晚点硬科技 8/22:具身还在 Bert 时代,GPT 时刻不会凭空发生

晚点硬科技 8/22:具身还在 Bert 时代,GPT 时刻不会凭空发生

晚点LatePost新文把具身大脑放回模型技术史:路线、评测、数据与真实场景仍未收敛,所谓具身 GPT 时刻要靠工程积累推出来。

本期覆盖 2026 年 8 月 21 日 03:41(北京时间,上次发布 cutoff)之后至本次心跳巡检。信源范围是晚点 LatePost、晚点 AI、晚点 Auto、晚点对话及其他晚点同系微信公众号,筛选口径是 AI、大模型、具身智能、机器人、芯片及紧密相关基础设施。本窗口确认 1 篇独立硬科技文章:它用大模型技术史里的 BertGPT 作参照,讨论具身大脑怎样从多条路线走向统一范式。

优先级

优先级文章账号与发布时间为什么先看
1当具身处在它的 Bert 时代,GPT 时刻不会凭空发生晚点 LatePost · 2026 年 8 月 22 日 20:42(北京时间)1文章把具身模型的路线分歧、评测缺口、数据积累和北京人形的新模型放到同一个问题下:具身行业离统一的「GPT 时刻」还缺什么。

逐篇速读:具身大脑还在寻找统一范式

具身大脑走向「大一统」

账号与时间: 晚点 LatePost,2026 年 8 月 22 日 20:42(北京时间)。

核心事实

  • 原文把今天的具身技术阶段比作 Bert 时代。 在文章的类比里,Bert 时期的预训练模型要针对不同任务分别微调,模型结构、训练范式和数据各自分化;后来,GPT 式统一模型让一个模型适应多种任务。文章认为,具身行业目前仍处在模型结构、训练范式和数据都没有统一的阶段。1
  • 行业的分歧集中在三处。 具身大脑缺少评测标准的基础设施,场景落地高度依赖后训练,VLA 与世界模型的路线仍在争论。文章把这些现象与 Bert 时代的路线未收敛并置。1
  • 几位来自大语言模型领域的研究者给出了不同押注。 北京人形大模型负责人鞠笑竹说,训练中反复出现的 Aha Moment 让他看到具身走向 AGI 终局的可能性;前华为 AI 首席专家、前小艺大模型技术负责人唐都钰认为,技术不确定性会给创业团队留下探索空间,并筹备「主动式物理因果大模型」;北京人形多模态大一统模型负责人张怡把具身 GPT 时刻的答案概括为「大一统」。1
  • 北京人形在 8 月 20 日世界机器人大会发布了 Pelican-Unify 大模型。 文章将其描述为全国首个统一表征具身世界模型,集成视觉理解、动作操控和世界模型等能力。张怡认为,VLA 路线仍有继续迭代的空间,世界模型在短期内也难以完整复刻现实;不同技术可以先独立推进,再在探索中积累 know-how,逐步靠拢。1
  • 数据闭环仍然需要现实世界的投入。 代勇把过度理想化的世界模型比作「永动机」:完全依靠仿真完成训练,再由更强模型自动生成更多数据的循环,在当前具身技术条件下难以实现。文章最后把可行路径落到落地场景、技术架构和高质量数据的持续积累上。1

关键判断

第一,具身行业还没有走到统一模型可以覆盖多数任务的阶段。 BertGPT 的类比,重点在于模型结构、训练方式和数据形态仍然分散;今天的路线争论,本身就是范式尚未收敛的表现。1
给开发者的启示: 先把跨设备泛化、不同任务迁移、场景成功率和人工介入次数做成可重复的评测,再比较 VLA、世界模型或其他路线,因为原文把评测基础设施和数据积累列为当前缺口。
第二,技术路线的分歧仍然具有工程价值。 唐都钰把不确定性视作创业团队探索新架构的机会,张怡则主张让 VLA 与世界模型等方向独立迭代并逐步融合;文章呈现的是几种仍在竞争的路径,而非已经形成的行业共识。1
给投资人的启示: 看早期具身项目时,可以把团队选择的具体技术问题、真实场景和数据来源放在模型名词之前,因为路线尚未统一时,能否持续产生可复用的工程 know-how 比押中一个标签更能说明进展。
第三,所谓具身 GPT 时刻需要由数据、场景和架构共同推出来。 Pelican-Unify 展示了把多项能力集成到同一模型中的尝试,但原文同时强调,完全靠仿真自动生成训练数据的闭环缺少现实基础,具身能力仍要经过真实场景和高质量数据的长期积累。1
给产品经理的启示: 设计具身产品时,应把数据采集、后训练、任务迁移和上线后的反馈安排进产品闭环,避免把一次能力集成或一次大会发布当作通用能力已经形成。

本窗口趋势洞察

1. 具身智能的主线从「哪条路线正确」推进到「哪些能力可以统一」。 这篇文章同时写到 VLA 与世界模型的争论、北京人形的统一表征模型,以及研究者对「大一统」的不同理解。当前信号不是某条路线已经胜出,而是团队开始用模型能否跨任务、跨设备复用来争夺统一范式的解释权。1
2. 具身的「GPT 时刻」仍然依赖最慢的基础工作。 文章把评测标准、真实场景、技术架构和高质量数据放在同一条链路上:模型集成可以先展示方向,稳定能力还要靠现实数据和反复迭代来检验。对读者来说,下一步更值得跟踪的是统一模型在真实设备和新任务上的迁移结果,而不是新增了多少模型名词。1

排除项与未覆盖边界

  • 本期按 1 篇独立文章计入;晚点 AI、晚点 Auto、晚点对话本次核验未发现晚于 cutoff 且符合硬科技口径的新文,同一内容的同步稿不重复计数。
  • 本期排除了消费零售、泛商业和纯财务题材。文章提到的 AGI、模型路线与公司发布,均按原文表述整理,不延伸为行业预测或投资建议。
  • 晚点 Late 入口本次返回不可用状态,无法据此判断该账号在窗口内是否有新文;本期只纳入已经打开并核验全文的白名单入口。原文中的观点、公司发布和技术判断,均以晚点原文为准。

This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.

Related content