9月21日，北京宸园139迎来一场聚焦AI的深度对话，持续近2小时。参与方包括美国《连线》杂志创始主编、科技思想家凯文·凯利，银河通用机器人创始人兼CTO王鹤，红杉中国合伙人郑庆生，锦秋基金副总裁石亚琼，以及36氪CEO冯大刚。讨论覆盖世界模型技术拐点、成本博弈、人机协作边界、风险治理与技术乐观主义等议题，并形成六个明确判断。
活动现场
判断一：具身智能已跨越AlphaGo里程碑
2026年8月，世界人形机器人运动会上，中国银河通用机器人公司（Galbot）研发的人形机器人实现无遥控全自主网球对战。机器人全场跑动、接发球、对抗，摔倒后迅速自主站起，预判球轨迹并精准击球。
机器人打网球的视频在社交媒体发布后，Mechanism Capital联合创始人Andrew Kang评论称：“Alpha Go for every sport is coming。”马斯克也跟评：“具身智能的AlphaGo时刻。”
面对这款机器人的研发者王鹤，凯文·凯利评价说：“当前最受关注的是几乎人人都在用的大语言模型，但大语言模型本身对真实世界了解有限。它并非在真实世界中训练，而是基于描述现实世界的文字和文本数据。现在，人们开始赋予AI躯体，借助机器人将其接入物理世界。但若直接将大语言模型接入机器人，让其在现实世界自主行动并应对环境，会非常困难。因此，我们的目标不再仅是打造‘通晓书本知识’的智能，而是研发通晓现实世界的AI。有时这被称为世界模型。其训练素材不再限于全球文本，而是全部物理规律，即描述真实世界运行的海量数据。这是下一次重大突破，整个行业正朝此方向推进。”
活动现场
从完成一个动作到掌握一项技能，AI如何实现进化？
王鹤揭示了银河通用机器人研发的底层逻辑：“我们发现，小鼠的大脑很小，神经元数量远少于人类，但它在野外觅食、逃跑等智能完全具备，并不需要像人类一样大的大脑才能生存。这种智能与文本模型背后的知识智能是不同形态。在这条道路上，我们希望逐步构建一个像人一样，能够打通大脑、小脑和脑桥的系统，既具备高层判断，又拥有低层平衡执行能力，形成仿人、仿生的脑系统，让人形机器人真正拥有智慧。”
从全球视角看，谷歌VLA与OpenAI世界模型代表两条主流技术路线，但各有不足。VLA训练数据必须绑定机器人动作标签，海量公开视频无法复用；世界模型擅长环境预测，却不一定输出机器人可直接执行的动作指令。
为此，银河通用提出世界行动模型（WAM），尝试融合两套范式：模型既预判环境演变，又直接输出机器人动作指令。英伟达称这套技术路线为“机器人的终局技术”。
王鹤
王鹤说：“过去机器人跳舞，需要提前提取人类轨迹，放到机器人身上，针对轨迹学习，调好后部署。现在，我们的通用小脑模型能做到人跳一遍舞，机器人立即在它面前也跳一遍。对街舞运动员动作的快速模仿，背后的智能甚至超越了人类对肢体动作的掌握能力。两年前，这还不太现实。但今天，正是我们行业包括银河通用这些乐观的人搭建了具身智能数据的金字塔——从互联网数据到人类数据，再到合成仿真数据、遥控机器人采集数据、机器人自主操作回流数据——这样一个五层金字塔，在不断规模化落地，推动机器人大脑和小脑变得更智能。”
面对这些新突破，凯文·凯利说：“我认为下一次重大突破将是最终让机器人真正工作。我们一直在努力的方向将产生巨大影响。这就是一些兴奋点的来源。”
判断二：机器人与人类的底层认知存在本质差异
当机器人跨越AlphaGo时刻，变得更聪明、能力更强，它会与人类竞争生态位吗？
凯文·凯利提醒：“当我们赋予AI躯体，也就是机器人时，要明白：它们和我们不一样，它们不是人类。”他将机器人称为“异人智能”或“异类智能”。
王鹤解释了机器人与人的“底层”差异：“机器人智能与人类的高级思考、判断、推理逻辑智能很不一样，它是一种直觉智能。而人类绝大多数推理和思考属于大脑的慢系统，即系统二。人类的操作则属于大脑的快系统，即系统一。快系统需要大量练习，将能力变成一种与生俱来的下意识反应。这与大模型使用复杂思维链的方式非常不同。”
也就是说，AI形成的认知组合与人类截然不同。
王鹤认为机器人会变得和人一样拥有智能，但“机器人本质是AI，它不是人。”AI也不会对人类的生态位产生根本性威胁：“它有繁殖的欲望吗？机器人繁殖能得到什么？它没有我们的基因，没有通过筛选留下基因的机制。我个人认为，我们今天想象的很多事情，把机器人太当人了，认为它会有欲望替代人类。但我对机器人的未来比较乐观，在约束下，它会成为人的合作伙伴。”
凯文·凯利补充说，在机器人世界内部，未来也是多元化的。AI产品会分化出丰富多样的品类，不同产品在定价、成本、响应延迟、输出能力上形成差异化。最终，整个行业会演变成一个高度复杂的生态系统。“在我看来，这类拥有实体躯体的智能载体是一种低成本的宝贵资源。我们将构建一个社会，在其中与这些‘异类’携手共事。”单靠AI无法解决所有问题，但人类加AI有很大想象空间。
