2026 世界机器人大会在北京亦庄北人亦创国际会展中心正式启幕，300 余家机器人企业、2000 余件整机零部件展品集中亮相，人形特技、超大参数大模型成为展馆主流宣传标签。
同期举办的“AI大模型赋能机器人与具身智能产业新范式”分论坛上，一场关于行业底层路线的深度思辨，撕开了当前赛道“仿真好看、落地艰难”的行业泡沫。
合十思维创始人赵普登台做主题分享，演讲核心立论引用了钱学森1993年的一封书信原文。分享开篇展示了1993年4月28日钱学森致戴汝为院士的亲笔信件内容，以此作为整套类脑技术路线的理论根基。
钱老在信中明确提出核心判断：
“智能机器人之所以智能，可能就在于能干点复杂些的事；所以要紧的是适应并反应比较复杂的环境。机器人本身则是比较简单的，不是复杂巨系统，连简单巨系统都够不上，至多至多是个‘小型大系统’而已。AI进化主义派的论点有局限性。”
时隔三十三年，钱老这段话恰好戳破了当下具身智能行业最大的泡沫：堆砌算力只能完成标准化预设动作，仿人脑感知推理，方能应对现实世界里层出不穷的突发状况。
一、全行业路径锁定：堆算力的仿真狂欢，落地即翻车
仿真环境里机器人成功率能做到89.4%，一到真实场景就跌到12%左右。主流VLA大模型动辄百亿参数，推理延迟高、算力消耗大，单一场地部署成本达数十万元。换一个场景就要重新采集海量数据重新训练——一台机器人从出厂就被“焊死”在固定的任务轨道上。
行业的集体困境可以总结为一个链条：堆参数→堆算力→堆数据→堆成本→越堆越难落地。
这不是某个企业的问题，是整个技术路线的结构性问题。
当下赛道主流“进化主义”思路坚信：只要模型规模、算力、数据足够大，通用智能就会自然涌现。但物理世界充满随机杂物、动态人流、无标准突发状况，海量静态样本永远无法穷尽现实长尾场景。单纯依靠统计拟合的大模型，天然缺少自主推理能力——这正是钱老当年指出的核心局限。
与此同时，主流路线衍生出多重落地难题：推理延迟高、设备运维成本昂贵，决策黑箱无法预判风险，商用场景中频繁出现卡顿与误操作。人形机器人大多只能作为展厅表演道具，难以承接持续性重复性劳动。
