蓝驰陈维广对话智源王仲远、银河通用王鹤、面壁智能李大海：大模型时代的长期价值与下一条曲线

大模型时代，技术的演进路径、企业的护城河与智能的边界，正在被重新丈量。

大模型公司最终会不会像卖水卖电——有量无价？Scaling Law是在失效，还是只是在演变？在2026智源大会举办的大模型产业论坛上，蓝驰创投管理合伙人陈维广与智源研究院院长王仲远、银河通用创始人兼CTO王鹤博士、面壁智能CEO李大海，围绕大模型时代的长期价值展开深度对话。

从护城河的本质，到Scaling曲线的下一程，从具身智能的技术路线，到中国AI的独特机会，他们的洞察与判断，为理解大模型时代的长期价值提供了多元视角。对话内容精选如下：

Jui陈维广：大模型快速趋同、token价格持续下探，甚至有些人非常质疑说，AI大模型的公司最终就会像卖水卖电的，有量无价。从各位的角度来看，AI企业尤其是模型公司，未来的长期价值和护城河在哪里？

**王仲远：其实坦率来讲，我个人并不完全认同这种观点。因为现在大模型整体性能迭代还没有到瓶颈，我们还没办法决断最后大家会不会都趋同。它有可能有很多种演化的格局，比如说一超多强，或者多个巨头，或者是最终大家都能力差不多。

现阶段从实际情况看，榜单确实不那么可信，有时候我看那些榜单都看得眼花缭乱，很多结果也没办法完全验证。但我们经常讲是骡子是马拉出来溜溜，能够拉出来溜溜至少可以让大家有一个体感。

比如银河，我对银河最大的一个印象就是敢展示真机，敢做现场展示；面壁端侧智能也是如此。这些敢于亮真活的模型公司，我想是有底气的，也能够在一些场景去找到数据闭环。

人工智能的技术还没有收敛，还在快速迭代演进，各种可能性都有。因此今天可能还没办法下结论，说将来这些公司会不会都趋同，他们的护城河在哪里。

王鹤：这个问题，其实更多反映的是大家对数字世界里的智能、对LLM（大语言模型）的判断。但正如仲远博士所说，LLM本身仍然存在很多变数。再往后看一步，到多模态、VLM（视觉语言模型）或者VideoGen（视频生成技术），变数就更多。

在我本人主要从事的具身智能来看，整个行业正在往Converging的方向发展。在过去几年，行业有VLA（视觉-语言-动作模型），也有World Model，现在在向着World Action Model的方向去迭代：一个模型既能够做未来预测，又能够做动作执行预测，既能够吸收人类无动作标签数据，又能够吸收机器人有动作标签数据。所以我觉得具身智能现在还是处在一个GPT 1到2的阶段。

往未来看，行业进入scaling以后，一切都会快速推进，所以行业现在开始需要更大量的资金。其实今天我们在资金体量上、在数据上、在模型水平上，跟LLM相比还是差几年。

未来真正的护城河是什么？对于具身智能来说，它其实是一个完整的体系：要有源头的数据供给，要有处理不同类型数据的能力，不管是合成数据、人类数据，还是机器人数据，都要能够有效提炼和利用。再往下，还需要硬件持续迭代的能力，以及co-design（软硬件协同设计）的能力。最后，是模型的融合能力、整体性能，以及最终把整套硬件产品交付给客户的能力。到今天为止，全球范围内还没有出现一个真正把这些能力全部整合起来的产品。所以它的护城河其实是相当深的，未来无论是做垂类应用，还是继续往深做、往广做，都还有非常大的潜力。

李大海：受两位嘉宾的启发，我突然想到大模型应该是我们以前说的所谓的"梯形人才"，它必须得是通用的，但仅仅是通用、和其他人同质化是没有意义，一定要有自己的长板。比如说Anthropic，它之所以强、获得亮眼的商业成绩，是因为在通用模型的前提之下，做到了Coding能力独步天下，所以大模型光是有横向的通用性还不够，一定要有纵向的长板。

纵向这部分怎么来？我也认同王鹤老师的观点，但我会用另外一个词——闭环。一定要把大模型当成一个引擎、一个发动机，但发动机的能力持续优化要跟整车协同，不能够脱离掉应用去说我要做成什么样子。从过去两年大模型发展，我们看到一个非常重要趋势：模型是以一个系统去演进的，包括现在大家在做的Agentic AI、强化学习，本质上都是围绕整个Agent系统，去进一步训练和优化模型。面向未来，一个非常重要的方向是上下文记忆。目前大家更多是通过Harness的方式来实现，但我认为，仅靠Harness是不够的，它一定要和模型本身的强化学习结合起来。

