“Spirit v1.5成为全球最强开源具身模型。”

作者丨梁丙鉴

编辑丨林觉民

“就在这栋楼下面，26年就会有一个上千人的数据采集团队，冲击100万小时数据大关。”韩峰涛忽地探身，手指地面，仿佛下一代具身模型已经被他攥在掌心。

1月12日，千寻智能宣布开源具身模型Spirit v1.5。在RobotChallenge的最新榜单中，它超越此前国际标杆Pi0.5，成为迄今为止，全球最强开源具身模型。

开源前两天，我们在千寻智能北京总部，见到了创始人韩峰涛，进行了一次深度对话。

具身智能技术的繁荣背后有另一番景象：花样迭出的演示demo层出不穷，但实验室外一项叠衣服任务就可以难住大多数厂商。在这种背景下，Spirit v1.5让人看到了具身智能真正解放人类生产力的可能。

RobotChallenge测试项目中包含插花、桌面清理等30个桌面项目，旨在还原真实物理世界的同时，引入随机扰动增加泛化挑战。当名为实验室的“温室”被移除，Spirit v1.5仍然达到了50％以上的任务成功率，作为对比的是Pi0.5模型42.67％的成绩。

一个关键的问题在于，Spirit v1.5到底是“挤牙膏”之作，还是标志着具身模型快速攀升期的开始？韩峰涛坚信是后者。

2026年被他描述成一个充满竞争和希望的年份，数据和算法收敛，具身模型性能通过scaling的方式快速攀升，火热的融资紧随其后。类似的故事发生在2023年，主角是大语言模型。

“26年之于具身智能，就是23年之于大语言模型，”韩峰涛说，“具身智能的GPT moment一定会在26年出现。”

数据数量加数据质量决定模型质量。为此，千寻智能要将自建的数据工厂扩张至近千人规模。而作为行业少见的模型、本体并举的全栈公司，韩峰涛选择自研硬件的初衷也是为模型提供更高质量的数据。因为模型和硬件绑定，联合设计，软硬一体，效果最好。

“最好的机器人就是你自己做的机器人。”他说。

韩峰涛的另一重身份，或许可以解释他对具身模型的笃信。

2014年被称为中国工业机器人元年，同年年底，韩峰涛和同伴创立了珞石机器人，这家公司在日后跻身国产工业机器人前三。一段差不多同期的历史进程，是整个中国工业机器人行业的崛起。从2015年到2024年，国产工业机器人的市场占有率从3％跃升至50％。

读懂过去的人会看到未来。当韩峰涛创立千寻智能时，他知道具身智能并不新鲜。曾经的研究者尝试把深度学习技术用在机器人身上，但当时AI的智能水平还不足以胜任严肃的生产力场景，最终落地的只有NLP、智能音箱或是扫地机器人。

那为什么我们今天会期待，机器人可以真正干活？

“这一代具身智能的核心变量只有一个，就是AI技术发生的革命性变化，让机器人的大脑真正有可能可用了。所以真正的具身智能公司，要思考的核心问题只有一个，怎么让具身模型进化？”

一个无可辩驳的事实是，同样在百亿级资金的投入下，具身智能的发展速度远落后于大语言模型和自动驾驶。韩峰涛将之归因于数据的匮乏。

过去20余年里互联网上积累的数字资产支持了大语言模型的快速爆发，自动驾驶虽然同样遭遇过数据短缺，但没有智驾功能的车也会有人买，这为边卖产品边采数据提供了可能。相较之下，没有大脑的机器人完全没用，这种产品性质让具身智能的数据飞轮更难以启动。只有先采集足够的冷启动数据，让模型能够支撑机器人进入严肃的生产场景，才能再现当年人们边开车边采数的过程。

如何把能干活的机器人卖出去成为了千寻最关键的命题。·“干活”，一个半小时的采访中韩峰涛平均每两分钟提到这个词一次。“舞蹈跳一万次也是一条数据，展品卖出去上千台等于卖出一台。你必须要把那种由模型驱动的、能干活的机器卖出去，才能让数据飞轮转起来。”他说。

特斯拉、蔚小理……你可以从韩峰涛的讲述中看到很多公司的影子。而归根结底，千寻是千寻智能，而不是千寻机器人。

以下是雷峰网和韩峰涛的对话，作者进行了不改变原意的编辑整理：

01

千寻智能，不再拿着锤子找钉子

雷峰网：在千寻智能之前，你在2014年创立了珞石机器人。这十多年里先是中国机器人行业经历了快速发展期，然后整个行业从工业机器人转向了智能机器人的竞争。作为两个历史进程的亲历者，你会怎么给中国在世界机器人行业所处的位置划分阶段？

