机构：人工智能正从“预测下一个词元”走向“预测下一个物理状态”

核心观点：国盛证券发布通信行业深度报告，机构指出人工智能正经历从语言模型向具身智能的人工关键跨越。2026北京智源大会确立“具身智能”与“世界模型”为核心议题，智能正从走向状态标志着AI重心由“预测下一个词元”转向“预测下一个物理状态”。预测预测

一、下个下 行业背景与大会启示

自ChatGPT发布以来，词元AI在聊天、物理Coding Agent、机构视频生成等领域展现出革命性的人工生产力提升能力。当前市场焦点在于：AI能否通过改造机器人实现具身智能的智能正从走向状态泛化能力？大模型的Scaling Law是否同样适用于机器人领域？

2026北京智源大会给出了明确方向，专设具身智能与人形机器人论坛、预测预测世界模型论坛及具身产业CEO论坛。下个下智源研究院院长提出，词元人工智能的物理核心范式正在发生根本性转移：从“预测下一个词元”走向“预测下一个物理状态”。

二、机构 现状：点状能力突破，泛化仍是挑战

目前具身智能在受控、结构化或依赖外部动捕的环境中，已展现出“抓拿放”、人机实时乒乓球对打、酒店清洁、货架分拣、串糖葫芦等“点状能力”。

• 产业共识：将“移动+抓取放置”能力在零售、工厂分拣等可批量复制的场景中实现高度泛化，是近期的关键里程碑。

三、 瓶颈：数据、物理理解与评测体系

当前发展面临四大主要瓶颈：

1. 数据依赖：传统VLA（视觉-语言-动作）模型高度依赖昂贵且难以规模化的遥操作数据。
2. 物理理解缺失：智源研究院王仲远指出，现有世界模型在语言、像素、三维结构、视觉表征四条路线上，均未真正触达物理规律。
3. 感知局限：仅靠VLA不足，触觉、力觉等多模态感知被反复强调为必要补充。
4. 评测失真：多位嘉宾直言现有机器人榜单不可信，行业应更关注系统综合能力与AI的学习进化能力，而非单一指标。

四、 突破路径：四大策略应对瓶颈

产业界已形成针对性的“组合拳”打法：

• 扩数据：采取“仿真合成 + 人类视频（第一人称Ego-centric）+ 真机多路并进”策略。通过UMI、可穿戴数采等技术降低数据采集门槛。
• 强感知与降示教：引入多模态融合、触觉力控技术，实现“部署中自进化”。
• 定标尺上保险：建立更科学的评测标准与安全可控机制。
• 做分工：优化系统架构与执行环节的配合。

五、 技术路线分歧与融合

两条主要技术路线的分歧正逐渐清晰并趋向融合：

1. VLA vs 世界模型：争议正走向“融合”。智平方郭彦东认为，世界模型将成为VLA体系的核心组成部分。
2. 一体化 vs 解耦：
3. 本体-大脑一体化派：认为迭代速度更快，跨本体一致性更好。
4. 大脑/模型平台派：认为人类数据预训练可天然向下兼容，适应多种本体与末端执行器的分工差异。

六、 目标与时间表

• 终极目标：从“可执行”升级为“可学习、可泛化、可进化”，以世界模型作为物理世界的下一代基座。
• 关键节点定义：银河通用王鹤以网球等场景定义具身智能的“AlphaGo时刻”，并将“ChatGPT时刻”量化为：预训练后，在人类无需专门学习的技能上，Zero-shot成功率达到70%—80%。
• 时间预期：各家口径呈现“近端密集、远端发散”特征：
• 千寻智能高阳：预计12—24个月内基础模型显著进步。
• 智元机器人罗剑岚：将跑通真实部署数据闭环的窗口设在12—18个月。
• 智在无界卢宗青：判断2—3年内将有大有进展，但通用人工智能未必在两年内到来。

七、 投资建议

核心逻辑：“目标确定、节奏未定”，宜押注路径而非时点。克服瓶颈的五组方法直接对应受益环节：

1. 扩数据环节：动作捕捉、仿真引擎与合成数据、第一视角采集与标注。
2. 补大脑环节：训练算力、端侧模型。
3. 做分工与放量环节：RV减速器、丝杠、力/六维力传感器、触觉传感器、灵巧手等执行器与零部件。
4. 评测与安全环节：标注与验证服务。

配置策略：
* 优先关注能在窄场景率先形成数据闭环与现金流的公共底座环节。
* 警惕风险：警惕以“真机数据量”为唯一护城河的企业，其稀缺性可能被人类视频/合成数据范式削弱。

八、 建议关注标的

1. AI大模型：智谱、Minimax等；
2. AI算力基础设施：中际旭创、新易盛、天孚通信、东田微、三环集团、寒武纪、沐曦科技等；
3. 具身智能本体与配件：三花智控、拓普集团等。

风险提示

• 技术路线尚未收敛；
• 数据范式快速变化；
• 商业化与规模化落地不及预期。

(责任编辑：综合)