終於有空回覆你，同行你好。

我認為具身智能是一場騙局，這口鍋主要該由學界來背，而不是工業界。這個概念最初就是學界炒熱的，但在工業界，“機器人” 不是什麼新詞。機器人學習本身不是騙局，但 “通用具身智能馬上到來” 這個説法幾乎一定是騙局。

我本科畢業於二本院校，現在在新疆大學讀研，導師指導也不多。復現成果時，我常常陷入很深的自我懷疑，因為很多 Oral 級別的論文，都有貢獻過窄，標題和傳播範圍過大的通病。高水平論文把很強的工程抽象做得看起來很簡潔，再通過標題，摘要和傳播，把它包裝成通用具身智能。

落到產業上就更有意思了。我接觸過的企業（以中小企業為主，大企業我也接觸不到），號稱做具身智能的機器人，本質上就是以前的 RTOS 加了個 LLM，做一些簡單的 RAG 或基於規則的自然語言指令。很多家用機器人 Demo，靠的是人在迴路的遙控操作。還記得 Figure AI 嗎？他們在工廠裏也只是用少量機器人做簡單任務。評測標準和仿真顆粒度上，當前工業界更是一團亂麻，普遍缺少足夠細粒度的物理信息，而這種精度恰恰是靈巧操作所必需的。還有馬斯克的 Optimus，2024 年發佈時，現場互動也在很大程度上依賴人工操作。

工業界在實踐上領先學界，學界在理論上領先工業界，這是一個基本規律。但現在強如工業界也沒有拿出跨時代的成果，強如學界也沒有出現真正跨時代的理論，那拿這些成果去融資，這不就是炒概念嗎？

你可能會提到 VLA，VLA 不算劃時代的。它本質上只是把 “視覺識別、語言理解、動作生成” 這幾個已有的進步，用一個端到端網絡縫合到了一起。工程整合很漂亮，但底層範式還是沒變，依然缺乏常識推理，物理直覺和可泛化的操作智能。但是這個範式不改變，很難説短期內一定會突破。

視覺識別在進步是真的，語言規劃在進步是真的，模仿學習在進步也是真的。可這些東西加在一起，充其量只是 RTOS 的 Plus 版本，連具身智能概念的邊都還沒摸到。