4月16日，在GEIA Asia 2026数据与模型论坛上，原力无限CTO王一舟发表主题演讲《原力觉醒：从智驾看具身，具身智能如何构建壁垒》。
在这场面向亚太具身智能产业核心从业者的分享中，王一舟没有把讨论停留在机器人本体、动作演示或短期热度上，而是把问题拉回到一个更底层的位置：今天的具身智能，真正需要补上的，是一个能够支撑规模化落地的大脑系统。
王一舟是原力无限CTO，UC Berkeley机械工程博士，长期深耕自动驾驶、机器人控制、世界模型接口与AI基础设施领域。加入原力无限前，他曾任英伟达高级工程经理与架构负责人，是DriveAV核心创建成员之一，深度参与自动驾驶全栈系统、世界模型接口与量产级研发体系建设。在原力无限，王一舟将智驾时代积累的工程闭环、数据闭环与训练平台方法论引入具身智能，主导构建公司从数据采集、仿真生成、模型训练到部署评测的全栈AI Infra体系。
过去一年，具身智能与人形机器人迅速升温。展会、论坛、发布会密集出现，机器人开始越来越频繁地进入公众视野。本体形态不断丰富，动作演示越来越流畅，场景想象也越来越宏大。
但如果把视线从这些直观展示中抽离出来，会发现行业真正的难题并没有因为“更像机器人”而自动消失。
机器人能否在复杂、开放、长程、非标准化的真实环境中稳定工作，仍然是具身智能走向规模化落地之前必须回答的问题。
“脑身割裂”，是现阶段具身智能的关键难题
在王一舟看来，当前具身智能行业面临的核心问题，并不是身体不够先进，而是“脑身割裂”。
所谓“脑身割裂”，并不是一个修辞性的概念，而是具身智能现阶段真实存在的技术症结。
今天，很多机器人的本体能力已经走得很快。硬件结构、运动控制、关节自由度、行走稳定性都在快速进步。机器人可以完成一些预设动作，也可以在限定条件下做出不错的演示。
但与之相对应的“大脑”系统，仍然没有真正建立起对物理世界的深层理解。
一旦进入复杂、开放、长程、非标准化的真实环境，问题就会迅速暴露出来：可靠性不足，泛化能力不够，训练成本极高，部署后的持续进化缺少闭环支撑。
摔倒、动作单一、任务切换困难、复杂操作成功率不稳定，这些看似不同的问题，本质上都指向同一个根因：机器人有了越来越成熟的“身体”，却还没有真正成熟的大脑。
如果只把具身智能理解为动作能力的叠加，或者把阶段性Demo误认为可规模化能力，行业就很容易高估当前进展。
因为动作生产本身，并不自动等于智能。
机器人真正需要解决的，不只是“做出一个动作”，更关键的是理解为什么这样做、下一步该做什么、这个动作会带来什么结果，以及在环境变化之后如何继续完成任务。
这也是原力无限始终坚持的基本判断：具身智能大脑不是某一个单点模型，不只是一个VLA、一个世界模型，或一个Agent，而是机器人完成“感知—理解—推理—预测—执行—学习”闭环的核心智能系统。
只有这个闭环成立，机器人才能从“会演示”走向“会工作”，从“能完成一次”走向“能够长期稳定完成”。
从智驾看具身：真正的壁垒不是单点模型，而是系统闭环
王一舟这次在GEIA Asia的分享，另一个重要价值，在于他并没有只从具身行业内部讨论具身，而是把视角拉回到了自己长期深耕的自动驾驶领域。
从智驾走到具身，并不是一次简单的跨赛道迁移，更像是一次方法论层面的重新审视。
具身智能今天遇到的很多问题，自动驾驶行业都曾经经历过：技术路线如何选择，数据体系如何建立，仿真与真实世界如何联动，工程系统如何形成闭环，模型能力如何从实验室走向规模化部署。
在王一舟看来，AI领域的方法论演进，很多时候不是简单“积累”，而是持续“汰换”。
回看自动驾驶过去十年的发展路径，从早期感知堆叠，到模块化深度学习，再到3D感知、BEV、端到端，直至更大规模的VLM/VLA整合，技术栈并不是在原地缓慢加法，而是在一次次路线更替中快速重写。
旧方法常常不会只是被补充，而是直接被淘汰。
