写在2026年夏

具身智能领域这几年的投资市场规模在不断变大，然而可以真正落地的方案还没有看见，许多人都发觉了这会是一个很大的泡沫。我们必须承认一个低谷期正在逼近我们。但是，机器人走进千家万户，成为和人一样有趣的个体，成为我们的同事，伙伴，这一愿景实在是太光明了，所以我对它的概括是，“前途是曲折的，道路是光明的”。

现在是怎样的问题呢？关于这一点，接下来的所有阐述都是我搜集到的来自于社区的评价而我认为非常有价值的。

（1）机器人是一个古老的工程学科，其积淀是不亚于计算机/AI的。现在大家在团队作战的过程中，无论是商业团队，还是学术团队，会重视在bench上的得分，重视好看的demo，重视资金投入的宣发；在学术研究上，对机器人本身的研究少，对“拿来主义”的研究多。这可能是最不健康的一个现象。具身智能一度在领域内处于弱势的地位而缺少原创性的突破，因为我们明明在研究一个古老的而有价值的事情，却很浮躁地为了商业和学术利益套用判别式/生成式基模的成果，而没有结合领域的实际情况，这很像一段历史，当然这是后话了。最重要的是，我们会因为上述的原因，而陷入盲动主义，例如大团队出于商业利益在短时间内先后选择不同的技术路线，都会引导学届在极短的时间内快速地将这两个坑填入大量意义较浅的工作。这出现在vla, wam，甚至马上将是agent时代。这样的更新是迅速的，但是对于落地考虑的进展是缓慢的。

（2） 我不认为对于一般的研究团队来讲，在现在采用“拿来主义”会是明智的选择，哪怕只出于短期收益的考量。大家可以发现，从wam时代开始，这一范式的引领已经是有很成熟的资源和宣发的大厂来承担了，这与vla时代还不同，大家可以明显的发现xx-wam甚至于短期收益都不太高。另一方面，市场的成熟导致大家在资源/宣发上也不会优于各大初创。因此，传统的学界研究就更加有必要去探索新的范式和挑战现有的权威。

写在WoG之后

上面的这些现象我之所以尤其有感触，是因为WoG，关于市场化和宣发这一件事情，我们暂且避开不谈。我们谈一些学术上的点，以讨论目前的研究者的处境。

（1）WoG其实是在一月份完稿的，大家去读论文就会发现，我们写作上还很克制，对于“world action model” 这件事情，我在终稿中有意地在减少使用这个词，而在广泛地采用VLA的论述。事实上，因为商业团队是领域话语权的主导者，大家就会发现，在nvidia为代表的团队以dream系列推动这一概念的普及化之后，wam才被广泛地接受。从这个小细节可以看出，背书和权威在领域内有多么的必要。

（2）这是关于拿来主义的事情，我们的领域现在越来越难去推动原创的突破了。例如说，显示的world model可以推动world action model，这被许多商业团队验证了，那么大家就紧跟脚步去完成一些工作。 当大家现在开始考虑到latent world model和latent world action model的时候，其实也没有过多地思考latent的建模，这在embodied ai领域之外也同样多见。大家相信jepa是绝对的权威，因此说到latent wm，大家似乎很必然地想到了jepa，也基于它们做开发。其实，jepa当初不也是一个反抗主流方案的异类吗？这是一个屠龙少年的故事。 WoG很大程度上在考虑的是，如果还在用视觉差分进行latent space建模的话，依然不够本质，直接用action监督，数据驱动完成latent space的建立才是最本质的。时至今日，我依然很自豪于这是一个原创的优雅的范式。

传统和未来

说了这么多，其实概括起来就是，要从推动领域变革的角度出发，实事求是地去做工作。此外，回到最开始讲的，机器人是一个古老的学科，有很多优良的传统是可以被发扬的，反过来，有许多现有的结论是不能直接套用到机器人上的，前途是光明的，道路上曲折的。