总结来说，我认为大模型的技术还远远没有收敛。同时，任何一家模型公司都要把技术的通用性跟商业的通用性分开。目前通用的商业是很少的，要把商业做好，就需要围绕特定方向对模型进行极致的优化。也正因如此，护城河可以有很多种，每个公司找准自己的方向以后，都可以有好的发展。

Jui陈维广：看来这个行业确实很容易走向一种非黑即白的讨论，大家总想立刻下一个结论，说大模型没有长期壁垒。不过，听了几位老师的分享，我觉得场景非常重要，数据非常重要，刚才大海老师提到的闭环能力也非常重要。

从投资人的角度，我们接触过很多创业团队，一个很重要的判断就是，不同团队的基因差异其实非常大。市场上也经常有一种观点，认为大模型公司一旦往下做应用，就会把应用公司碾压掉。但真正接触这些团队之后会发现，这两类团队的文化和能力取向其实很不一样：做大模型的团队，你会明显感觉到他们身上有一种实验室的氛围；而做应用的团队，更多关注的是场景、用户需求。而这些差异，本身也会逐渐沉淀成各自的壁垒。

Jui陈维广：现在行业里一个很普遍的讨论：如果继续沿着传统语言模型这条路线往前走，是不是已经开始遇到瓶颈了？未来继续投入，边际收益会不会越来越小？

尤其是去年，随着Scaling Law带来的红利逐渐减弱，很多人开始觉得预训练继续投入更多算力和数据，模型能力的提升已经没有以前那么明显了，因此大家开始把更多注意力转向强化学习、后训练等方向。

请问王老师怎么看这个问题？以及像Diffusion等一些新的技术路线正在出现，会不会成为下一阶段模型发展的突破口？

王仲远：我比较坚信Scaling远远没有走到尽头。去年大家觉得Scaling失效，主要是因为互联网数据基本用完了，模型性能遇到瓶颈。但从今天回头看，Scaling并没有失效，而是变得更加多样化——后训练、强化学习、推理等新路线已经开启了新一轮能力提升。再往后，Agent和递归自进化都说明，即使互联网数据接近用完，AI的能力依然可以持续提升，它正在从聊天工具演变为真正能执行任务的工具。

智源研究院一直有一个定位，就是做高校做不了、企业现阶段不愿意做的事情，去探索下一条智能发展的曲线。

过去两年，我们把重点放在了多模态，希望基于Next Token Prediction，探索多模态领域的Scaling范式。以Emu3、Emu3.5为例，它们已经展现出了多模态Scaling的潜力——尽管我们目前使用的数据还不到整体数据规模的1%，模型参数也只有百亿级，但已经能看到非常明显的性能提升。我们认为，多模态的Scaling范式至少已经找到了一条可行路径。

当我们觉得技术成熟的时候，就交给产业去推进，自己再往下一个方向走。现在是朝着物理世界——世界基座模型——的方向去探究Scaling的范式。早前分享的悟界physics，就是在探究这个方向。所以对这个问题我还是非常乐观的：不管是已经成熟的语言模型、AIcoding、数字世界的大模型，还是未来的世界基座模型，都还有大量关于Scaling的问题值得继续探索。

Jui陈维广：想问王鹤老师，在Physical AI领域，最近关于技术路线有不少讨论。有一种观点认为，VLA目前还有很多问题没有解决，为什么行业已经开始把注意力转向世界模型？您怎么看这个趋势？

王鹤：银河通用，包括我本人，都非常坚定地相信Scaling。在WAM（World Action Model）这个范式出现之前，我们在VLA路线下聚焦抓取（Grasp），用10亿帧仿真数据验证了：单一技能通过Scaling可以成长为真正的基础模型。我们2025年初完成的GraspVLA，在真实世界里对任意新物体都能Zero-Shot抓取。到现在，单纯依赖真实世界遥操作数据训练出来的模型，还没有能够达到GraspVLA在Zero-Shot抓取上的能力。

但合成数据拓展更多任务仍有局限，遥操作也难规模化。今天，具身智能正迎来一个非常关键、也非常光明的Scaling up时刻，而这个变化，很大程度上就是因为WAM——世界动作模型。WAM的核心是Action：它利用对未来状态的预测进行视觉层面的Action Planning，且不需要Action Label。这意味着我们可以大规模利用人类第一视角视频训练具身智能，让技能向更多任务、更丰富场景持续Scaling。