韩峰涛：四个阶段。2010年之前，国内的工业机器人还是全进口。10年到20年算是发展期，这段时间里国产的零部件、整机在慢慢发展，但是市场占有率的提升不高，可以说还比较弱势。一方面当时刚刚起步，国内客户对国产机的接受度低。而且相关人才也少，很多厂商都是去航空航天、机械这些专业把人招来，自己培养。还有一部分原因是工业周期长，市场比较小，所以那会的投资人对工业没什么概念。直到2015年左右，机器人、半导体、高端装备、医药这些泛工业方向的投资才开始慢慢变多。

20年疫情开始之后，国外的厂商停产比较严重，只有中国还在正常运行。所以当国外缺货的时候，也只有中国的机器人能供上货，客观上讲疫情给了中国机器人行业一个巨大的助推。那几年里国产机器人的市场占有率上来了，零部件因为大家用得更多，也更成熟了。

2015年国产机器人的市场占有率大概3％，2024年就到50％以上了。国产工业机器人的崛起，也就是19年到23年的事。

从24年开始，就是具身智能的竞争了。23年之前中国机器人行业处在以硬件、小脑为核心的进口替代阶段，从24年开始，就要进入以大脑为核心的智能机型时代。在这个时代，有人认为将来大脑成熟之后肯定需要很多本体，所以为了服务大脑开始搞本体、机器狗。有人认为既然核心是大脑，就开始搞大脑，比如我们。总之24年是个分界点，这之前的机型都是以小脑、运控和硬件为主，之后是以大脑为核心。到今天经过两年的发展，具身模型在26年就要进入快速进化的阶段。

前三个阶段我们都在追赶，但是到第四个阶段，中国可以说真正跟海外的对手齐头并进了。

雷峰网：高阳曾经说，如果国内的具身团队买了机器人，训练过程中出了故障可以寄回去修，一周就能邮回来。这样几台机器人轮流上，效率会很快。但宇树不能这样给美国的科研团队维修，只能一次性多寄点配件，导致很浪费时间。你认为中国在工业机器人领域的优势，会如何影响今天围绕具身智能的竞争？

韩峰涛：原来经常有人说，中国有供应链，所以中国的企业就可以拿到便宜的零部件。但特斯拉的供应链也在中国，如果中国有好的供应链，国外的厂商也会买，所以价格这件事上中国企业不存在优势。

那么供应链的主要优势在于什么呢？在于这个供应链体系可以让我们的迭代速度非常非常快。高阳给你举的例子还只是在科研，当供应链就在我24小时包邮区之内，我的产品可以按照天来迭代。一个人在深圳做智能硬件，打板厂、芯片厂、焊接厂、维修厂都会在一个半小时车程之内。一个有问题的硬件今天寄回厂商，明天收回来，可能两天就解决了。如果你在美国，发个特快过去也得一周，特朗普还要加关税。这种情况下，我的迭代速度是美国公司完全没办法比拟的。

但客观来讲，目前美国还是在大脑、小脑和硬件上都有一些优势。硬件领域，中国硬件的主要优势在于便宜，但是要论绝对性能，仍然是波士顿动力和特斯拉领先。你看波士顿动力的现场演示，AI能力虽然弱一点，但是他们的动作稳定性、柔顺度、流畅性都很好，这就意味着他们的整个硬件设计、运控能力非常强。

雷峰网：既然存在这些差距，为什么你仍然认为中国在和海外的对手齐头并进？

韩峰涛：现在我们搞具身智能，很多点上就是全球领先的。3月份的时候，我们的模型是国内第一个完成叠衣服任务的，这也是具身模型里最难的任务之一。到了25年底26年初，我们基模的综合能力在RoboChallenge的评测榜单中位居全球第一，超越了Pi0.5。原先在工业机器人和自动驾驶的时代，全球第一是不太敢想象的。现在我们就是敢，因为时代机遇不一样了。