凯文·凯利
判断三：Token成本正重塑AI产业生存逻辑
对于机器人，乐观者预见巨大技术进步带来的想象空间。但现实与未来乐观想象之间还有两道坎：一是从认知泛化能力到真正完成复杂环境中的物理交互，机器人需继续证明自己知道“怎么做”并“做得到”；二是支撑AI快速发展的巨大数据和算力投入，还需更便宜。
凯文·凯利观察到硅谷一个明显变化：过去工程师调用模型，很少核算Token开销。直到有竞争者能以百分之一成本实现近似效果，整个行业才猛然惊醒。部分复杂推理任务单次消耗数百万Token，算力开销将直接改写产品商业模式。
“我们正进入一个差距巨大的时代，成本会变得愈发关键。”凯文·凯利认为，在许多场景下，价格至关重要。
成本压力已传导至创投市场。锦秋基金副总裁石亚琼在圆桌中提供一组产业观察：大模型大幅压低AI产品原型开发门槛，但用户获取门槛反而急剧抬升。2022至2026年，AI应用增长约17倍，AI产品获客成本普遍上涨超50%。
竞争中谁能领先？技术能力、成本及规模奠定的先发优势都很重要。过去行业流传吉恩斯悖论假设：成本降低十倍，使用规模提升十倍。但石亚琼认为，现实远比理论激进，AI带来的用量扩张不是百倍。代码生成场景中，人均代码产出已出现万倍量级提升，“这带来了很多变化，让我们可以用编码方式重新组装业务逻辑。”
石亚琼
放到具身机器人赛道，成本逻辑将进一步变化。王鹤表示，文本大模型可容忍一定推理延迟，但人形机器人、自动驾驶属于强实时边缘系统，完全依赖云端调用Token风险极高。网络、推理延迟超标可能导致机器人摔倒或操作事故。云-边-端混合部署将成为行业必然选择。
判断四：AI创造无上限的世界
经历过移动互联网周期的投资人，很容易将互联网经验直接套用到AI赛道。红杉中国合伙人郑庆生在圆桌上提出警示：这套参照框架已失效。
移动互联网时代，行业增长存在硬约束，天花板来自人类总注意力。物理世界变迁节奏缓慢，城市、生产模式几十年不会发生颠覆性重构。互联网无论如何迭代，本质是在人类固定时间池子里做分配，总用户时长存在明确边界。
但AI正打破这套增长逻辑，它在创造一个无上限的世界。郑庆生将AI类比于蒸汽、电力等基础能源，但它与历史上所有能源革命存在本质区别。
郑庆生、凯文·凯利
传统能源受矿产储量、装机、传输网络约束，供给存在明确物理上限。而AI核心原料是算力与数据，理论上可持续扩张。我们可以同时调度成千上万个AI Agent并行开展任务。
“石油和电力实在有上限，但我觉得AI没有。”郑庆生说，AI既可以作为能源本身，也可以创造自己，具备自我增殖能力，这是此前从未出现过的。
判断五：技术风险需新技术加制度共同消化
随着人形机器人硬件出货量走高，安全与责任划分已从理论探讨变为产业迫在眉睫的现实议题。
王鹤以已落地的药房机器人举例：工厂、药房这类确定性封闭场景，权责相对清晰。银河通用国内落地近百个机器人药房点位，承担夜间取药工作。为规避错发药品风险，团队未完全依赖大模型通用推理，额外叠加确定性校验程序。药品必须同时完成文字、图像、条码三重核验，才允许打包出库。过去一年半累计处理近百万盒药品，实现零错发。这类场景中，机器人故障带来损失，责任主体指向厂商。
家庭则属于完全开放的复杂场景，充满不可预判的干扰因素，风险复杂度成倍上升。机器人可能碰倒水杯造成短路起火，事故甚至发生在无人在家时段。机器人尚无法独立处理事故带来的连锁后果，这是现阶段行业不会向普通家庭销售无人值守人形机器人的核心原因。
凯文·凯利认为，短期内，AI企业必须承担对应责任，也可配套保险机制等。反过来说，能够存活下来的AI企业，一定是能处理好责任问题的企业。
但解决问题不等于不允许问题发生。王鹤提出，绝对安全本身并不存在。时至今日，飞机依旧存在空难事故，但不妨碍它成为主流长途出行工具。人形机器人大概率会复刻相似路径。允许在可控范围内试错，在不断处理极端案例中压低事故概率，通过明确责任、建立机制、技术进步来解决问题。在部分场景中，需允许机器人像孩子一样不断触碰一些东西，不断提升学习能力、收敛出问题的概率。
判断六：乐观的人创造未来
整场对话贯穿凯文·凯利的理性乐观主义——乐观看待问题，乐观想象未来。但这种乐观并非无视隐患的乌托邦幻想，而是一种理性乐观，即充分看见风险后，仍相信人类解决问题的能力。
凯文·凯利说：“想要完成艰难甚至看似不可能的事，第一步就是想象。想象这件事可行，设想最好的情景，想象它真的成功会是什么样子。25年后，人们热议的产品如今尚未诞生，但想象力是把构想落地的关键。我们如今身处的世界，到处都是乐观者创造的产物。灯泡、飞机、智能手机，这些东西都不是偶然诞生的，都是那些相信它们能够诞生的人所发明的。”
放到具身智能赛道，今天仍处在早期。数据缺口、成本瓶颈、硬件短板在前，但全球工程师、创业者、资本都在参与解题，都在汇聚力量推动下一个技术顶峰的到来。