银河通用在2025年3月发布了全球首篇以WAM为主题的论文。WAM超越VLA的关键在于，它将人类数据与机器人数据共同纳入训练体系。正如NVIDIA GEAR Lab负责人、我在斯坦福的同学Jim Fan所说：Robotics的End Game就是WAM。 如今，具身在预训练上已没有数据类型的局限性。我预测未来两年，具身将全面到达GPT-3.5时刻——但这需要千万小时级的高质量数据，以及百亿级以上的单年投入。同时具备这两项和强大的模型能力，才能拿到冲刺ChatGPT的入场券。 Jui陈维广：我把这个问题稍微延展一下，根据你这样的分析，是不是意味着外面说的"世界模型for physical AI"全部都不靠谱？

王鹤：WAM 也算一种世界模型。很多人谈到 World Model 时，都会强调把它当成一个 Simulator，让机器人在里面进行强化学习。对于这一点，不能说全不靠谱。事实上，我们自己也有很多工作，是把 World Model 当作一个可交互的Differentiable Simulator 来使用。

但如果认为，一定要先构建一个能够模拟世界上一切事物、能够和一切环境交互的 World Model，然后才能训练出真正的具身智能，我觉得并不是这样。就算是人类，我们也不能把全世界所有东西都simulate、精确地知道下一步的物理状态，但照样可以 interact with everything。所以我并不觉得成为一个成熟的 world simulator 是建立具身智能 ChatGPT 的前提条件。

Jui陈维广：大海老师，过去几年，大家讨论Scaling Law的时候，更多关注的还是云端模型。但行业里也有一种观点，认为终端很难像云端一样持续 Scaling。面壁一直聚焦终端，您怎么看这种观点？

李大海：简单说，肯定都在Scaling。面壁提出的知识密度定律，可以理解成一个公式：大模型的智能 = 知识密度 × 参数量。从这个角度看，在大家还在质疑Scaling是否失效的时候，云端的Coding模型已经越做越大——Opus在变大，国内所有的Coding模型也在越来越大。端侧模型同样在越来越大。

面壁去年给主机厂落地端侧模型，当时只能落1B——不是我们只能做1B的模型，而是那时候终端硬件的算力和带宽只能支撑这个量级。今天这个数字已经从1B长到4B，明年可能就变成几十B，涨速非常快。

端侧主要是资源受限，而具身智能载体本质上也属于终端，它的"大脑"同样是端侧模型。所以在模型能力、技能优化上，具身智能还有极大的挖掘空间，真正的瓶颈在于硬件物理条件。

另外，大语言模型在长上下文任务处理上，不管是成本还是效果，和人脑相比还差得很远——人脑做长程上下文任务非常优秀，而且低功耗。这背后也有巨大的Scaling空间。所以道阻且长，现在远远没有收敛。行业里时常会用一些阶段性认知来做叙事，但这些叙事的保质期非常短，我们在不断打破它们。

Jui陈维广：刚才你说端侧模型从1B到4B，主要还是端侧硬件变厚了，是吗？

李大海：对，也包括量化技术的提升。知识密度变高了，量化完之后用的内存和资源跟以前一样多，但放进去的是更大的模型，这些都是手段。

Jui陈维广：市场上还有一个说法，端侧模型兴起，主要是因为大家觉得云端太贵，都在想办法把计算放到终端，这个理论能成立吗？

李大海：我认为这是 Token 经济学的一部分。对于终端厂商来说，这是一个非常清晰的算账方式。在中国，我们老百姓买手机、买汽车不会去订阅，比如我买了手机，不会再想着给厂商每个月交19块。所以对于想给用户提供好的AI体验的设备厂商来说，后续的成本怎么负担，是个很现实的问题。端和云一定要协同，因为端侧资源有限，不可能做和云端一样的工作。但凡端侧能做的，大家尽量还是希望在端上做，成本最低。

Jui陈维广：前面两个问题，都是行业外的人常常challenge做AI的。但如果Agent自动化执行任务，出错了谁来承担责任？机器人伤害了用户，大模型生成了有问题的内容，对于这一点，仲远老师您怎么看？

王仲远：这让我想起今天早晨开幕式上王坚博士的播客访谈，也涉及到一个问题：人和AI到底如何共处？

新技术的诞生，总会经历从担忧恐惧，到开始适应和使用，再到融入社会、形成治理体系的过程。自动驾驶、辅助驾驶已经趟过了一遍：权责到底谁来定，是软件厂商的、硬件厂商的，还是用户的？AI和智能体后续也会有类似的过程。

