圆桌｜智源大会激辩AI和具身智能：同质化焦虑下，企业护城河在哪里？

当顶级大模型评测表现日趋趋同，开源模型与闭源的差距被认为仅3-6个月，AI模型和具身产业是否走向同质化——长期价值究竟来自哪里？

在北京智源大会现场，蓝驰创投管理合伙人陈维广、智源研究院院长王仲远、银河通用创始人兼CTO王鹤、面壁智能CEO李大海围绕大模型时代的长期价值展开讨论。

在业内看来，中美AI对决，人才是关键，而具身是中国的机会——具身智能的AlphaGo和ChatGPT时刻会在中国实现。

同质化焦虑是伪命题

在王仲远看来，当下各类大模型榜单眼花缭乱，榜单本身并不可信，但敢做真机现场展示、敢进入真实场景落地的模型公司，本身就有底气，更能在真实场景中找到数据闭环。

在他看来，大模型整体性能迭代远未到达瓶颈，技术路线远没有收敛，未来可能呈现“一超多强”“多巨头并立”等多种格局，现在就断言行业会走向同质化，显然为时过早。

银河通用创始人王鹤则将视野从大语言模型延伸到具身智能领域。在他看来，大语言模型本身仍存在大量变数，多模态、视频理解的不确定性更大，而具身智能目前正处在“GPT-1到GPT-2的阶段”，行业刚刚进入加速期。

“具身智能的护城河是一个完整的体系。”王鹤认为，从源头的数据供给（合成数据、人类数据、机器人数据）、数据提炼能力，到硬件迭代与软硬协同设计，再到模型吞吐融合能力、最终交付硬件的整套能力，是一个“六边形战士”式的综合体系——目前全世界范围内还没有这样的成熟产品，护城河依然极深。

面壁智能CEO李大海则用Anthropic的商业成功给出了最直接的例证：“大模型不能只是‘梯形人才’，光有通用的横向能力不够，必须有纵向的长板。”Anthropic之所以成为全球当红炸子鸡，正是在通用模型的基础上，把Coding能力做到了独步天下，以此支撑起了高估值和亮眼的商业成绩。

他提出，大模型正在内化成一个系统演进，而非孤立的技术点——未来的模型优化必须和应用场景深度协同，就像发动机要和整车协同设计，针对F1赛车和买菜车的发动机，优化方向完全不同。“技术的通用性和商业的通用性必须分开，好的商业化一定需要模型做极致的场景化优化，每家公司找准方向，都能建立自己的护城河。”

多模态、具身智能开启新增长曲线

当行业开始讨论“Scaling Law（尺度定律）是否失效”“大语言模型是否遇到瓶颈”时，多模态、具身智能、端侧模型正在开启新的Scaling空间。

王仲远透露，去年行业关于Scaling law失效的讨论，核心源于“互联网预训练数据用完了”的焦虑，但过去两年，后训练、推理优化、Agent递归自进化已经带来了新一波能力提升——“不一定是模型本身参数提升，而是整个系统能力越来越强，AI从聊天工具变成了执行工具”。

作为研究院，智源正在探索下一条智能增长曲线：过去两年在多模态领域验了scaling范式，悟界Emu3系列仅用不到1%的多模态数据、百亿参数规模，就已经呈现出明显的性能提升；现在已经开始向物理世界的世界基座模型进发，探索世界模型的scaling路径。

王鹤分享了银河通用的实践：在WAM（世界动作模型）范式出现前，银河通用已经使用10亿帧仿真数据验证抓取技能的scaling可能，研发的GRASP-VLA实现任意物体零样本抓取，至今没有依托真实遥操作数据的模型能达到同等水平。

而WAM范式的出现，彻底打破具身智能的数据瓶颈。王鹤解释，传统VLA模型需要带动作标签的数据，只能依赖机器人数据；但WAM以Action为核心，通过未来预测做视觉层面的动作规划，不需要动作标签——这意味着机器人可以直接学习人类视频中的行为逻辑，海量人类视频数据都能成为训练素材。

“2025年3月银河通用发布了全世界第一篇WAM论文，今年4月英伟达具身智能实验室主任Jim Fan就说，机器人的终局就是WAM。”王鹤判断，具身智能的预训练正在迎来爆发期，数据获取已经没有局限性，“未来两年，具身智能将全面迎来GPT-3.5时刻，而冲刺入场券，是千万小时高质量数据和百亿级的资金投入”。

李大海提出面壁智能的“知识密度定律”：大模型整体智能 = 知识密度 × 参数量。他透露去年给车企落地端侧模型时只能做到1B参数，今年已经升级到4B，明年大概率会达到几十B——随着量化技术提升，知识密度变高，更强的模型量化后占用的资源反而和之前一样，端侧模型的规模扩张才刚刚开始。

“行业很多阶段性结论保质期都很短，发展一直在推翻旧认知。”在他看来，不仅端侧模型还有巨大空间，大语言模型的长上下文处理、低功耗优化，都还有远未挖掘的scaling潜力，行业远未走到收敛阶段。

中国AI的差异化优势

对话最后，嘉宾们也回应了大家最关心的两个问题：Agent会不会伤害人类？中国AI和欧美会走出怎样不同的路径？

王仲远认为，AI技术和自动驾驶的发展路径一样，必然会经历从担忧恐惧到适应使用，再到建立完整治理体系、责任划分机制的过程。当技术能带来3-5倍的生产力提升，它的普及就无法被阻碍，而人类经历了多轮技术浪潮，必然能找到对应的治理方案。

李大海则表示：人类社会本质上就是“吃一堑长一智”发展过来的——飞机的安全规则、路段的限速，每一条背后都是惨痛的教训。AI技术会提升发现漏洞、修补问题的效率，让这份代价大幅降低，而行业从起步阶段就高度重视安全底线，企业也在主动承担社会责任。

“但吃一堑长一智的规律或许难以彻底规避，安全风险往往从意想不到的维度出现，用教训推动规则完善，是我们需要正视的现实。”

关于中国AI的差异化优势，王仲远认为，中国的供应链、制造业优势和庞大的本土市场，足够孵化催化新技术落地，具身智能、世界模型很可能成为中国实现差异化领先的领域。

“具身智能是中国的机会。”王鹤坚定地表示，他坚信具身智能的“AlphaGo时刻”和“ChatGPT时刻”都会在中国实现，“如果0到1在中国完成，1到100必定会在中国成熟”。

李大海则补充了最核心的底层因素：“中国拥有全球数量最多、最聪明的青年AI人才，这是最底层的优势。”叠加供应链、生态、场景优势，中国必定会在AI领域取得长足进步。