与会嘉宾普遍认为，2025年是“打基础”的蓄势之年...
与会嘉宾普遍认为，2025年是“打基础”的蓄势之年，而2026年将是具身智能从实验室的“炫技”走向真实场景“实干”的关键跨越之年。
从GPT-2到GPT-3
如何定义当前具身智能所处的发展阶段？
千寻智能联合创始人高阳认为，2025年的具身智能处...
千寻智能联合创始人高阳认为，2025年的具身智能处在“GPT-2”时代，行业在数据基建层面解决了大量问题，而从2025年到2026年，正是具身智能从GPT-2向GPT-3跨越的关键时期。
他预测，到2026年末、2027年中，具身智能极有可能看到GPT-3级别模型的出现。
对于这一判断，原力灵机创始人唐文斌表示认同。
他坦言，行业虽然仍处于非常早期的初级阶段，但发展“斜率极大”，充满了令人兴奋的增长潜力。
王鹤亦表示，2025年是技术上打基础，凝聚了一部分...
王鹤亦表示，2025年是技术上打基础，凝聚了一部分共识，同时又打开了部分场景的一年，具身智能赛道彻底被点燃。
星动纪元联合创始人席悦则指出，2026年是“速度和...
星动纪元联合创始人席悦则指出，2026年是“速度和加速度都飞快的一年”，新公司不断涌现，行业洗牌也在同步进行。
数据：从“花钱解决”到“真实飞轮”
尽管前景广阔，但通往GPT-3时代的道路并非坦途。
与会嘉宾都将“数据”视为当前最核心的挑战与瓶颈。
“数据，是当前最卡脖子的瓶颈。
”席悦直言，在真实环境中收集数据的难度极高，不仅需要场景方开放，大规模收集的成本和效率也是巨大难题。
对此，唐文斌认为，数据采集的初期问题本质上是“钱和时间”的问题，可以通过投入来解决。
但真正的挑战在于，如何让机器人从真实场景中持续反馈数据，形成类似自动驾驶领域的“数据飞轮”。
“这是一个鸡和蛋的问题。
”唐文斌分析道，“现在的机器人还不够成熟，无法被大...
”唐文斌分析道，“现在的机器人还不够成熟，无法被大规模部署；但想要机器人取得进步，我们又必须让它被批量使用。
”他将当前一些不成熟的应用称作“伪装成干活的跳舞”...
”他将当前一些不成熟的应用称作“伪装成干活的跳舞”，但他也表示这在技术尚不完美的当下，能够提供情绪价值，也是一种有价值的商业探索。
除了数据，模型架构的升级也是亟待攻克的难关。
高阳指出，当前多数视觉-语言-动作（VLA）模型的设计仍较为简化，例如输入仅为单帧图像。
未来的机器人需要像大语言模型一样拥有“记忆”能力，...
未来的机器人需要像大语言模型一样拥有“记忆”能力，如何通过模型架构的升级，实现更端到端、更一体化的决策系统，是数据之外的另一大挑战。
智平方联合创始人张鹏则从系统论的角度强调，单纯谈论...
智平方联合创始人张鹏则从系统论的角度强调，单纯谈论模型或数据都无法解决所有问题，只有让“模型+本体硬件+场景系统”三位一体，在真实场景中经历磨炼，才能真正实现规模化交付。
场景：聚焦“半结构化”
机器人眼下虽还未大规模走进家庭，但也正通过在工业等场景的落地，一步步为未来的普及铺路。
在落地场景的选择上，几位嘉宾都一致认为，先进入工业与公共服务领域。
“今天模型能力还比较弱，还得从比较简单的场景开始做。
”高阳表示，千寻智能目前重点关注工业和服务场景，因...
”高阳表示，千寻智能目前重点关注工业和服务场景，因为这些场景相对结构化或半结构化，多样性较低，便于将探索标准化、可复制，并快速上量。
张鹏也认为半结构化的工业制造、简单的服务与物流搬运...
张鹏也认为半结构化的工业制造、简单的服务与物流搬运场景，是当前结合模型能力与供应链能力，可以实现规模化交付和布局的最佳切入点。
唐文斌则为场景选择提出了四条“必要条件”：能容忍错...
唐文斌则为场景选择提出了四条“必要条件”：能容忍错误、对效率有容忍度、需要一定的泛化能力、能够长时间作业并算得平ROI（投资回报率）的账。
这也清晰地指向了标准化程度高、流程明确的场景。
：