在2026年世界人工智能大会上,逐际动力的创始人张巍发表了重要演讲,提出人形机器人正处于飞速发展的指数增长阶段,并表示其 “机器人大脑” 已经达到了类似于 GPT-3的智能水平。他指出,当前的技术进步不仅仅是线性的,而是一个突破性的飞跃。
张巍在演讲中提到,逐际动力成立于2022年,定位为一家以技术为核心的产品型公司。他强调,机器人本体的制造相对容易,而真正的挑战在于如何将人工智能与物理世界的数据结合起来,以实现更高效的智能应用。根据他的判断,物理 AI 是驱动这一行业发展的核心能力。

他进一步解释,当前的具身智能技术发展类似于 “机器人大脑” 已经进入了 GPT-3的初级阶段。这个 “大脑” 并不是单一的模型,而是由多个部分组成,包括语言模型、视觉模型、任务规划等,形成一个协同工作的系统。张巍认为,未来的关键在于如何将这些技术在毫秒级别实时协同,并与硬件进行优化。
在商业化方面,张巍提出了 “通用本体 + APP” 的思路。他指出,单一技能的机器人应用价值有限,但通过保持通用构型并逐步叠加技能,最终将形成一个多功能的智能体。他警示行业不应盲目复制大模型的发展路径,而是应在具备基础能力后,尽快进入具体场景,以实际应用反哺模型的优化。

随着逐际动力在多轮融资中获得了阿里巴巴等头部机构的支持,公司的产业化、国际化能力正逐步增强。张巍的演讲不仅展示了具身智能技术的巨大潜力,也为行业的发展方向提供了新的思考。
人形机器人现在智能到什么阶段?
张巍在演讲中将其“机器人大脑”类比为 GPT-3 的初级阶段,强调这不是单一模型,而是语言、视觉、任务规划等多模块协同系统,仍处于快速演进期。
逐际动力为什么强调物理AI?
因为机器人本体制造相对容易,真正难点是把人工智能与物理世界数据结合起来,并在毫秒级完成感知、决策和执行的协同,物理AI被视为核心驱动力。
人形机器人商业化该怎么做?
张巍提出“通用本体+APP”思路:先做通用构型,再逐步叠加技能,尽快进入具体场景,用真实应用数据反哺模型优化,而不是盲目复制大模型路线。
通用本体+APP怎么选首批场景?
优先选动作链清晰、环境可控、ROI可量化的场景,如搬运、巡检、分拣或展示接待。先把任务拆成可复用技能包,再用真实数据回流训练,避免一开始追求全能导致系统失控。
物理AI协同训练最该补什么数据?
最缺的是失败样本、边界状态和多模态时序数据,而不是单纯成功演示。要把视觉、力觉、位姿和任务结果对齐,建立可回放的闭环日志,才能让模型从“会做”进化到“做稳”。
