2026年世界人工智能大会（WAIC）刚刚落下帷幕，一个清晰的行业共识已然形成：人工智能正加速从数字世界迈向真实物理世界。

走进展区，具身智能的进化速度令人惊叹。前几年，人形机器人还停留在静态展示阶段；去年，它们已能登上舞台进行拳击比赛；而今年，这些机器人直接走进各类场景，开始实实在在地“工作”了。这不禁让人期待：明年的具身智能，又将带来哪些突破？

与展台上的热闹景象形成对比，业界的观点显得更为冷静和理性。在面壁智能主办的“智在终端，惠及千行”端侧AI创新与行业发展论坛上，面壁智能联合创始人、首席科学家刘知远指出，尽管具身智能领域已有400至500家企业入局，但该行业仍处于前沿探索阶段，技术路线尚未收敛。行业需警惕“虚假繁荣”，而“先通后专”的发展模式，或许才是必经之路。

端侧AI：进入物理世界的关键支撑

人工智能正加速从“数字世界”迈向“真实世界”，而端侧AI正是支撑这一进程的核心底盘。

北京智源人工智能研究院联合端侧实验室发布的《端侧智能2026——规模化落地元年》报告明确指出，2026年，端侧智能正从概念验证走向规模化落地，产业化拐点已然到来。

报告指出，受限于成本、时延和隐私这三重约束，大模型正经历第二次结构性跃迁：从以云端为唯一算力中枢的单点智能，转向端云分工、协同共生的分布式智能系统。端侧AI也因此成为产业焦点。

“2026年是端侧AI规模化落地的元年。”面壁智能CEO李大海的判断十分直接，他们的定位清晰——致力于打造普惠千行百业的大模型基座。以技术引领做深底座，以产业推动做实场景，以生态共建做大未来。

数据也在佐证这一判断。截至2026年6月30日，面壁智能MiniCPM开源模型系列累计下载量已突破3800万次，覆盖文本、视觉、语音全模态。基于“密度定律”技术路线，MiniCPM已落地手机、汽车、具身智能、航天等多元终端，并已搭载于吉利银河M9、长安马自达EZ-60等车型的智能座舱。

在端侧AI论坛上，面壁智能继续拓展技术边界，发布了两种重量级产品。

MiniCPM5-2B端侧文本大模型，仅20亿参数，却在综合知识、数学推理、代码、指令遵循和智能体能力上均做到同尺寸领先，在AA榜单中位列2B以下模型第一。

VLA具身模型，则以通用智能为起点，让机器人能够直接处理普适、长程、流水线式任务。该模型融合多模态技术沉淀与视觉Token极致压缩能力，在保留完整历史观测记忆的同时，计算量与不保留记忆时持平，在机器人上下文记忆基准上取得了显著优势。

警惕“Demo繁荣”，回归基座泛化能力

今年WAIC，具身智能的进化确实令人眼前一亮。不少机器人“上得厅堂下得厨房”，能进工厂能搬货，前景广阔。

不过，业内专家也提出了冷静思考。有专家指出，行业展示的具身智能Demo，大多是为特定场景微调的“专家模型”。这些Demo视觉效果固然惊艳，但缺乏基础泛化能力，并未真实反映领域实际进展。

面壁智能学术合伙人、多模态智能首席科学家姚远在接受专访时坦言，面壁智能短期内的策略并非快速推出场景化Demo，而是专注于打磨基础数据、Infra工程链路及模型的泛化基座。“通过提升模型的基础能力，许多场景应用将迎刃而解，这是一种更本质但见效较慢的路径。”在他看来，过早追求特定场景的微调落地，可能是一种“干扰”，容易导致虚假繁荣。

那么，具身智能3至5年后的中期发展会是怎样一番景象？刘知远提出了一个鲜明的判断：具身智能必将遵循“先通后专”的发展模式。这有些类似于大学的通识教育和专业教育。他以人类学习为例：“通用人工智能的核心逻辑是先具备关于世界的常识，即感知与思考，再学习专业技能，即行动。如同人类先有十几年的世界交互经验，才能快速学会开车。相比之下，仅依靠专用数据训练单一能力的路线已触及天花板，无法解决长尾问题。”他认为，未来具身智能的竞争，不是单纯的数据竞赛或场景卡位战，而是一场关于“世界常识”基座构建的马拉松。

当谈及商业化节奏时，刘知远提供了一个极具参考价值的成熟度评估框架。他认为，应将具身智能置于“端侧智能”的大范畴内考量，模型需兼具感知、思考决策与行动三大能力。

“目前，语言模型的成熟度最高，多模态感知成熟度约70%至80%，而行动模块尚处早期，成熟度可能不足40%。”基于此，商业化落地需与技术成熟度紧密贴合。当前阶段，通过感知与决策的闭环，在车载内外感知等场景已展现出广阔前景，而涉及复杂物理行动的具身应用则相对靠后。

姚远进一步补充了面壁智能的策略选择。“我们的策略是专注技术本身的增长，待基础模型实现质变后，应用场景将自然涌现。”他说，企业希望确保商业信号真实反映技术实力，而非为了短期落地而扭曲技术路线。