从中国开始有风险投资到疫情之前，中国几乎所有的硬科技创业都是在搞国产化替代。光刻机、船、飞机、汽车、手机、家电、无人机、全景相机，甚至是灯，都在干这件事。这是历史使命，国家要产业升级就一定要国产化替代，但对于创业者来讲这也是痛苦的。我做机器人，上面有ABB、库卡、发那科，国内还有汇川、埃斯顿这些竞对。但是你现在回头看中国制造2025，这个规划2015年发布，大部分计划都提前完成了。疫情之后中国在全球的科技硬实力，客观来讲是很强的。所以在AI，尤其是具身智能领域，我们起步虽然跟美国还有点差距，但基本上是齐头并进的。

雷峰网：除了面对的时代机遇，你认为千寻智能这次创业，自己还有什么不同？

韩峰涛：一个主要的区别是我对创业的认知。第一次创业的时候，是我会干啥我创啥业，所以我搞工业机器人。而且我也没有非常关注市场角度，去考虑应该做什么样的工业机器人。而是我觉得什么机器人好，我喜欢什么样的工业机器人，我就做什么样的。这就是拿着锤子找钉子，客观来讲是运气好，沾了时代的光，但我们也没有成为一家伟大的公司。

所以第二次创业最核心的变化，就不再是我会干啥我干啥。如果还按照这个思路，那我是做硬件的，我就应该去卖硬件。但这次具身智能核心的机会来源于AI。Embodied AI，embodied是形容词，本质还是AI，所以我们叫千寻智能，不叫千寻机器人。我去找高阳的时候说，我们要做AI，要做具身大模型，因为这才是最大的机会。

这就是我个人认知的变化，第一次是拿着锤子找钉子，但这次是时代需要什么，我就干什么。站在你的创业机会上，做什么样的公司才能抓住时代机遇？这决定了你创什么业。

02

会叠衣服比旋风踢更重要

雷峰网：你为什么判断，具身智能行业的时代机遇是具身大模型？

韩峰涛：你想没想过，为什么会有具身智能这个赛道？原因很简单，就来源于AI技术进步，就来源于大模型。宇树16年成立，珞石15年成立，乐聚、云深处也都很多年了。原来也有机器人，但为什么上一代机器人干不了活，跳不了舞，为什么原来没人讲具身智能？其实上一代也有人在做具身智能，英文名词就叫Embodied AI，也是把AI从虚拟世界带到物理世界。这一批具身智能用的是深度学习技术，但当时的AI智能水平太弱了，所以真正落地的只有NLP、智能音箱，或者给扫地机器人做视觉规划这些场景。

今天这一代具身智能的核心变量只有一个，就是AI技术发生了革命性的变化，这种技术进步让机器人的大脑真正有可能可用了。所以真正的具身智能公司，要思考的核心问题只有一个，怎么让具身模型进化？

具身模型其实也是大模型，有三要素，数据、算力、算法。算力和算法基本上是收敛的，或者说具身模型在训练范式上跟训练多模态的大语言模型一样。大语言模型是怎么进化过来的？一开始只有LLM，后来开始有图像有视觉了，叫VLM。GPT-4o采集了很多真人的声音，说话的语调音色就更自然了。o就是Omni，全的意思。但是它的全面只存在于虚拟世界，是虚拟的全模态。机器人需要物理全模态，除了能说会道之外，还要能干活。所以从VLM到VLA，其实就是在原来图像、文字、声音的基础上加上动作。这整个范式都是一样的，就是不断给模型增加模态。

黄仁勋去年在CES的演讲里有一张图，画的是从Alexnet深度学习，到商汤旷视做的第一代AI，再到OpenAI这种第二代的生成式AI，再到Agent，最后到 Physical AI。这些是一脉相承的，技术路线已经相对确定了。

雷峰网：但千寻智能现在也在自己做硬件，是出于什么考虑？

韩峰涛：具身智能是一个长坡厚雪的赛道，后边这个曲线就是我们说的长坡。下面2016 ~ 2020是大模型的时间线。这个点，对于大模型来说是2016年OpenAI起步，2020年他们发了 Skillful Learning的论文，后面就是Scaling Law。上面是具身模型时间线。很多具身公司是2024年成立的，到今天，基本可以认为具身模型到了GPT-2的时代，接下来我们要到GPT-3。GPT-3干了什么？大力出奇迹。当数据和算法的都收敛了，大家就知道应该投钱采什么数据，模型就要快速增长了。

