“过去行业曾纠结于用现有大模型改造机器人，而我们选择跳出这个思维定式：既然如此，为何不从第一行代码就为机器人量身定制？”2月10日，在北京中关村展示中心举办的“具身原生”技术开放日上，原力灵机联合创始人兼CEO唐文斌提出这一观点，同时强调2026年不是具身智能的元年，而是具身原生的元年。
活动当天，原力灵机同步发布三项核心成果：专为机器人设计的具身原生大模型DM0、开发框架Dexbotic 2.0，以及应用量产工作流DFOL。据介绍，DM0是从零训练的专用大模型，聚焦物理世界交互，整合多模态互联网数据与驾驶、操作、导航等真实场景的多传感信息，仅24亿参数就实现了高智能密度。在RoboChallenge真机评测中，它以768768分辨率输入和60ms实时推理延迟，包揽单任务与多任务双项冠军，且全面开源，支持消费级显卡微调。
在“Physical AI Next”圆桌论坛上，唐文斌与学界、企业专家围绕具身智能发展现状与路径展开讨论。北京智源人工智能研究院院长王仲远指出，尽管硬件与模型发展迅猛，但具身智能尚未迎来“ChatGPT时刻”，距离大规模应用仍存在显著差距。当前技术路线尚未确定，VLM+控制、端到端VLA及世界模型等方向均处于探索阶段。他强调，行业需通过真实场景数据积累形成闭环，进而攻克泛化难题。
清华大学教授汪玉则从基础设施角度分析，当前机器人任务仍局限于“工作台”场景。要实现收拾屋子等长程跨模态任务，不仅需要模型突破，还可能依赖环境协同，例如建筑是否需为机器人生活场景优化。他同时提到，中国在产业链、供应链上具备优势，产学研联动逐渐增多，有望在具身智能领域比美国更快突破。
阶跃星辰CEO姜大昕认为，具身智能的“ChatGPT时刻”比语言模型更难定义，其泛化需考虑场景、任务、目标等多维度，视觉编码与3D空间推理等基础问题仍待突破。不过，零样本泛化是关键标志——“无论给出何种指令，即使从未接触过，也能完成任务”。
星海图CEO高继扬指出，具身智能产业链比大模型更长，涵盖零部件、数据、算法等多环节，其中供应链与零部件成熟度不足，渠道和终端也与大语言模型不同，反而是算法传播最快——依托开源社区，头部企业算法传播周期仅2-3个月。“2026年将是智能爆发期，结果会在部分应用领域形成外溢，且需配合供应链与整机。中国在周期（比美国快5-10倍）和成本（仅为五到十分之一）上优势显著，今年或成转折点。”
唐文斌则表示，他理解的“ChatGPT时刻”是在限定场景中实现实用、可靠、可量化ROI，将玩具级产品转化为实用工具。“当前工厂打螺丝等场景闭环后，大众可能难以直接感知；而真正让全民感受到的‘DeepSeek时刻’，需从工业物流走向商用及ToC端，这还需时间。但以当下对错误容忍度的体验要求，我认为不会太远。”
当前，具身智能正处于产业落地的关键拐点，要跨越实验室到实际应用的鸿沟，仍需多重突破。机器人从视频中的“无所不能”走向现实中的“稳定可用”，2026年或成关键起点。
来源：澎湃新闻
#Seedance 2.0爆火！AI应用或迎大爆发##稀土小金属走强 战略资源价值重估持续？##春节你是持币过节or持基？#
