最近机器人圈子里流行一个灵魂拷问：
要是只能挑一个毛病，到底是什么拦着机器人走进咱们的真实生活？
电机不够劲？电池不耐用？
都不是。
答案说出来有点扫兴，是数据，真实世界的数据。

这事来自京东全球科技探索者大会上的一场圆桌，主题就叫具身智能走出 Demo。
台下坐着的都是行内人，智元的姚卯青、智平方的张鹏、鹿明机器人的喻超、逆矩阵科技的陈博远，还有京东探索研究院的黄浩洋。
整机厂、方案商、创业公司、科研机构，凑了一桌。
Demo 这个词，圈外人可能没感觉。圈内人听了会心一笑，还带点苦。你在发布会上看到的机器人，端茶倒水叠衣服，动作行云流水。可你真把它买回家试试？你家的杯子换个颜色，它可能就僵在那儿不知所措了。
实验室里的王者，厨房里的青铜。
这就是 Demo 和真实世界的距离。

距离怎么补？
会上几位吵出了两条路线，还挺有意思。
姚卯青代表主流派，主张分层。
上层用多模态大模型，管理解指令、拆分任务、盯着过程、失败了重新规划，相当于大脑。
下层用专门的策略模型，管精细操作，相当于小脑和手。
大脑说把杯子拿过来，小脑负责别捏碎。他的理由也实在，想训练一个模型包打所有场景，理想很丰满，现实骨感得很。
逆矩阵科技的陈博远走的是另一条道，更猛。
他要直接构建真实物理世界的基座模型，一个模型吃透物理规律。他的底气来自大语言模型的老路：
当年各种垂直小模型满天飞，最后被通用基座一统江湖，物理世界凭啥例外？

谁对？
说实话，现在没人知道。
两条路都在烧钱，都在跑，这就对了。技术路线这事，从来不是吵出来的，是跑出来的。
真正让我眼前一亮的，是他们聊 GPT-6 Astra 的那段。
Astra 发布后，圈内一阵骚动，因为语言模型开始能操控物理设备了。
有人兴奋，说具身模型的未来要被重新定义。陈博远的反应特别接地气，他真的拿 GPT-6 去操作夹爪抓水杯，结果呢，40 分钟到 1 个小时，才抓起来。
一个小时，抓一个杯子。
我家三岁侄子都比它利索。
问题出在哪？
陈博远点得透：语言模型有两个天生绕不过去的坎。一个是很多精细动作根本没法用语言描述清楚，你跟人学骑车，师傅说重心放低保持平衡，你摔了八次才懂这句话啥意思，机器也一样。
另一个更致命，语言模型一个 token 一个 token 往外蹦，聊天时延迟 100 毫秒你毫无察觉，搁在真机控制上，就是三个控制周期的滞后。
你跟机器人说躲开，它还在一个字一个字琢磨，杯子已经碎了。

所以他的结论反而更坚定了：
物理 AI 一定会有自己的基座模型，语言模型替代不了。
这一段我觉得特别难得。
行业里现在弥漫着一种大模型包治百病的迷信，动不动就是往模型里灌更多数据、堆更多参数。
能冷静承认自家信仰的技术有上限，这种诚实比什么技术突破都稀缺。
当然姚卯青也从 Astra 里咂摸出不少东西。
他说了三条启示，最扎心的一条是：真正的壁垒在数据，不在模型。高质量数据能拉开 200 到 300 天的领先周期。
200 到 300 天。在技术圈，这基本就是一代的身位。

为啥数据这么金贵？
你想啊，语言模型的数据满互联网都是，人类几千年攒下的文字随便喂。机器人呢？得在真实世界里一个动作一个动作地试，试错密度越高，对物理的理解越深。
陈博远管这个叫交互密度，是数据量和参数量之外的第三条增长轴。
说白了，机器人认识世界靠的是摔跟头，跟头摔得不够多，书读得再好也白搭。
绕到这儿，特斯拉 Cybercab 就被反复提起了。
姚卯青点破了特斯拉的精明之处：纯视觉路线，收缩产品线，全球几百万辆车天天在路上跑，数据在商业闭环里自己长出来，技术跟着慢慢逼近临界点。
技术是技术，生意是生意，能把这两件事焊在一起，让每一辆卖出去的车都在给技术打工，这才是最难的那道题。

张鹏的话给所有人泼了盆冷水，也给了个盼头。
他说 Demo 和大规模商用之间，隔着客户价值、硬件稳定性、生产体系、售后能力一整条河，现在谁都没摸到明确路径。
但他紧跟着一句：这是这一轮具身智能革命里，中美站在同一起跑线的一次机会。
这话我信。
模型能力大家你追我赶，差距有限，真正的胜负手在系统能力，在本体、模型、数据、控制、售后这一整条链。
论供应链，论制造，论场景丰富度，论快递外卖家政这些海量真实场景，中国手里的牌一点不差。

机器人走进家门那天到底啥时候来？没人能给准日子。
但有一点是清楚的，谁能率先让机器人在真实世界里摔够跟头，谁就能第一个把它送进你家。
摔跟头的速度，就是这条赛道上真正的油门。