具身智能及大语言模型发展阶段对比，韩峰涛办公室图

所以你看美国的具身智能公司都在干什么？可以引用一下特斯拉的思路，他们不搞商业化，甚至不着急量产，而是在一点点优化机器人。那为什么特斯拉不买宇树的机器人做模型？因为模型跟硬件是绑定的，最好的机器人就是你自己做的机器人。模型跟机器人联合设计，软硬一体，效果最好。而且你看特斯拉的发布会，自动驾驶的仿真效果特别好。他们有全球最好的仿真器，为什么机器人不用？因为仿真数据不行，一定得是真实数据，而且得是用自己的机器人采的真实数据。

另外大家经常讲，长坡厚雪，沿途下蛋，做硬件也有市场目的。模型能力每达到一个级别，我们就可以下个蛋，做个东西。比如我们做三指手而不是五指，一方面是因为在生活场景，三指手已经能完成百分之八九十的活。另外一个原因是五指手现在还不成熟，我们沿途下蛋的时候，能量产的产品一定是基于成熟技术。就像做新能源车，完美的新能源车应该是 L5 加固态电池。但你14 年做Model S、 Model 3的时候怎么选？17年做理想One的时候怎么选？那肯定是L0加增程，L0加快充，L0加换电，慢慢再换成L1加增程，L2加三元锂，L3 加固态，一步步来。我们现在的三指，就类似于增程。

所以一家好的具身智能公司，一定是以 AI 为核心，但是有世界一流硬件的支持。这个硬件既从数据角度支持模型，又从销售角度支撑公司运营。

雷峰网：你们是一家模型公司，但又要做本体，又要做手，会不会太多头了？

韩峰涛：但你必须得做。具身智能在商业逻辑上更像自动驾驶的新能源车，灵魂是自动驾驶软件，但客户买的是一台更智能的车，所以这两件事你都得干。在具身智能行业，只卖模型的生意模式基本不存在。当然我们畅想一下，10 年、20 年之后有没有可能？也有可能。自动驾驶，有没有可能特斯拉的领先幅度越来越大，将来就不造车，只卖FSD？也有可能。但是大概率不会，因为只有在自己的车上才能训练得最好。

雷峰网：千寻智能计划什么时间进入量产阶段？

韩峰涛：看你怎么定义量产。如果我们说的是有生产力、可以干活的机器人，那大概是26年底。今天的模型能力还没有快速爬升，就像在GPT-2时代，大模型性能和商汤、谷歌做的Bert模型可能没那么大差异。但我们融资的时候就会告诉股东，我们是从成立第一天起就想着干模型的公司，我们需要两年时间摸索，去找最佳的数据配比、最好的数据管线、最好的模型结构和算法。

千寻是2024年成立的，这两年我们把基础设施全都搭好了，第三年就要开始数据上量，模型性能提升。很快我们会开源一款具身模型Spirit v1.5，在RobotChallenge榜单排第一，比Pi0.5还要强。未来到Pi0.6打榜之前，我们都会是全球最强的开源模型。

我们可以用智驾的逻辑梳理具身智能行业，但是具身智能跟智驾有个本质区别，那就是车没有智驾仍然可以开，但没有大模型的机器人就是没用的。当你还没有足够好的模型，你的机器人卖出去就只能跳舞，只能做导览、数采，这些都不算干活。这当然也有价值，但它是一个小市场。

将来的具身智能，会是略低于汽车的价格，乘以略少于手机的数量，这是个巨大的市场空间。玩具、跳舞、导览是客观存在的市场，但这个市场太小了，一年撑死卖5, 000台。每年全球能卖7, 000万台车，10亿部手机，这完全不是一个量级的市场。展品和玩具，不算是真正的机器人。

雷峰网：能干活的才算吗？

韩峰涛：或者说卖能干活的才有意义。机器人跳一万次舞，本质上也只有一条数据，因为每个动作都跳得一样。展品卖出去上千台，本质上等于卖出一台，只能产生点营收，对于模型进化没有帮助。你必须要把那种由模型驱动的、能干活的机器卖出去，才能让数据飞轮转起来。

而且产品能不能量产，其实背后就一个卡点，有啥用。东西只要有用，再贵也有人买。九几年买个房才三万，大哥大一万多一个，为啥有人买？私人飞机几千万上亿，为啥有人买？有用就一定有人买，那怎么让机器人有用？就卡在一个地方，模型。所以我们选的场景都是能帮助模型进化的场景。