这对今天的具身智能尤其重要。因为如果在当前阶段误判真正的技术重心，很多投入最终都可能沉淀为很快贬值的成本。
真正能构成行业壁垒的，往往不止于某一次模型效果领先，也不止于某一次演示足够惊艳，而是能否建立起一个可持续迭代的系统。
对于具身智能而言，这个系统至少包括几件事：高质量数据如何持续产生，仿真与真实世界如何打通，模型如何稳定训练与复现，部署后的问题如何回流，机器人如何在真实场景中持续进化。
这些问题没有被解决之前，具身智能很难从一段漂亮Demo，真正走向大规模应用。
具身智能不能简单复用智驾答案
但王一舟同样强调，具身智能并不能简单复用自动驾驶的答案。
二者虽然在AI Infra、数据闭环、仿真训练、评测部署等方面有大量共通方法论，但面对的物理世界复杂度并不相同。
自动驾驶的核心任务，是在相对明确的交通规则和道路结构中完成感知与决策；具身智能面对的，则是更加开放的环境、更加多样的对象、更加复杂的操作，以及更高密度的人机交互。
这直接导致两者在数据和模型上的难度并不处于同一层级。
自动驾驶的数据瓶颈，更多在于自动标注体系如何持续升级；而具身智能的核心瓶颈之一，是高质量数据源本身就极难获取。
自动驾驶仿真更强调视觉层面的高保真；而具身仿真除了外观一致性之外，还必须处理物理属性、交互可行性、可操作性等更复杂的问题。
自动驾驶的数据闭环，更偏向长尾问题发现与数据分布修正；而具身智能更强依赖策略相关的数据训练，训练配方本身也更复杂。
换句话说，具身智能不是自动驾驶的简单外推。
它可以借鉴自动驾驶在工程闭环、数据闭环和训练平台方面的方法论，但必须重新面对一个更加复杂、更加开放、也更加难以标准化的真实物理世界。
这也是为什么具身智能不能只依赖本体进步，也不能只押注单一模型能力。真正决定长期竞争力的，是企业能否把模型、数据、本体、场景和反馈，组织成一套持续进化的系统。
原力无限的回答：用“具身大脑 + AI Infra”重建闭环
这也是原力无限此次在GEIA Asia上希望表达的核心观点：今天讨论具身智能的壁垒，视线不能停留在本体，也不能只停留在模型，而要进一步看到“具身大脑 + AI Infra”能否形成完整闭环。
在原力无限的技术框架中，“脑”与“基础设施”不是两个割裂模块，而是共同构成能力飞轮的整体。
在“脑”的部分，原力无限选择的是持续学习VLA与因果世界模型的融合路线。
持续学习VLA解决的是机器人感知、理解与动作之间的统一建模问题，使机器人能够把视觉、语言和动作连接起来，形成更强的任务理解与执行能力。
因果世界模型解决的，则是未来状态预测、反事实推演与策略评估问题，使机器人不只是看到当前环境，更能在行动前对结果进行内部推演。
这条路线的重要性，在于它不再满足于让机器人做出反应，而是试图让机器人在动作发生之前，先在内部完成一次“想一遍”。
在真实物理世界中，试错是昂贵的，重复试错更是不可持续的。
如果机器人无法提前判断动作后果，就只能依赖高成本真机迭代；而一旦具备预测、筛选和评估能力，很多学习与优化就可以前移到更高效的系统层完成。
这也是王一舟这次演讲背后的逻辑：与其让机器人在真机上反复试错，不如先打造一个能够理解世界、推演结果并持续进化的大脑系统。
AI Infra不是配套工程，而是具身智能时代的生产系统
在“大脑”之外，原力无限把大量精力放在了更不显眼、但更决定长期天花板的AI Infra上。
对于任何一个真正想走向产业化的AI体系，最终都绕不过基础设施问题：
数据怎么来，怎么治理，如何形成稳定分布；仿真怎么做，如何与真实世界联动；训练怎么复现，模型和数据如何实现血缘追踪；部署后的反馈如何再回流到下一轮训练。
没有这些，所谓模型领先往往只是暂时领先。
原力无限当前构建的全栈AI Infra，核心是把数据采集、仿真生成、模型训练、评测与部署串成一个持续运转的系统。