更关键的是，如果一个技术真的能提升3倍、5倍的效率，它就没办法被阻拦，最终一定会在社会、工业和生活中越来越普遍。出了问题之后的责任划分，是整个社会治理体系和政策要解决的问题。人类经过了这么多次技术浪潮，会有办法的。

王鹤：具身智能在工业自动化中其实有一套很现实的逻辑。交付给工业客户，不管是具身的还是传统机器人，他主要看你做这道工序的成功率。某个环节失败导致产线停工，和员工出错导致产线停工是一样的——罚钱。所以讲对经济活动的影响，逻辑很简单：具身智能机器人必须做到像人一样干活，并且在经济任务上能负责任。

更长远的问题，是具身机器人在又有体力活又有脑力活的任务中，权责怎么讲清楚。从现在Agent的大面积使用，我相信未来能慢慢给出方案。比如今天用Coding Agent写了bug，责任还是使用者的——没做全面的评测。未来产线里的具身机器人，是技术漏洞还是管理漏洞来负责？再往更远，全部都是AI、没有任何人类，谁来负责？我相信会一步步探索出来。

李大海：我来说点让大家毛骨悚然的真话：整个人类社会的发展就是建立在"吃一堑长一智"上。飞机上那些让人烦的安全规定——起飞降落必须收起小桌板、打开遮光板——每一条背后都是历史上一次次空难的教训总结出来的。很多时候人们不理解这些规定，但就是这样来的。

在AI赋能之下，我们发现安全漏洞、填补安全问题的效率其实也在提高。所以虽然可能还是无法避免先吃亏，但付出的代价可能比以往更少。另外，我们作为企业，我们看到其实我们的政府监管对安全底线非常重视，企业从第一天就要通过网信办的安全备案，考虑内容生成是否符合安全标准，这些都是好的方向。但总的来说，安全问题总会从你想象不到的角度出现，给大家教训，再变成让整个社会治理更安全的方式。这件事可能真的无法避免。

Jui陈维广：我们最后一个问题，从自己的视角和所处的领域，你觉得中国AI和欧美AI最终走出来不一样的地方在哪？

王仲远：我觉得咱们中国还是有很多独特优势，包括像供应链、制造业以及场景，我们自身的市场也已经足够大，能够孵化和催化很多技术的产生和落地。当然也希望这些技术最终能辐射到全球。我自己觉得，结合中国这些优势，具身智能和世界模型，很有可能是将来中国会有独特性且在一定程度上领先的领域。

王鹤：我明天在具身智能与人形机器人的论坛上会主要谈这个，talk的名字叫"推动embodied AI的AlphaGo和ChatGPT moment"。我坚信，具身是中国的机会。具身智能的AlphaGo和ChatGPT moment，我坚信会在中国实现，这也是我们银河通用和中国具身智能人的责任。如果具身智能的0到1在中国完成，相信1到100也必定在中国成熟。

李大海：我就补充一个点：人才。中国拥有最聪明的青年才俊，并且数量应该也是全球最大的，我觉得这个是最底层、最重要的因素。有了这个，再加上生态、供应链优势，以及政府对这个领域的重视，这些因素叠加在一起，中国必定会在人工智能领域取得长足进步。

Jui陈维广：我们最近对比了中美AI人才结构，一个显著差异是：中国AI人才的年轻化程度更高。智源大会每年越办越大，有很多年轻研究员踊跃参与。蓝驰所投的很多创业公司，除了创始人和团队，也与高校及智源研究院保持着深度合作。这可能是中美AI生态最不同的一点。

最后快速总结一下本场的核心：第一，大模型或具身智能并非没有护城河——每个团队基于落地场景、数据闭环与工程能力，可以形成差异化的壁垒。第二，Scaling Law远未真正见顶，尤其在具身智能领域仍有巨大空间。第三，关于AI安全，我比较认同大海老师"吃一堑长一智"的演进逻辑，每次失误都会推动治理规则走向完善。最后，希望智源大会越办越成功，也越来越清楚地展示出中国AI实力的增长。

蓝驰对话极客公园张鹏、十字路口Koji、WaytoAGI西琦AJ：AI浪潮下的"新物种"与"新生态" 蓝驰对话月之暗面、牵手科技、元理智能、大千科技——AI实战派：从技术到价值的中国路径 蓝驰对话智元、银河通用、它石智航、灵初智能、Hillbot——具身智能：破晓时的"破"与"立"