一年过去了，具身领域正在验证许华哲和周博宇的那场争论

去年5月，许华哲老师和周博宇在某乎上隔空聊了同一个话题，当时有一位读者在评论区写了一段话，获得了两位老师的同时点赞。

这段话的核心观点是：大模型在NLP和CV的成功，验证了“苦涩的教训”——算力提升带来的scaling law，会打败所有人为设计的先验知识。

但具身智能领域，这个规律可能延续不了。

原因在于符号完备性。

文本和图像的所有信息，都可以被符号化记录，形成data flow。算力提升让模型享受更多data flow，从而获得通用能力。

但具身智能面对的现实世界是符号稀缺的。物体的重力、摩擦力、物理属性……这些很难用符号表达。算力提升，可能对这些信息无能为力。

因此，他的结论更靠近周指导的方向：需要各个领域共同发力，帮助具身智能去做那些（可能永远）无法通过robot learning学会的东西。

一年过去，2026年的行业进展正在验证这个判断。

• VLA和WAM的争论吵了大半年。但回头看，两边都在补对方缺的东西：
• VLA泛化差、不理解物理规律 → ALAM从无动作标签的视频中提取物理先验，注入VLA训练。
• WAM速度慢、成本高 → DreamDojo用蒸馏技术把推理步数从35步压到4步。

符号稀缺的问题，不是选边站能解决的。VLA和世界模型不是替代关系，是增强关系。

而这，是我们社区内的一些日常分享。

如果你也在关注具身智能的技术路线和真实出口，可以关注我们的具身星球。

近2年的沉淀，星球内已经完成了技术路线分享、直播、问答、求职、赛事等多个版块的分享，实现了多个领域的闭环。

unsetunset1）持续的直播分享unsetunset

社区为大家准备了很多圆桌论坛、直播，从本体、数据到算法，各类各样，逐步为大家分享具身行业究竟在发生什么？还有哪些问题待解决。

unsetunset2）完整的技术路线unsetunset

针对入门者，我们整理了许多为小白入门的技术栈和路线。

3）具身智能一百问

具身智能之心借助两年多在具身智能领域的积累，结合课程中2000+学员的真实疑问，为大家梳理了一套《具身智能100问》教程，关注具身领域：从具身大小脑到vla，从强化学习到真机部署。都是学员在学习、求职、实战中反复踩坑的真实问题。

unsetunset4）产业&项目相关的方案unsetunset

已经从事相关研究的同学，我们也给大家提供了很多有价值的产业体系和项目方案。

还有很多开源方案，人形、双足，源码和结构都有，开启你的diy吧～

unsetunset5）最新技术博客分享unsetunset

unsetunset6）内推与求职unsetunset

星球还和多家具身公司建立了岗位内推机制，欢迎大家随时艾特我们。第一时间将您的简历送到心仪公司的手上。

更有料的是：无论你是要找benchmark、还是要找综述和学习入门路线，都能极大缩短检索时间。星球还为大家邀请了数十个具身领域嘉宾，都是活跃在一线产业界和工业界的大佬（经常出现的顶会和各类访谈中哦）。欢迎随时提问，他们将会为大家答疑解惑。

这里是一个认真做内容的社区，一个培养未来领袖的地方。欢迎加入，和近3000名具身成员一起交流产业、学术、求职等。微信扫码，领取专属优惠券！

unsetunset国内首个具身全栈社区：具身智能之心知识星球unsetunset

社区创建的出发点是给大家提供一个具身相关的技术交流平台，交流学术和工程上的问题。星球内部的成员来自国内外知名高校实验室、具身相关机器人头部公司，其中高校和科研机构包括但不限于：斯坦福大学、加州大学、清华大学、西湖大学、上海交大、上海人工智能实验室、港科大、港大、南洋理工、新加坡国立、ETH、南京大学等；公司包括但不限于：智元机器人、有鹿机器人、云深处、优必选、傅里叶机器人、开普勒机器人、小米、星海图、银河通用、星尘智能、逐际动力等。

我们为大家汇总了近40+开源项目、近60+具身智能相关数据集、行业主流具身仿真平台、以及各类技术学习路线，包括但不限于：

unsetunset加入我们unsetunset

欢迎和近3000名同学，200家具身公司与机构一起交流产业、学术、工程落地等。微信扫码，加入我们～