机器人行业还没到GPT1水平科技漫谈现在业内都靠 VLA 视觉语言动作模型、世界模型冲人形机器人赛道，但看完这次对话我反倒产生疑问，这两项技术真能拉具身智能跨过 GPT1 的分水岭吗？先说 VLA，它能让机器人看懂画面听懂指令，解决基础图文转动作的问题，但局限很明显，只解决视觉语言层面，物理世界的力反馈、温度触感、突发场景应变依旧覆盖不到。还有世界模型，能提前模拟物理场景推演动作，减少实体试错成本，可模拟环境和现实永远有落差，现实里地面打滑、物品形变、温度变化都是模拟很难复刻的。二者只能算是阶段性补丁，而非行业终局。就算模型迭代再快，姚总提到的1亿小时真实交互数据绕不开，模型只是算力工具，缺少真实世界千万种突发情况的实操积累，光靠虚拟推演是催生不出真正的具身智能的。