9 月 1 日，OpenAI 明确表示：将进入人形机器人。
两天后，GPT-6 Astra 发布。在一项测试中，它完成简单抓放的成功率达到 95%，换成精细插入，却只剩 10%。
大模型正在进入物理世界，但从"会做"到"真正会干活"，还差一颗真正可用的"大脑"。
当下，具身智能的聚光灯，也正在转向 " 大脑 "。
钱已经投了票。
上半年国内具身智能融资超过 400 亿元，过半流向 " 具身大脑 " 公司——其中超七成布局世界模型。
但另一边，智源对 12 个开源具身模型的评测显示，复杂任务组合最高成功率仅 16.7%。
世界模型越火，行业越需要回答：它究竟让机器人真正变聪明了多少？
所以，这一次，我们把一线创业、模型研发、资本、学术前沿请到同一张桌子上，追问四个问题：
世界模型，到底给具身智能增加了什么"真能力"？
它会成为机器人大脑的核心，还是只是众多路线中的一条？
一颗具身大脑到底要做到什么程度，才算真正 " 上岗 "？
当数十亿、上百亿估值压上来，哪些是真正的技术资产，哪些只是提前定价的未来？
四位关键人物，把 " 具身大脑 " 拆开来看
世界模型—自进化系统—学术前沿—资本判断，坐到了同一张桌子上。
01｜陈文科｜章鱼动力 世界模型合伙人
中国电子学会世界模型专委会第一届委员
他站在世界模型 Scaling 与系统工程的一线。
在加入章鱼动力之前，陈文科曾在字节跳动 AML/Seed 团队及头部大模型企业工作，长期从事多模态生成模型的 Infra 与预训练研发。
他关注的并不是只把模型 "训出来"，而是让算法、系统、数据、硬件 Co-Design，把世界模型真正 scale 起来。
他将回答：世界模型究竟应该在机器人大脑里承担什么角色？
预测世界、生成动作、辅助训练、做价值判断，还是最终直接参与控制？
02｜邱谆｜华映资本 海外合伙人
捕获自变量的具身赛道投资人
他坐在资本席，但懂技术。
邱谆本科毕业于北京大学计算机系，此后赴美学习人工智能，长期工作于硅谷；进入投资行业之前，曾担任腾讯云 T4 专家架构师和技术总监，也曾任斯坦福大学工程及商学院客座讲师。现在主要关注 AI、具身智能与科技出海。
他是自变量机器人的早期投资人，所在的华映资本已经在具身智能产业连续下注，包括云深处科技、星动纪元等。
他认为：今天具身智能技术路线尚未收敛。
他最适合回答：
现在资本到底是在为什么估值？
模型？数据？人才？本体？客户？还是一个未来可能掌控机器人智能层的平台位置？
如果未来一年融资环境变化，哪些具身大脑公司依旧值得继续加注？
03｜吴昊｜域变换 联合创始人
南京大学特聘研究员、博导，中央部委高层次创新人才
他研究的是另一件重要的事：机器人失败以后怎么办。
当大多数讨论在关注模型 " 出厂时有多聪明 "，吴昊和团队的研究转向让机器人在物理交互中持续成长。
他致力于闭环具身智能自进化：在运行中识别问题、形成恢复策略，并让系统随着真实执行经验继续演化。
真正的具身智能，不只该知道"下一步做什么"，还该知道"错在哪里、怎么恢复、如何改进"。
他将帮助我们重新定义：所谓具身智能的自进化，究竟应该如何系统化闭环。
04｜吴桐｜墨奇智能 世界模型负责人
复旦大学可信具身智能研究院助理教授，博导
她站在世界模型与空间智能的研究前沿。
吴桐本科毕业于清华大学，博士毕业于香港中文大学 MMLab，曾在斯坦福从事博士后研究，目前同时从事三维视觉、生成模型与世界模型方向研究。
她长期关注的并不只是 " 生成更像真的视频 "，而是让模型拥有可交互、长期记忆、物理一致性以及自我演化能力。
其第一作者工作 OmniObject3D 曾获 CVPR 2023 最佳论文候选（top 0.1%）。
她将分享：