雷峰网：2025年国内部分具身厂商把量产作为主要目标，但与此同时具身模型的进展并不显著，你怎么看？

韩峰涛：特斯拉的AI能力肯定没问题，但为什么大家都觉得特斯拉的人机交互做得不好？他是全球最强的AI公司之一，难道他做的模型不如其他的公司吗？不可能。那原因是什么？第一特斯拉不需要融资，第二特斯拉是直接奔着终局去的。终局就是构建一个通用的本体，加一个通用的具身模型。

PI在训练模型，Sunday在训练模型，美国没有人在卖硬件。所有厉害的模型公司都有厉害的硬件，反而只有硬件没有模型的公司，将来会面临很大的挑战，这是个战略选择的问题。国内有很多公司出于股东压力开始卖硬件，但那不在主航道，核心就只有模型。

雷峰网：你怎么衡量具身模型的进化水平？

韩峰涛：可以参考自动驾驶。工业机器人是L0，加点工业视觉就是L0.5。但这些东西应用场景都很小，只能做那一件事。到2024年底，机器人可以叠衣服了，就是L1。自动驾驶的L1叫单功能辅助驾驶，就是可以自动刹车、车道保持。那具身的单一功能是什么？比方说叠衣服、帮我开门、拿瓶水。只做一件事就是L1。其中叠衣服是L1里最难的。如果能叠衣服，那L1级别的所有任务就都能干。现在大家都选这个场景，其实就是在秀肌肉。

我刚才讲具身智能的机会来源于大模型，它的落地也受限于大模型。因为当你只有L0的时候，机器人就只能跳舞。L1的机器人会叠衣服了，但是只有在工厂流水线这个场景才有价值，因为流水线就只要求人做一件事，相应地在商用和家用场景就不行，所以我们L1阶段落在了宁德时代。

模型能力继续爬坡，L2叫组合辅助驾驶，能干一长串的事。落到具身上，就从叠衣服进化到找到脏衣服、扔进洗衣机、倒洗衣粉、操作洗衣机、晾衣服、叠好放进衣柜这一长串。你只需要给一个指令，机器人就能干一长串的事，就是L2。2025年底，模型大概在L1.8左右，我觉得26年夏天就可以到L2了。

雷峰网：那么L2阶段，千寻智能理想的落地场景是什么？

韩峰涛：我们现在比较看好零售、物流这些服务场景。其实L2阶段的场景也要一个一个攻克，只是选择场景的时候，首先要选一个有商业价值的大场景。

工业场景为什么选宁德时代？因为工业里新能源电池行业的利润是很可观的。物流为什么选京东和华为？也是因为这些场景有很好的商业化和利润水平。L1、L2的所有场景里，肯定要选那些利润高且愿意为机器人付费的场景。

03

具身大年将至，决战数据之巅

雷峰网：对于具身企业来说，2026年最紧迫的任务是什么？

韩峰涛：具身最后的竞争会是通用大脑的竞争，这至少在美国已经是共识了。数据数量加数据质量决定模型质量，那么在训模型的时候你就需要回答，用什么数据训这个模型，以及数据从哪来。今天领先的具身智能公司，都在解决这个问题。

你可以买第三方机器人采数，但这只能做科研写论文。而且模型最终要驱动机器人干活，在其他机器人上采的数据落到不同型号的机器人上，数据不同构会导致模型性能下降，也就干不了活。

另外一种是特斯拉的方案，他们在用自己的机器人搞数据。当机器人的外观、灵巧手、腿、胳膊所有部分都确定下来，就可以大批量生产。到这一步，特斯拉就可以像曾经卖它的车一样，让机器人一边干活一遍采数。有了数据，加上它最大的算力中心和AI人才，就可以训具身模型了。这也是千寻的方案，我们做了一个机器人数据工厂。现在我们楼下的数据工厂大概有四五十个采集工位，26年会增加超过10倍。相比之下特斯拉会花更多的人工成本，但大家背后的逻辑都一样，就是尽量采集更多真实的、重构型的数据，然后再去训练模型。

雷峰网：智驾厂商的很多路况数据是客户采集的，他们只需要投入很少的人组建自己的数采团队。千寻智能已经积累了很多客户，为什么不选择类似的方案？

韩峰涛：为什么具身智能的发展速度比大语言模型和自动驾驶慢？就是因为缺数据。大语言模型的快速爆发，来源于人类过去20多年在互联网上积攒的数字资产。自动驾驶一开始也没数据，但没有自动驾驶功能的车也能卖出去，所以客户可以一边开车一边帮他采数。机器人不行，没有大脑就完全没用。

