21世纪经济报道记者冉黎黎 北京报道

6月10日，2026年“活力中国调研行”暨北京主题采访活动启动。

活动期间，北京智源人工智能研究院院长王仲远对21世纪经济报道记者表示，人工智能正在加速从数字世界迈向物理世界，具身智能就是其中的重要载体，也就是将人工智能装入硬件身体。“我们认为这个硬件至少在短期之内并不一定非要是人形。”

王仲远表示，整个具身智能依然处在早期阶段。一方面，硬件不够成熟，虽然能够看到现在机器人做表演、跑步都非常稳定了，但是在供应链产业链的成熟度、安全性、电池持久性等方面仍存在一系列问题。另一方面，数据依然不够，虽然在过去很长的一段时间里面使用了互联网的数据、数字世界的数据、仿真的数据来训练具身的模型，但是真机的数据非常少。

“真实数据的缺乏也就意味着模型能力还是比较弱的。”王仲远表示，“虽然我们过去也发布了一些模型，这些模型能解决一些很具体的问题，但是当我们在真实环境中部署的时候，会发现泛化性依然还不够。”

王仲远指出，大家所期待的具身智能，是将来机器人真的能够像人类一样进入工厂，简单地教它做几个示范，它就能开始干活；进入家庭，帮我们解决各种各样的任务。然而，这对泛化性、稳定性、成功率、精准性，以及对真实物理世界和物理规律、物理常识的理解，都提出了极高的要求。

他认为，目前无论是VLM、VLA，还是近一两年流行的World Action Model，都远远没有实现这样的模型能力，模型距离真正的具身智能重大突破以及产业需要仍有距离，距离机器人进入真实生活场景所需的模型能力也还有差距。这正是他判断整个具身智能仍处于早期或“小组赛”阶段的重要原因。