刚刚落幕的WRC 2026，印证了一个清晰的行业信号：具身智能的比拼正告别“实验室成绩单”，取而代之的，是场景交付、具身大脑泛化与因果律探索、物理AI工程化落地的三重考验。
这一信号背后，是一条愈发清晰的行业判断——具身模型已完成认知层面的能力跃迁，但机器人要真正干活，核心瓶颈在于具身大脑如何对齐复杂多变、充满不确定性的物理世界。这也决定了通用机器人能否跨越从“感知理解”到“物理执行”的关键一步。
围绕这一命题，我们特邀中科第五纪青年首席科学家、中科院自动化研究所研究员黄岩，结合中科第五纪最新发布的新一代具身操作基础模型FAM 2.0，就通用具身大脑架构、“一脑多形”落地路径、物理AI技术博弈等话题展开对话，拆解中科第五纪如何以少样本具身大脑实现与物理世界的对齐。
少样本具身大脑
重构“通用”落地逻辑
具身智能落地卡在“大脑”，这是当前业界共识。机器人一旦走出实验室、面对陌生任务，便无据可依，性能快速衰减。
按语言大模型时代的逻辑，解法似乎只有堆数据规模。但真实世界的场景是无限长尾，示教数据只能逐一采集，永远追不上场景的发散速度——规模法则，在物理世界面前遭遇了边界。
中科第五纪青年首席科学家黄岩深耕多模态与具身大模型十余年，兼具研究者与工程派的双重底色。带着这份“产研基因”，黄岩和中科第五纪交出的自研答案是——FAM系列超少样本具身操作大模型。
在技术架构层面，FAM同时承接VLA的语义理解与WM的物理先验。谈及具体机制，黄岩介绍：“FAM创造性地引入了热力图对齐机制，将VLM与VLA的‘低维’语义-动作映射，升维到三维空间。”其在语义决策与物理执行之间架起桥梁，弥合了二者之间长期存在的维度鸿沟。
围绕这一架构，他进一步阐释了其设计哲学：它不追求像素级物理预测的“完美世界模型”，也不依赖暴力数据的“VLA大力出奇迹”，而是用极少量的、物理上“正确”的示范数据，在模型内部建立起“语义-空间-动作”的因果链。换言之，FAM追求的不是数据规模，而是数据的因果密度。
这一路径的有效性在数据层面得到直接验证。黄岩介绍：“FAM模型在仅需3-5条示范数据的前提下，即可完成复杂操作学习，数据效率较传统大模型提升百倍，单任务成功率高达97%。”它让机器人从“死记硬背动作”变成了“开始理解学习”。
在此基础上，中科第五纪还自研BridgeV2W具身世界模型与“人在环路强化学习”形成“预测-避险-进化”三位一体的认知架构。这相当于为具身大脑引入“先想后做”的决策机制，从而在动作落地之前规避碰撞与误操作风险。
那么怎样的具身大脑才算“通用”？在黄岩看来，判断下一代通用具身智能大脑，有一个清晰的终极标尺：“在一个从未见过的物理场景中，面对一个从未见过的物体和指令，仅凭极少量的先验知识或者示教数据，首次尝试即能以非常高的成功率完成任务。”
值得注意的是，黄岩特意对“通用性”做了严格区分：“这并非简单‘见过类似场景后的泛化’。”真正意义上的通用性，模型理解的是“物体的属性以及决定如何与其和环境进行交互”，而不是“这个物体长得像训练集里的哪个物体”。
这一区分也直接指向了具身模型评测方法的深层问题。黄岩直言，目前的评测体系更多衡量的是“记忆-检索”能力，而我们更看重“零样本通用泛化”的指标。即给定一个物体，机器人能否仅凭对其材质、形状、重心的“感知”，就推理出最佳的抓取策略和操作轨迹，而无需在仿真里先练上万次。
这背后，是一条清晰且务实的产品哲学。“真正通用的具身大脑，不是在实验室里跑通100个任务，而是在100个不同的真实产线里，每一个都做到99%以上的成功率。”黄岩强调，这既是中科第五纪当下的工程化选择，也是对“通用”二字的务实理解。
但中科第五纪不追求“一步到位”的通用，而是先在工业高价值场景里把“空间认知+纠偏”做到极致，拿到规模化交付的“入场券”，再用真实场景数据反哺常识推理能力，逐步向开放场景演进。99%这条硬指标，或许正是这条分水线上最诚实的刻度。
从100个任务到100条产线，一词之差，勾勒出的却是具身智能从学术叙事走向产业叙事的分水岭：前者证明模型的能力上限，后者定义商业交付的底线。
全栈“务实派”专家
解锁一脑多形与数据飞轮
谈及通用大脑能力，行业绕不开一个词——“一脑多形”。即单一大脑适配多形态机器人本体。这既是通用性最直观的诠释，也是产业长期追逐的圣杯。
但理想丰满，现实骨感：跨本体泛化，始终是业内公认的硬骨头。面向这一行业难题，中科第五纪发布新一代具身操作基础模型FAM 2.0。
作为FAM-1、FAM-1.3之后的重大升级，FAM 2.0以行业首创的基于动作光流（Action Flow）的世界动作模型为核心，首次将光流作为视频原生的动作表示，深度融入世界动作模型，构建统一的跨本体动作表示空间，实现同一模型对多种机器人本体的通用适配。
同时，黄岩在采访中一针见血地指出，跨本体的症结在于不同本体在机械结构上形态各异，虽然其动作均以坐标点形式加以表征，但各自的运动模式却存在本质差异。因此，对于具身操作模型而言，学习并泛化这些差异化的动作模式，是一项极具挑战性的开发难题。
