“過去大家在爭論用哪個大模型來改，我們直接跳出這個問題——為什么要改？為什么不從第一行代碼就為機器人而寫？”

2月10日，在北京中關村展示中心舉行的“具身原生”技術開放日上，原力靈機聯合創始人兼CEO唐文斌表示，2026年不是具身智能的元年，而是具身原生的元年。

當天，原力靈機發布了三大核心成果：具身原生大模型DM0、具身原生開發框架Dexbotic 2.0以及具身應用量產工作流DFOL。

(相關資料圖)

據介紹，DM0是從零開始訓練、專為物理世界交互設計的大模型，融合多模態互聯網數據與真實具身場景（如駕駛、操作、導航）的多傳感信息，在2.4B參數量下實現了高智能密度。該模型還以768×768高分辨率輸入和60ms實時推理延遲，在RoboChallenge真機評測中奪得單任務與多任務雙項第一。同時，DM0全面開源，支持在消費級顯卡上微調。

在“Physical AI Next”圓桌論壇上，唐文斌與來自學界以及企業的多位大拿展開深度對話，探討具身智能的發展現狀與未來路徑。

面對“具身智能下一步卡在哪”的問題，北京智源人工智能研究院院長王仲遠坦言，雖然硬件和模型進步迅速，但還遠遠沒有到具身的ChatGPT時刻，離大規模應用仍有巨大gap。目前技術路線還尚未收斂，無論是VLM+控制、端到端VLA，還是世界模型，都處于探索階段。他強調，行業需通過真實場景積累數據，形成閉環，再解決泛化問題。

清華大學教授汪玉從基礎設施的角度表示，當前機器人任務仍局限在“工作臺”。要完成收拾屋子這類長程跨模態任務，不僅需要模型的突破，也可能需要環境本身的協同，比如建筑是否應為機器人生活而設計。他同時指出，中國在產業鏈、供應鏈上具備優勢，產學研聯動也慢慢變多，有望比美國在具身層面有更快突破。

階躍星辰CEO姜大昕表示，具身智能的“ChatGPT時刻”比語言模型更難定義，其泛化維度多元（場景、任務、目標），且視覺編碼、3D空間推理等基礎問題仍待突破。但ChatGPT時刻的標志性信號就是零樣本泛化，“給它任何一條指令，即使以前沒有見過，它也可以回答出問題”。

星海圖CEO高繼揚指出，具身智能產業鏈鏈條遠長于大模型，涉及零部件、數據、算法等多個環節，其中，供應鏈和零部件其實很不成熟，渠道和終端跟大語言模型有所不同，算法反而是傳播最快的，得益于開源社區，第一梯隊公司的算法傳播周期在2-3個月?！?026年是智能爆發，爆發的結果一定在某些應用領域形成應用的外溢，而且同時配合了供應鏈和整機。尤其是中國，顯著比美國強得多，周期快5-10倍，成本只有五到十分之一，今年會是發生變化的一年?！?/p>

唐文斌則表示，他心中的ChatGPT時刻，是在限定場景中真正有用、可信賴、ROI可算，把玩具變成工具。他認為，“目前在倉庫、工廠里打螺絲，可能閉環之后大眾并不能感知到，也許DeepSeek時刻可能全民都能感受到這個產品來到我們的身邊”，如何能夠從工業物流走向商用、走向ToC（消費者端），這個時刻還要再晚一些，“今天我們對它的錯誤容忍度體驗要求更多，我覺得也不會太遠”。

當前，具身智能正站在邁向產業落地的關鍵拐點，然而跨越實驗室到千行百業的鴻溝，仍需多重突破。機器人們何時能從視頻里的“無所不能”走向現實中的“穩定可用”，2026年或許正是關鍵起點。

標簽： 算法 具身 圓桌 唐文斌 產業鏈 智能機