一个世界模型把未来视频预测得更逼真，和机器人真的干得更好，中间究竟隔着几步？
"看起来懂物理"，什么时候才能真正变成 " 能够利用物理规律行动 "？
我们只追问四组问题
01｜世界模型爆火，行业究竟在押注什么？
世界模型已经成具身智能最热门的技术标签，但大家嘴里的 " 世界模型 "，可能并不是同一个东西。
有人用它预测未来状态，有人当数据生成器，有人做规划和价值判断，有人希望进一步生成动作。
它真正解决的问题是什么？
降低数据成本、提高泛化、预测动作后果、帮助失败恢复，还是最终承担机器人决策？
如果不再使用 " 世界模型 " 四个字，技术和产品价值还剩下什么？
02｜谁将掌控具身大脑？
如果世界模型最终成为 " 大脑 " 的一部分，这颗大脑到底属于谁？
本体公司一定要自己做吗？会不会出现像操作系统、基础模型一样独立存在的第三方 " 大脑公司 "？
"一脑多机 " 到底能通用到什么程度？换一个机械臂、换一个本体，要补多少数据、多少工程时间才配得上 " 通用"？
数据归谁、升级权归谁、客户关系归谁，谁最后掌握机器人的智能控制权？
03｜一颗具身大脑，什么成绩才算真正 " 上岗 "？
机器人真正会干活，不能只看一次漂亮 Demo。要追问：
同一个完整任务，连续做 10 次、100 次，成功率是多少？
换个物体位置、房间布局、任务顺序以后，还剩多少？
失败以后有多少能自主恢复？多少需要人工接管？换一个新任务、新本体，需要多少数据、多少天、多少钱？
最终，我们希望把 " 机器人很聪明 " 变成真正能比较的数字：
完整任务成功率、重复稳定性、环境泛化、失败恢复率、人工介入率、迁移成本。
04｜谁在为"大脑"付钱，估值又怎么兑现？
谁在为 " 具身大脑 " 付钱？试点费、年度订阅，还是按成功任务数计件？
客户买的到底是什么？一次技术试验、一台机器人，还是一个能持续完成任务的生产工具？
当世界模型真正产生价值，至少应体现在：
成功率提高了，数据成本下降了，部署周期缩短了，人工接管减少了。
再看资本这边。
50 亿、100 亿、200 亿估值的 " 具身大脑公司 "，到底按 " 模型公司 "" 平台公司 " 还是 " 机器人公司 " 被定价？
什么信号会让资本继续加注？
什么信号出现时，资本会认为——这不是技术突破的提前定价，而是泡沫到来？
最后，请各位嘉宾给出一个 " 预判 "
未来 12 个月，具身大脑最可能验证哪一个关键判断？
世界模型是否真正带来任务成功率的代际提升；
第三方 " 大脑 " 能否出现规模化外部客户；
长程任务是否跨过某个成功率门槛；
或者某一种今天大热的技术路线，被事实证明没有那么重要。
一年以后，可以回来对答案。
参与直播，你将获得
1、世界模型共识 / 非共识清单：共识与假设各占多少？哪些能力已经在跑、哪些还停在 PPT 与 Demo 上
2、大脑路线与控制权：模型公司、本体公司、场景方谁拿大头？智能层价值最终归谁、谁来分配？
3、资本进退信号：加注看什么指标、撤资警惕什么信号？商业化兑现与泡沫跑赢技术的临界点在哪？
4、关键行业链接：对接具身模型、本体企业、产业场景与投资机构，建立具身智能核心产业圈层与合作通道。
如果你是
具身模型、本体、数据采集、仿真与场景部署方向的创业者和技术人
正在一线做算法、系统、运动控制、产品和交付的具身智能从业者；
机器人、AI 硬件、智能制造及相关产业上下游从业者
科技投资人、研究者、媒体人与行业观察者
欢迎扫码报名，加入这场「具身大脑的真能力」评测场。
时间：9 月 22 日 19:00-21:00
形式：腾讯会议 | 闭门直播，深度互动
扫码即可报名
富腾优配提示：文章来自网络，不代表本站观点。
沪深京行情 实时轮播
热点资讯
