人形机器人在视频里后空翻、打功夫、叠衣服、在工厂里搬箱子。画面丝滑，动作精准，弹幕里刷满"科幻照进现实"。
但深度学习图灵奖得主杨立昆（Yann LeCun）最近在一段访谈里，用一种平静近乎残酷的语气，把整个行业推上了审判席。他的话经投资人剪辑转发后迅速炸了锅："整个行业最大的秘密在于，目前没有任何一家公司真正知道如何让这些机器人变得足够聪明。"
一句话，把具身智能狂热浪潮下的技术遮羞布，扯了个干干净净。
一、后空翻很帅，但那是"特技表演"
过去几年，人形机器人赛道热得发烫。从工厂搬运到家庭服务，从后空翻到打太极，各种炫酷演示塞满科技媒体头条。融资额一轮比一轮大，估值一个比一个夸张。
但在杨立昆看来，这些看似惊艳的动作，绝大部分不过是精心编排的"特技表演"。大多数演示要么依赖预设的代码轨迹，要么背后有工程师遥控操作。一旦脱离特定的实验环境，把机器人丢进乱七八糟的家庭客厅或者复杂多变的工作现场，系统瞬间瘫痪。
把狭义的、特定任务的展示等同于通用智能，这是对公众和资本市场的极大误导。
人形机器人企业目前把绝大部分资源砸在机械硬件上——自由度、关节电机、灵巧手、仿生结构，卷得不能再卷。但唯独缺了最核心的东西：物理大脑的决策能力。
二、语言模型不"懂"物理：文字里没有重力
为什么大语言模型不够用？杨立昆的剖析很狠。
文本数据本质上是一种低带宽的信息源。文字里不包含物体怎么坠落、机械臂受力怎么反馈、玻璃杯摔在地上会碎成几块——这些真实的物理规律，文字里一个标点都没有。
人类四岁小孩通过视觉、触觉、听觉接收到的物理数据，远超全网所有文本数据的总和。一个孩子每天在真实世界里摸爬滚打，积累的物理直觉是任何大语言模型靠文本训练永远无法获得的。
把缺乏物理直觉的大语言模型直接塞进机器人躯壳，注定孕育不出真正的通用物理智能。不具备物理理解能力的机械躯干，再灵活也只是没有灵魂的自动化机械构件。
当资本狂热退去，大家会发现许多号称"自主"的系统根本不具备泛化适应能力。能在一号厂房搬箱子，换到二号厂房就懵了；能叠特定的方形毛巾，换条圆形浴巾就不知道手往哪放。
这种技术瓶颈，直接导致大量硬件创新沦为无法规模化落地的镜花水月。
三、"世界模型"：杨立昆开出的药方
怎么破局？杨立昆的解题思路很清晰：放弃对纯文本大语言模型的盲目崇拜，转向基于自监督学习的"世界模型"。
世界模型能像人类大脑一样，在心中模拟和预测物理行为的结果，从而进行实时的决策与动作规划。不需要提前编程，不需要遥控器，机器人通过高带宽的视觉、听觉和触觉感知，自主学习物理规律。
在陌生环境里，它能预判"我把这个杯子往前推两厘米，它会掉下桌子还是会滑到左边"。
这跟人类开车是一个道理。老司机不用背"方向盘左打15度刹车踩3成"，全靠大脑里那个"世界模型"在实时模拟车身姿态和轮胎抓地力。
具身智能的下半场，拼的不是电机扭矩和手指自由度，是这个世界模型能不能跑通。
四、头部玩家反击：我们没在"装傻"
杨立昆的言论捅了马蜂窝。
特斯拉、Figure等具身智能头部玩家迅速隔空反击，纷纷晒出最新的自主任务视频，试图证明算法进化速度远超学术界的悲观预测。Figure的创始人更是在社交平台上直接回怼："我们不是在表演，是在解决真实问题。"
但反击声浪并未抹平底层技术路线的深刻分歧。一个业内共识正在形成：解决物理世界的感知与规划问题，是行业绕不过去的真正壁垒。
杨立昆曾在一次演讲中抛出一个"标尺"：家猫的大脑、十岁孩子的智能、青少年学开车的认知曲线——人形机器人当前处在哪个刻度上？答案不太好听。
那些估值数十亿美元的机器人独角兽，未来的命运完全取决于一件事：能不能在世界模型与规划架构上取得突破。如果不解决大脑问题，再完美的机械躯干，也只是昂贵的玩具。
五、硬件热，软件冷：一个被资本扭曲的赛道
为什么会出现"硬件过热、软件空心化"的局面？答案不复杂。
硬件看得见、摸得着、能展示。一个灵巧手抓鸡蛋的慢镜头视频，三秒钟就能点燃资本市场的想象力。而世界模型、自监督学习、物理仿真——这些东西既不能拍视频，也没法在发布会上演示。投资人看不懂，媒体不爱写。
资本倾向于流向"能拍视频的东西"。于是企业也倾向于把资源投向"能拍视频的方向"——关节电机、仿生骨骼、柔性皮肤，卷得飞起。真正需要啃硬骨头的"大脑"，反而被挤到了资源分配的末端。
杨立昆的"怒揭"，本质上是在喊停这个扭曲的资源配置机制。他提醒行业的不是"机器人不行"，而是"别再假装现在就行了"。
这场论战逼着整个行业卸下浮躁的包装，重新回归最硬核的技术攻坚。那些在角落里默默做仿真平台、做物理引擎、做世界模型架构的团队，也许才是下一个十年的主角。
你觉得人形机器人五年内能真正走进家庭吗？还是说"后空翻"之后还会停在原地很久？评论区聊聊你的判断。
