WAIC观察：具身智能仍处于前沿探索期，“先通后专”是发展方向

在刚刚落幕的2026世界人工智能大会（WAIC）上，“人工智能从数字世界走向真实世界”已成为产业界的共识。

展台上，具身智能的进步清晰可见。前几年，人形机器人还只是静态展示，去年已经可以在台上打拳击赛，今年，更多机器人走进各大场景“干活”了，这不禁让人好奇，明年的具身智能，还能整出什么花活来？

与展台上的热闹相比，业界则展现出一种审慎的冷静。在由面壁智能主办的“智在终端，惠及千行”端侧AI创新与行业发展论坛上，记者采访了面壁智能联合创始人、首席科学家刘知远认为，尽管具身智能行业已经有400-500家企业，但具身智能仍处于前沿探索期，技术路线尚未收敛，行业需警惕“虚假繁荣”，“先通后专”或将是必经之路。

端侧AI是进入物理世界的关键支撑

人工智能正加速从“数字世界”走向“真实世界”，而端侧AI正是这一进程的关键支撑。

北京智源人工智能研究院联合端侧实验室发布的《端侧智能2026——规模化落地元年》报告指出，2026 年端侧智能正从概念验证迈向规模落地，产业化拐点已然到来。

《报告》指出，囿于成本、时延、隐私三大约束，大模型正经历第二次结构性跃迁：从以云端为唯一算力中枢的单点智能，走向端云分工、协同共生的分布式智能系统，端侧AI由此成为产业焦点。

“2026年是端侧AI规模化落地的元年。面壁智能的定位很清晰——做普惠千行百业的大模型基座：以技术引领做深底座，以产业推动做实场景，以生态共建做大未来。”面壁智能CEO李大海判断认为。

数据显示，截至2026年6月30日，面壁智能MiniCPM开源模型系列累计下载量突破3800万次，覆盖文本、视觉、语音全模态。基于“密度定律”技术路线，MiniCPM已落地手机、汽车、具身智能、航天等多元终端，并已搭载于吉利银河M9 、长安马自达EZ-60等车型的智能座舱。

记者了解到，在端侧AI论坛上，面壁智能继续拓展技术边界，发布两款重量级端侧大模型产品。

MiniCPM5-2B端侧文本大模型，仅 20 亿参数，却在综合知识、数学推理、代码、指令遵循和智能体能力上均做到同尺寸领先，在AA榜单中位列 2B 以下模型第一。

VLA具身模型，以通用智能为起点，让机器人能够直接处理普适、长程、流水线式任务。该模型融合多模态技术沉淀与视觉Token极致压缩能力，在保留完整历史观测记忆的同时，计算量与不保留记忆时持平，在机器人上下文记忆基准上取得显著优势。

警惕“Demo繁荣”，回归基座泛化能力

今年WAIC期间，具身智能的进化再度让人惊喜。不少机器人“上得厅堂下得厨房”，能进工厂能搬货，展现出未来的无限可能。

不过，业内专家也提出了冷思考。有专家认为，行业展示的具身智能Demo，多为针对特定场景微调的“专家模型”。这些 Demo 虽视觉效果佳，但缺乏基础泛化能力，并非领域真实进度的体现。

面壁智能学术合伙人、多模态智能首席科学家姚远在接受记者专访时坦言，面壁智能短期内的策略并非快速推出场景化 Demo，而是致力于打磨基础数据、Infra 工程链路及模型的泛化基座：“通过提升模型的基础能力，许多场景应用将迎刃而解，这是一种更本质但见效较慢的路径。”姚远认为，过早追求特定场景的微调落地可能是一种“干扰”，容易导致虚假繁荣。

那么具身智能3-5年后的中期发展会是怎样一种光景呢？刘知远提出了一个鲜明的判断：具身智能必将遵循“先通后专”的发展模式。这有些类似于大学的通识教育和专业教育。他以人类学习类比：“通用人工智能的核心逻辑是先具备关于世界的常识，即感知与思考，再学习专业技能，即行动。如同人类先有十几年的世界交互经验，才能快速学会开车。相比之下，仅依靠专用数据训练单一能力的路线已触及天花板，无法解决长尾问题。”他认为，未来具身智能的竞争，不是单纯的数据竞赛或场景卡位战，而是一场关于“世界常识”基座构建的马拉松。

当谈及商业化节奏时，刘知远提供了一个极具参考价值的成熟度评估框架。他认为，应将具身智能置于“端侧智能”的大范畴内考量，模型需兼具感知、思考决策与行动三大能力。

“目前，语言模型的成熟度最高，多模态感知成熟度约 70%-80%，而行动模块尚处早期，成熟度可能不足 40%。”基于此，刘知远指出，商业化落地需与技术成熟度紧密贴合。当前阶段，通过感知与决策的闭环，在车载内外感知等场景已展现出广阔前景，而涉及复杂物理行动的具身应用则相对靠后。

姚远进一步补充了面壁智能的策略选择。“我们的策略是专注技术本身的增长，待基础模型实现质变后，应用场景将自然涌现。“他说，企业希望确保商业信号真实反映技术实力，而非为了短期落地而扭曲技术路线。”