在数据采集端，原力无限不再满足于传统低效的本体在环遥操作方式，而是采用更偏第一视角、自我中心的Ego-centric范式，提高长程复杂任务数据的生产效率。
在仿真端，公司通过世界模型、重建模型与多模态模型协同推进Real2Sim，持续扩充训练数据的广度与深度。
在训练端，原力无限沿袭智驾量产经验，构建Training Recipe与可追溯的流水线系统，把“模型怎么训练出来”这件事工程化。
这些能力不像一个灵巧动作Demo那样直观，却直接关系到技术体系能否持续迭代、持续演进。
也正因为如此，AI Infra不是具身智能的配套工程，而是具身智能时代的生产系统。
它决定了机器人能否从一次性演示，走向长期运行；从单点能力，走向持续进化；从实验室模型，走向真实世界部署。
“一脑多身多场景”背后的技术逻辑
原力无限提出的“一脑·多身·多场景”，并不是简单的产品矩阵表达，而是技术路线的自然延伸。
“一脑”，指的是以持续学习VLA与因果世界模型为核心的具身大脑。
“多身”，指的是这一具身大脑可以赋能不同形态的机器人本体，包括通用人形机器人AstroDroid系列、心智原生小尺寸双足机器人小原子系列、高危高强度场景机器人UltraDroid系列，以及垂直场景专用机器人FORCE系列。
“多场景”，则指机器人能力进入商业、制造、文旅、教育、家庭等多元真实场景，在真实任务中产生价值，并通过场景数据反哺模型进化。
这套战略的关键，不是简单扩充产品线，而是通过统一技术底座，把不同本体、不同任务和不同场景连接为同一套成长系统。
这也解释了为什么原力无限并不把自己定义为单一机器人产品公司。
FORCE系列曾是公司早期完成商业化验证的重要产品线，但今天的原力无限，已经进一步升级为以具身大脑为核心、以多形态机器人为载体、以真实场景为验证闭环的具身智能企业。
从“会演示”到“会工作”，具身智能需要长期主义
具身智能行业正在经历一个重要转向。
早期，行业更容易被直观的动作展示吸引：能不能走、能不能跑、能不能抓取、能不能完成一段流畅演示。
但真正进入产业化阶段后，行业将更关注另一组问题：机器人能不能长期稳定运行，能不能适应变化环境，能不能持续学习，能不能规模化部署，能不能在真实场景中形成可验证的商业价值。
这也是王一舟在GEIA Asia分享中最核心的判断之一：具身智能的壁垒，不在于某一个孤立的动作、某一个短期模型指标，或某一个阶段性Demo，而在于能否建立起支撑机器人长期进化的大脑系统和基础设施闭环。
对于原力无限而言，具身智能的关键不只是“让机器人动起来”，而是让机器人真正理解世界、进入真实场景，并在持续反馈中不断进化。
未来，具身智能行业真正要回答的问题，也许不再是谁的机器人更像人，而是谁能让机器人更稳定、更可靠、更持续地在真实世界中工作。
而这，正是原力无限持续投入具身大脑与AI Infra的原因。
关于原力无限
原力无限（INFIFORCE）成立于2023年，是一家专注于具身智能前沿大脑技术与人形机器人研发及商业化的人工智能企业。公司以持续学习VLA与因果世界融合模型为核心技术底座，以全栈AI Infra构建数据与模型飞轮，致力于为机器人打造真正理解世界的大脑。
基于“一脑·多身·多场景”战略，原力无限已形成覆盖通用人形机器人AstroDroid系列、心智原生小尺寸双足机器人小原子系列、高危高强度场景机器人UltraDroid系列，以及垂直场景专用机器人FORCE系列的产品矩阵。公司核心产品已在商业、制造、文旅、教育、家庭等场景中持续落地，业务覆盖海内外市场。
原力无限已加入工业和信息化部人工智能标准化技术委员会、中国人工智能产业发展联盟及人形机器人场景应用联盟，并先后获得福布斯中国人工智能科技企业TOP 50、央视《赢在AI+》全国十强、工信部人工智能+TOP 50案例等多项荣誉。
