大模型能力越来越强，具身智能还有独立存在的价值吗？
面对这一近期在行业内频繁被提及的争论，墨奇智能联合创始人、CTO黄青虬在11月4日的2026世界互联网大会乌镇峰会一场论坛上判断，大语言模型并不会“吞噬”具身智能，二者不是非此即彼的替代关系，而应相向而行、融合发展。物理AI特有的实时闭环交互能力，是通用大模型很难直接补齐的核心特质。
OpenAI在9月发布的GPT-6 Astra作为通用大语言模型，却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担忧。
墨奇智能联合创始人、CTO黄青虬。
黄青虬提到，近一年来，业内实际上始终存在一种讨论：当大语言模型、多模态大模型效果持续突破，是否只需要给大模型补充第一视角数据，就能直接接管机器人完成各类实体作业？他认为，大模型在真机测试中已经可以实现部分零样本泛化任务，其表现值得肯定，但物理世界的运行逻辑和数字空间存在难以逾越的鸿沟。
大模型的推理耗时长、成本高，在黄青虬看来尚且属于阶段性问题，未来大模型领域或许可以逐步解决。而真正本质的差异来自两点：物理AI是一套实时闭环系统，现实环境时刻动态变化，机器人需要及时根据外界变化做出调整，无法像大模型一样延迟输出结果；另外，物理AI要实现动作与环境的交互闭环。机器人抓取、触碰物体，要依靠触觉、力反馈获得“手感”，动态调整动作，这套来自物理交互的感知，是纯数字大模型很难完整模拟的。
“所以不是某一类技术吞噬另一类，而是你一步我一步相向而行，才能催生出革命性成果。”黄青虬说。
对于机器人的数据采集，黄青虬认为，应由真实作业人员在真实场景里干真实的活，数采工作人员不能放慢动作、表演式作业，而要还原日常工作的真实节奏。
他还强调，行业不应该一味追逐数据的总小时数，因为数据质量远大于数据数量，“十万小时经过高精度处理的真实作业数据，效果要好过一千万小时低质量采集素材”。
黄青虬提到，高质量数据背后是一整套复杂工程，要做到多设备毫秒级时间同步、高速动作下轨迹精准定位，同时还要通过算法筛除大量重复样本，避免无效数据消耗算力。数据采集也不只是录制视频，而是一整套驱动模型迭代的基础设施。从采集、校验、筛选到标注，每一环都会最终影响模型的实际表现。
演讲中，黄青虬还观察到，现在有不少机器人的公开演示，都是把机器固定在桌面上，只完成简单抓取动作，手脚相互分离。但现实当中，人类干活大多是一边移动、一边操作，手脚相互配合。他认为，行业更多地需要去攻克机器人“边移动、边作业”的全身协同能力，才能贴合真实的工作场景。
“大语言模型站在互联网成熟基础设施的肩膀上成长起来，但具身智能没有现成的路。” 黄青虬称，具身智能行业现在处于“一边修路、一边造车”的状态——既要搭建数据体系、打磨模型，又要做本体硬件、落地真实场景。尽管多重挑战叠加，但这也意味着行业存在巨大的想象空间。他期待未来三到五年，具身智能可以真正走向千行百业，实现规模化落地。
采写：南都N视频记者王子黎 李玲 樊文扬 杨柳 发自浙江乌镇
