一句话看懂：在2026年世界人工智能大会上，逐际动力创始人张巍指出，人形机器人硬件比汽车容易制造，但行业瓶颈在于缺乏物理世界数据；目前机器人“大脑”已进化到类似GPT-3的阶段，正处在指数增长拐点，线性推断即将失效。
事件核心：发生了什么
2026年7月19日，南方科技大学教授、逐际动力创始人张巍在WAIC上给出了一套与主流认知相反的判断。他认为，人形机器人的硬件制造难度并不高——零部件数量约为汽车的十分之一，比造光刻机、飞机甚至汽车都容易。真正卡住行业的是“物理AI”所需的数据来源：与互联网文本不同，机器人智能需要来自真实物理世界的交互数据，而这正是当前最稀缺的资源。张巍将当前机器人大脑能力比作大语言模型中的GPT-3阶段——基础能力已成型，但离真实物理世界大规模落地仍有距离。逐际动力成立于2022年，定位为“具备大脑能力的整机厂”，在过去三年内完成了从天使轮到Pre-IPO共数轮融资，投资方包括阿里巴巴、蔚来资本、京东、IDG资本等，最新一轮Pre-IPO融资近2亿美元。
为什么重要
张巍的发言挑战了业界两个普遍观点：其一，人形机器人“造不出来”其实是个假问题，硬件已有成熟供应链；其二，行业不应以当前机器人笨拙的表现做线性外推。他以比尔·盖茨投入数十年未解决的语言交互问题为例——大模型出现后半年内就已突破，说明技术范式切换会极大缩短周期。这意味着，谁能在现阶段以合理成本获取物理世界数据、训练出可迁移的机器人大脑，谁就可能在2-3年内构建出真正的商业闭环。对投资人和产业链来说，张巍的判断给出了一个明确的观察锚点：当物理AI的数据获取成本降到某个阈值时，行业将从“展会演示”跳入“工具落地”。
对用户/开发者/创作者的影响
对机器人开发者而言，张巍提出的“大脑三层架构”（推理层/系统2、规划层、执行层）提供了可参考的技术路线图：最上层由大语言模型和世界模型驱动，负责决策与规划，中间层与底层则面向工程优化。对硬件供应链玩家，逐际动力的融资节奏和投资方结构（阿里、京东、蔚来资本等）表明，国内头部资本已将人形机器人视为智慧物流、零售和服务的刚需场景终端，而非实验室玩具。对于使用端的企业（电商、仓储、工业），可以留意2026-2027年是否会出现针对特定场景（如分拣、搬运）的商用产品——目前公开信息显示，逐际动力已与京东展开零售与物流场景的联合探索。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，物理世界数据的获取方案是否会成为行业新赛道？第二，Pre-IPO融资完成后，逐际动力是否会在2027年冲击上市，以及其“大脑+整机”模式能否在量产中保持成本优势；第三，张巍提到的“纯数据驱动”范式是否意味着传统基于规则的运动控制方案将被整体替代，这将直接影响现有机器人企业的技术栈选择。
来源：AIbase
