动作。动作不仅包含信息，还涉及空间、环境和任务等多个维度。维度越多，应用场景和产品形态也会越丰富。工业机器人的发展已经说明了这一点。

过去，工业机器人主要应用于汽车、机械加工等制造领域，在相对固定、约束明确的厂房环境中完成特定任务。后来，机器人从汽车制造进入3C等新领域，协作机器人等新形态随之出现；当应用进一步扩展到建筑、物流等行业，机器人的形态还会继续增加。

具身智能机器人不会只有一种终极形态。未来成功机器人的种类，很可能比今天的手机和电脑更加丰富。

王田苗：我很同意。未来的5到10年，具身产业不会出现“赢者通吃”，会是多种形态，百花齐放。未来分享千亿级市场的企业可能不只是十家，而是二十家甚至五十家。围绕不同的行业、模型、传感器，以及服务和租赁模式，都会产生新的机会。

企业进入这条赛道，既要拥抱AI、端侧芯片等共性技术，也要扎根具体的垂直场景和项目。如果过度受到“数据飞轮”“统一世界模型”或“通用人形机器人”等叙事影响，把资源全部集中在一种形态上，反而可能错过多样化的市场机会。

初创企业还不是绝对的独角兽，一定要绑定头部客户

现场观众：这两年具身智能持续升温，但企业的发展路线似乎越来越相似。无论是做机器人本体还是零部件，很多企业都开始向数据采集、自研模型乃至世界模型延伸；采用不同技术路线的企业，也在相互吸收对方的优势。面对都声称具有技术优势的项目，应该重点考察哪些因素，才能判断一家企业是否具有较强的成长性？

王田苗：首先要看项目是否符合国家战略需求和市场逻辑，这是最重要的。其次要看团队，特别是创业者是否具备创新能力、长期投入的决心和全力以赴的执行力。对于早期投资而言，这两个维度非常关键。

在技术和产品方向，企业一定要深入垂直场景，用软件和模型能力赋能现有硬件。

另外，垂直模型如果能够与头部客户的重点项目深度绑定，就很有机会。此外，端侧芯片也值得关注。当前行业投入较多的是云端算力，而传感器、运动控制、机器人关节等环节所需的端侧芯片，仍有进一步发展的空间。垂直模型、工业智能体和端侧芯片，都是值得关注的方向。

现场观众：具身智能技术迭代很快，企业在寻找落地场景的同时，也希望加强与高校和科研机构的合作。对于产学研合作，两位有什么建议？

席宁：具身智能和物理智能的发展，需要产业界与学术界共同推动。

传统模式往往是高校或者科研机构先完成研究，再考虑成果转化和应用。但面对快速迭代的技术，这种线性模式已经不够了。研究和转化应该更紧密地结合，在研究启动和推进的过程中，就同步考虑产业需求、应用验证和成果转化，让企业更早参与研发过程。

王田苗：我补充两点。作为初创企业，如果还不是绝对的头部独角兽，还是在20亿上下时，我认为有两个逻辑不能翻。

第一，要尽可能绑定头部的客户。头部客户的真实项目，是检验技术是否可行的重要方式；如果客户本身具有全球业务和产业链资源，企业的产品也更容易接受国际市场的检验。

第二，要与高校形成优势互补。企业可以基于通用模型，开发面向垂直场景的“小而专”模型，通过真实数据持续迭代。同时，双方还可以围绕机器人本体设计、执行器、操作器、多模态力触觉和预测控制等关键技术开展合作。

其中，预测控制尤其重要。它承接上层智能体的决策，并将其转化为机器人能够执行的具体动作，是连接机器人“大脑”和实际执行系统的重要环节。

澎湃新闻记者 喻琰