未來誰將掌控具身大腦？
9月1日，OpenAI明確表示：將進入人形機器人。
兩天後，GPT-6 Astra發布。在一項測試中，它完成簡單抓放的成功率達到95%，換成精細插入，卻只剩10%。
大模型正在進入物理世界，但從「會做」到「真正會幹活」，還差一顆真正可用的「大腦」。
當下，具身智能的聚光燈，也正在轉向"大腦"。
錢已經投了票。
上半年國內具身智能孖展超過400億元，過半流向"具身大腦"公司——其中超七成佈局世界模型。
但另一邊，智源對12個開源具身模型的評測顯示，複雜任務組合最高成功率僅16.7%。
世界模型越火，行業越需要回答：它究竟讓機器人真正變聰明瞭多少？
所以，這一次，我們把一線創業、模型研發、資本、學術前沿請到同一張桌子上，追問四個問題：
世界模型，到底給具身智能增加了什麼「真能力」？
它會成為機器人大腦的核心，還是只是衆多路線中的一條？
一顆具身大腦到底要做到什麼程度，纔算真正"上崗"？
當數十億、上百億估值壓上來，哪些是真正的技術資產，哪些只是提前定價的未來？
世界模型—自進化系統—學術前沿—資本判斷，坐到了同一張桌子上。
中國電子學會世界模型專委會第一屆委員
他站在世界模型 Scaling 與系統工程的一線。
在加入章魚動力之前，陳文科曾在字節跳動 AML/Seed 團隊及頭部大模型企業工作，長期從事多模態生成模型的 Infra 與預訓練研發。
他關注的並不是只把模型 「訓出來」，而是讓算法、系統、數據、硬件Co-Design，把世界模型真正scale起來。
他將回答：世界模型究竟應該在機器人大腦裏承擔什麼角色？
預測世界、生成動作、輔助訓練、做價值判斷，還是最終直接參與控制？
捕獲自變量的具身賽道投資人
他坐在資本席，但懂技術。
邱諄本科畢業於北京大學計算機系，此後赴美學習人工智能，長期工作於硅谷；進入投資行業之前，曾擔任騰訊雲T4專家架構師和技術總監，也曾任斯坦福大學工程及商學院客座講師。現在主要關注AI、具身智能與科技出海。
他是自變量機器人的早期投資人，所在的華映資本已經在具身智能產業連續下注，包括雲深處科技、星動紀元等。
他認為：今天具身智能技術路線尚未收斂。
他最適合回答：
現在資本到底是在為什麼估值？
模型？數據？人才？本體？客戶？還是一個未來可能掌控機器人智能層的平台位置？
如果未來一年孖展環境變化，哪些具身大腦公司依舊值得繼續加註？
南京大學特聘研究員、博導，中央部委高層次創新人才
他研究的是另一件重要的事：機器人失敗以後怎麼辦。
當大多數討論在關注模型"出廠時有多聰明"，吳昊和團隊的研究轉向讓機器人在物理交互中持續成長。
他致力於閉環具身智能自進化：在運行中識別問題、形成恢復策略，並讓系統隨着真實執行經驗繼續演化。
真正的具身智能，不只該知道「下一步做什麼」，還該知道「錯在哪裏、怎麼恢復、如何改進」。
他將幫助我們重新定義：所謂具身智能的自進化，究竟應該如何系統化閉環。
復旦大學可信具身智能研究院助理教授，博導
她站在世界模型與空間智能的研究前沿。
吳桐本科畢業於清華大學，博士畢業於香港中文大學MMLab，曾在斯坦福從事博士後研究，目前同時從事三維視覺、生成模型與世界模型方向研究。
她長期關注的並不只是"生成更像真的視頻"，而是讓模型擁有可交互、長期記憶、物理一致性以及自我演化能力。
其第一作者工作OmniObject3D曾獲 CVPR 2023最佳論文候選（top 0.1%）。
她將分享：
一個世界模型把未來視頻預測得更逼真，和機器人真的幹得更好，中間究竟隔着幾步？
「看起來懂物理」，什麼時候才能真正變成"能夠利用物理規律行動"？
世界模型已經成具身智能最熱門的技術標籤，但大家嘴裏的"世界模型"，可能並不是同一個東西。
有人用它預測未來狀態，有人當數據生成器，有人做規劃和價值判斷，有人希望進一步生成動作。
它真正解決的問題是什麼？
降低數據成本、提高泛化、預測動作後果、幫助失敗恢復，還是最終承擔機器人決策？
如果不再使用"世界模型"四個字，技術和產品價值還剩下什麼？
如果世界模型最終成為"大腦"的一部分，這顆大腦到底屬於誰？
本體公司一定要自己做嗎？會不會出現像操作系統、基礎模型一樣獨立存在的第三方"大腦公司"？
「一腦多機"到底能通用到什麼程度？換一個機械臂、換一個本體，要補多少數據、多少工程時間才配得上"通用」？
數據歸誰、升級權歸誰、客戶關係歸誰，誰最後掌握機器人的智能控制權？
機器人真正會幹活，不能只看一次漂亮Demo。要追問：
同一個完整任務，連續做10次、100次，成功率是多少？
換個物體位置、房間佈局、任務順序以後，還剩多少？
失敗以後有多少能自主恢復？多少需要人工接管？換一個新任務、新本體，需要多少數據、多少天、多少錢？
最終，我們希望把"機器人很聰明"變成真正能比較的數字：
完整任務成功率、重複穩定性、環境泛化、失敗恢復率、人工介入率、遷移成本。
誰在為"具身大腦"付錢？試點費、年度訂閱，還是按成功任務數計件？
客戶買的到底是什麼？一次技術試驗、一台機器人，還是一個能持續完成任務的生產工具？
當世界模型真正產生價值，至少應體現在：
成功率提高了，數據成本下降了，部署周期縮短了，人工接管減少了。
再看資本這邊。
50 億、100 億、200 億估值的"具身大腦公司"，到底按"模型公司""平台公司"還是"機器人公司"被定價？
什麼信號會讓資本繼續加註？
什麼信號出現時，資本會認為——這不是技術突破的提前定價，而是泡沫到來？
未來12個月，具身大腦最可能驗證哪一個關鍵判斷？
世界模型是否真正帶來任務成功率的代際提升；
第三方"大腦"能否出現規模化外部客戶；
長程任務是否跨過某個成功率門檻；
或者某一種今天大熱的技術路線，被事實證明沒有那麼重要。
一年以後，可以回來對答案。
1、世界模型共識/非共識清單：共識與假設各佔多少？哪些能力已經在跑、哪些還停在 PPT 與 Demo 上
2、大腦路線與控制權：模型公司、本體公司、場景方誰拿大頭？智能層價值最終歸誰、誰來分配？
3、資本進退信號：加註看什麼指標、撤資警惕什麼信號？商業化兌現與泡沫跑贏技術的臨界點在哪？
4、關鍵行業鏈接：對接具身模型、本體企業、產業場景與投資機構，建立具身智能核心產業圈層與合作通道。
具身模型、本體、數據採集、仿真與場景部署方向的創業者和技術人
正在一線做算法、系統、運動控制、產品和交付的具身智能從業者；
機器人、AI硬件、智能製造及相關產業上下游從業者
科技投資人、研究者、媒體人與行業觀察者
歡迎掃碼報名，加入這場「具身大腦的真能力」評測場。
時間：9月22日19:00-21:00
形式：騰訊會議 | 閉門直播，深度互動
掃碼即可報名
本內容未經允許不得轉載。授權事宜請聯繫 hezuo@huxiu.com。
End