投资者变得谨慎、监管部门收紧IPO、部分创业公司收缩业务甚至出现现金流压力——近期具身智能赛道的一系列迹象，被解读为行业趋冷的信号。在受访的创业者看来，热潮退去，表明公众不再满足于机器人演示，而愈发关心其应对真实需求、提升生产力的能力。

　　“AI公司一定要去回答，（产品）给产业到底带来了多大的价值，还是说反而带来更大的成本。”世界模型初创公司逆矩阵创始人陈博远10月底接受南都等媒体采访时说，包括具身智能在内的物理AI正在从概念热潮，转向真实世界的部署。真实需求始终存在，行业需要做的是脚踏实地地解决实际问题。

　　在陈博远看来，物理AI的落地并不只是模型突破，还意味着从业者必须深入产业，处理大量“脏活”，以及各种意想不到的情况。只有进入真实场景进行验证，才能收集失败案例，并得到数据回流，后续进一步增强模型的性能，最终形成技术研发、产品部署与产业应用之间的闭环。这一过程，也能检验企业研发的模型究竟是在闭门造车，还是能够直面真实的需求。

　　“如果将物理AI的发展比作是100公里的马拉松，现在还处于5-10公里的阶段。”陈博远表示，一些公司已经能在受控的实验室环境下完成精美的Demo（演示），而一旦进入真实产业，模型距离真正可用仍有很大差距。

　　世界模型初创公司逆矩阵创始人陈博远。

　　由北京智源人工智能研究院孵化的逆矩阵，成立时间不足一年，得到经纬创投、五源资本、高瓴创投、蚂蚁集团等知名机构的投资。该公司试图研发通用的世界模型，让AI真正理解和预测物理世界的运行规律。

　　世界模型也是今年以来具身智能行业炙手可热的创业方向。不过，从IT桔子平台统计的投融资情况看，今年7月之后，世界模型方向的投融资数量和金额均连续下滑。

　　陈博远表示，无论在热潮还是低谷，保持对技术和行业发展第一性原理的追寻都尤为关键。他认为，AI的发展并非将已有的技术拼接、组合就能解决问题，还需要推动技术范式突破，并落实到真实部署，这考验团队的创新基因和研发投入。

　　当前，给物理AI模型企业带来另一重压力的，是大模型公司的“搅局”。作为通用大模型，OpenAI的GPT-6 Astra展现出能直接用于机器人操作的潜力，随之引发机器人模型公司生存空间是否会受到挤压的讨论。

　　陈博远认为，大语言模型确实为物理AI提供了值得借鉴的新可能性。但他提到，GPT-6 Astra尽管可以完成一些简单的抓握任务，但响应时延高，这距离其应用到产业仍有很大距离。“可能机器人还在thinking（思考），结果水杯里面的水已经倒出来了”。

　　陈博远说，大语言模型在数字世界生成速度较慢，更多影响的是用户体验。而物理世界是动态、高频变化的，响应速度滞后直接影响任务执行结果。与此同时，真实场景对速度、精度和泛化性都有很高要求，容错率低。

　　在他看来，大语言模型主要处理语言理解和知识压缩，而物理AI需要学习人类的物理常识与物理直觉。据其判断，物理AI一定存在专有的基座模型，最终可能和大语言模型形成互补。

（文章来源：南方都市报）