这也是为什么这两年我们在做自己的数采设备，搞我们自己的数据管线。因为我们要尽量模仿当年人们一边开车一边采数的过程，想办法让人一边干活一边采数。让人学会遥操机器人，效率低成本高，安全性也不行，最后的方案收敛到了可穿戴设备上。让人穿上数采设备，该干啥干啥。

雷峰网：此前自动驾驶或大语言模型的发展，可以给具身数据的采集提供什么启示？

韩峰涛：比如自动驾驶，客户采集回来的数据是用来做预训练的，这部分数据多了以后，回传的大部分数据就没用了。这时候车厂会搞个小的数采团队，采集特定城区街道，和某种路况下的特定数据，这些数据就是用来微调模型的。

具身智能的数据也分这两类。我们会在工厂、物流、家庭，不限制场景地采集预训练数据，然后在宁德、京东、华为更多地采集后训练的微调数据。微调数据也分两类。书房、客厅这些场景，我们会自己搭建，自己采集，因为现在我们没有这样的客户。但是电池、物流这些场景的微调数据，我们就提供数采设备，让客户到他们的现场去采。

雷峰网：训练具身模型，到底需要采集多大体量的数据？

韩峰涛：现在PI和我们加在一起，真机数据也就1万小时，可能得1,00万小时数据才会有比较好的模型效果。但实际上我们只需要自己采冷启动数据。只要模型能达到L2水平，能支撑机器人干活，我们的机器人就能大批量卖出去。然后我们再开发一个萝卜快跑那样的接管系统，大部分时候机器人自主干活，出问题的时候远程接管。这样数据飞轮就能转起来，机器人用得越多，数据越多，模型越好，卖得越多。

而且训到同样的模型效果，我们的数据效率比国内竞对要高大概5倍。叠衣服这个动作只用了100多小时数据，国内竞对都得上千或者大几百小时。

雷峰网：自动驾驶能力可以通过百公里急停或接管次数衡量，对于具身模型有类似的衡量标准吗？

韩峰涛：定这种衡量标准，首先要限定场景。自动驾驶实际上就限定了开车场景，但机器人要干的活很多。假设我们限定在造电池场景，我也可以用自动驾驶的逻辑，看平均生产多少电池需要接管一次。如果想收敛在一起衡量，起码要等到26年，大家都能做这些事情了再比较。

客观来讲，早期很难评价一个模型的好坏，开源模型的榜单测评是一个很好的方式，所以26年肯定是一个打榜的年份。其实打RobotChallenge我们还是吃亏的，因为我们是基于自己的硬件来做，在测评中使用第三方不同的硬件肯定会影响模型性能。但是考卷对我们来讲更难，我们反而分数更高，那就是我们的能力更强。

雷峰网：千寻智能的模型团队现在有多少人？

韩峰涛：将近40个人，做硬件的也是40个人左右，目前整个公司我们大概110人。硬件团队主要以上半身为主，一体化关节、手臂、感知系统，就是摄像头，还有三指的手。其中手的研发投入会比较多，腿好解决，我们的底盘就是一个类似于室内的自动驾驶方案。双腿对普通的家用机器人意义不大，你得把坐着能干的活，或者轮式底盘能到的地方的活先干了。

雷峰网：2026年你们还有融资计划吗？

韩峰涛：融，这一次冲L2肯定要拿大钱。26年是模型能力快速进化的元年，也会是具身智能大额融资的元年。原来除了智元和银河融得稍微多一点，估值上了100亿，其他家都没像六小虎那样一次融几亿美元，但是26年具身智能也会有这样的融资。

26年对于具身智能，就相当于国内大语言模型的23年，大家会看到这件事可以scaling，会相信具身大模型的能力要开始快速攀升了。现在的具身大模型处在预训练阶段，预训练差不多了，基于GPT-3.5才能开发出ChatGPT。具身智能的GPT moment一定会在26年出现，只要在学术上能够证明就可以，快的话就在上半年。当模型能力快速攀升的时候，融资就会变得很火热。

前两天智谱和Minimax上市，我觉得是一个标志性的事件，虚拟AI开始向物理AI交棒了。无论是技术的进展、投资的热点、行业的关注度都要交放到物理AI上，接下来具身智能要重走一遍大语言模型从2023年到2025年走过的路。