针对这一难题，黄岩给出了清晰的技术路径。他认为，实现“一脑多形”的关键在于构建统一的本体动作表征——即不同本体的动作坐标能够被编码为同一种表征形式，而该统一表征亦能反向解码出各本体特定的运动指令。
他进一步表示：“解决的核心思路在于将动作坐标进行像素化，不仅可以利用本体配置文件作为先验信息，还能充分利用不同本体的大规模数据，真正发挥数据本体多样化的优势”。
沿此方向，目前其团队已系统探索了本体动作流、本体掩膜、本体动作光流等多种技术方案，迭代出EC‑Flow、BridgeV2W、FlowWAM一系列VLA和WAM算法。相关成果在多个国际评测榜单中拥有领先表现，为跨本体迁移提供了可落地的技术路径。
但打通跨本体泛化只是通用大脑落地的“第一步”，如何构建模型‑场景‑数据迭代飞轮才是隐秘背后的“关键”。
在数据飞轮建设上，黄岩始终保持审慎态度。“数据飞轮不等于简单堆砌原始采集数据。”他解释道，中科第五纪的思路，是将不同场景中的任务执行经验沉淀为可复用能力，重点利用人工接管、执行失败和环境变化等高价值数据持续更新模型。
“每进入一个新场景，都会降低下一个场景的数据需求和部署成本。”黄岩强调，核心壁垒在于提升数据利用效率，降低模型对海量同类数据的依赖。
这一思路已在实践中得到验证。资料显示，FAM系列模型通过三维空间热力图建模位置、姿态与动作之间的关系，使基础任务在理想情况下仅需3至5条真机示范即可完成学习。而BridgeVLA、SpatialWAM等模型均延续该思路持续迭代，进一步夯实中科第五纪在该方向的技术实力。
但具身大脑的价值，最终要在真实物理世界中兑现。中科第五纪选择的路径，是以全栈布局将这件事掌握在自己手中。
黄岩还在采访中强调：“中科第五纪并不是单一模型企业，而是以具身大脑为核心，同时自研机器人本体，目的是加快技术验证和场景交付，同时保持大脑能力的开放性，持续适配不同类型的机器人。”
资料显示，中科第五纪的自研机器人“纪灵”已在中石化等真实场景中投入应用，模型迭代速度与场景交付质量均得到直接验证。需要指出的是，全栈并不意味着封闭，对于中科第五纪而言，本体是手段，大脑才是产品。
跳出模型内卷
物理AI的破局逻辑
数据的解法既已清晰，下一程的分野便落在训练范式本身：走哪条路线，才能让具身模型以更少数据、更低成本完成任务？
刚刚落幕的2026世界机器人大会（WRC 2026）恰好提供了一个观察切口：物理AI已成落地主战场，但训练路线明显分化为两派——传统强化学习与“机器人幼儿园”式的自主泛化探索。
谁更接近终点？黄岩没有急于站队，而是回到第一性原理，先厘清问题本质。在他看来，物理AI正从“看懂世界”走向“在真实世界中完成任务”，但主要问题在于真实物理数据采集成本高，无法覆盖不断变化的任务和场景，需要解决数据数量和采集效率问题，同时在模型方面，要进一步提升模型的数据利用效率。
黄岩指出，传统强化学习的优势是目标明确、结果可量化，在边界清晰的任务中能够获得稳定性能，致命短板是真机试错成本高，仿真能力不能可靠地迁移到真实世界；而“机器人幼儿园”强调自主探索和能力泛化，理论上具有更高上限，但当前最大问题是数据少、探索成本高。
回看两条路线，其短板便不再是孤立的技术缺陷，而是对同一道“数据命题”给出的两种不同答案——各自的取舍，也意味着各自必须缴纳的“学费”。
那么，未来会不会一条路线通吃？黄岩给出了明确的判断：“中长期不会是哪条路线单独胜出。”在他看来，最优解是一套组合方案：以通用预训练形成基础能力，以少量真机示范完成场景适配，再通过人在环路学习持续纠错。
然而，即便数据与路线问题得以厘清，另一重矛盾正在浮出水面：面对机器人毫秒级实时响应，以及模型规模持续膨胀，两头正逼近冲突的极限。端侧算力已从具身智能工程化问题转变为产业化卡点。
如何破局？常规思路是压缩模型、做量化裁剪。但黄岩的解法颇为反直觉——避免让具身大模型承担所有计算。
让一个超大模型同时承担语言理解、任务规划和高频动作控制，并不现实。他认为，不同环节对算力和实时性的要求完全不同。高层认知允许复杂推理，底层控制则必须保障毫秒级响应、稳定性和安全性。
具身智能的
ChatGPT时刻还有多远？
至此，黄岩已将通往通用具身智能拐点的三块拼图摆上桌面——数据、路线、算力。拼图集齐，终极问题自然浮现：具身智能的“ChatGPT时刻”何时到来？
黄岩给出的标准很明确：“模型通用性相较上一代发生显著提升，能够帮助普通用户稳定解决真实问题，并形成明确的付费意愿。”
他同时判断，拐点不会一步到位，而是分场景先后到来：家庭场景复杂度高，可能还需要5-10年；工业场景任务边界更清晰、价值更容易验证，3年左右更有可能率先出现阶段性拐点。
从具身智能技术路线到落地哲学，可最终收敛于黄岩的一个“朴素”思考：“面对全栈竞争，真正的壁垒不只是模型方面，而是超少样本泛化能力、跨场景迁移效率和规模化交付能力的有机体现。”
当模型层面的差距逐渐收窄，真正的胜负手将落在泛化、迁移与交付这三个维度上。这道考题，目前还没有玩家交出满分答卷。
拐点何时点亮，无人能给出确切日期。可以确定的是，答案不在评测榜单上，而在真实世界的每一次稳定运行、每一位愿意付费的用户之中。
