知识卡片：美国具身也没成熟！PI：中国公司何必总当“中国版XX”｜RSS 2026

英文标题：U.S. Embodied AI Not Mature Yet! PI: Why Do Chinese Companies Always Call Themselves “China’s Version of XX” | RSS 2026

英文关键词：RSS 2026, VLA, World Model, Embodied Intelligence, Whole-Body Intelligence, Data Curation, Hardware Export

一句话结论

在RSS 2026上，多位学者和从业者指出：北美头部具身智能公司（包括Physical Intelligence）距离成熟还有不小差距，整个领域也未见奠基性工作；中国在机器人硬件上有明显优势，不必急于对标海外公司。同时，VLA与世界模型并非对立，数据策展（curation）比单纯堆量更重要，并且机器人产业正从“上半身操作”走向“全身智能”。

事件概述或研究问题

本文基于量子位在RSS 2026（悉尼）现场与学者的交流，探讨以下核心议题：

为什么国际顶会仍在热议VLA，而国内已转投世界模型？（时差源于审稿周期）
具身智能领域VLA与世界模型能否共存？
数据规模 vs 数据质量管理哪个更关键？
机器人硬件为何先于软件出海？
“全身智能”作为新方向的出现。

方法/产品要点

VLA与世界模型并非互斥：Physical Intelligence的π0.7已包含世界模型组件，不同任务适合不同处理方式（语言推理 vs 视频预测）。PI内部更倚重语言（Steerable），但承认两种能力可协同。
数据策展 > 数据规模：Simar Kareer（EgoVerse作者）强调，仅靠Egocentric数据不如混合多种对齐数据有效。数据配方（data mixture）是“不易示人的recipe”，未来数据公司需交付筛选后的数据方案。
Model-Rich, Data-Poor：Karen Liu提出利用已有仿真、规划、视觉模型充当‘教师’，通过Real-to-Sim-to-Real管线（如VLK）自动生成训练数据，减少对遥操作的依赖。
全身智能（WBI）：李弘扬提出分层架构（大脑→具身模型→身体模型/控制器），强调机器人的移动、平衡、操作需协同，而非拆解。
硬件先行出海：中国企业（宇树、智元、诺亦腾等）在RSS参展，吸引高校和开发者，但落地场景仍以矿山巡检等ROI明确的本地任务为主；软件和数据服务尚在早期。

主要结果或产业意义

中国硬件优势获国际认可：Physical Intelligence人士直言“中国真正领先的是机器人硬件”，并对中国企业自称“中国版XX”感到不解。
北美具身并未成熟：包括PI在内的北美头部公司“离成熟还有不短距离”，领域缺乏奠基性工作。
数据采集与机器人形态绑定：Sunday Robotics先设计Skill Capture Glove再设计机器人本体，表明数据需求正反向重塑硬件。
触觉仍为附加模态：触觉传感器数据稀缺、难以迁移，且受指尖形态影响，尚待突破。

为什么重要

本条卡片是对已有相关卡片的更新与延续：

相比Figure Helix 02（全身自主性）和Agility Digit的商业部署，本条补充了国际学界对具身智能整体成熟度的质疑，以及世界模型与VLA关系的现场讨论。
相比“大脑跟上”的转折点判断，本条提供了更细致的视角：数据策展、模型分工、全身智能工程化——而不仅仅是模型能力。
首次在公开材料中记录Physical Intelligence内部对“中国版XX”现象的直接评价，具有行业反思价值。

局限与不确定性

文中关于“PI实习生认为世界模型尚未真正实现风险预测”的观点属于个人判断，非官方立场。
数据策展的具体“recipe”未透露，尚无法验证其复现性。
全身智能（WBI）概念的产业落地时间表待核实。
中国机器人硬件出海的实际营收数据未提及。

可用于图书/PPT/简报的角度

中美国际具身对比：硬件领先 vs 软件未熟，不必盲从对标。
技术路线迷思：VLA与世界模型并非二选一，而是互补的工具箱。
数据为王的新规则：从“数据量”到“数据质量”的范式转变。
全身智能的工程挑战：机器人不仅是AI大脑，更是系统集成。
出海策略启示：先用性价比硬件打开高校和开发者市场，再逐步建立软件生态。

原始材料

URL: https://www.qbitai.com/2026/07/460542.html
来源：量子位（公众号QbitAI），2026-07-25
标题：美国具身也没成熟！PI：中国公司何必总当“中国版XX”｜RSS 2026
作者：henry（发自悉尼）