今年WAIC 上有一个容易被忽略的信号：Physical Intelligence、Genesis AI、Dyna Robotics、佐治亚理工徐丹飞团队、Sunday Robotics——五家海外具身智能前沿力量，在同一个论坛上集体亮相。五位代表全是华人新一代科研和创业者：任至意、王尊玄、马也骋、徐丹飞、赵子豪。

这件事的信息量不在于「海外华人回来了」，而在于五条路线的差异本身指向了同一个结论。

Physical Intelligence 押注通用策略模型和跨本体泛化。π0.7 模型只在一种机械臂上学会了叠衣服，没微调，直接迁移到了另一种机械臂上。路线是「用数据规模实现能力涌现」。

Genesis AI 去年拿了 1.05 亿美元种子轮，创了硅谷华人 AI 创业纪录。他们的做法是把人类手部数据、仿真、模型、控制和硬件放在一套系统里同时优化——不是「哪个组件更强」，而是「全栈能不能一起 Scale」。

Dyna Robotics 走可靠性路线。已积累超 20 万小时预训练数据，餐巾折叠 99.4% 成功率，24 小时无人干预连续折叠 850 个以上。适配新任务的后训练数据不到 1 小时。路线是「研究—部署飞轮」，让真实部署的失败数据持续进入训练。

徐丹飞团队试图把人类日常活动中的第一视角视频和手部轨迹，转化为机器人可用的训练数据。核心问题是人机视角对齐——人的眼睛和机器人的摄像头看到的世界不一样。

Sunday Robotics（赵子豪，ALOHA/ACT 的核心贡献者）把路线拆成两段：短期靠 UMI 等无本体数据扩大预训练，长期靠机器人进入不同家庭后产生部署回流。他们的消费级家庭机器人 Memo 和 ACT-2 已经在验证这条路。

五条路线分属 VLA、世界模型、仿真、人类数据、真机强化学习——看起来很散。但智元合伙人姚卯青在论坛上给了一个统一框架：物理 AI 面前有三道墙——数据墙（真实交互数据稀缺且贵）、表征墙（跨任务跨本体统一表征没形成）、闭环墙（真实试错代价太高）。五小龙的路线差异，其实是在攻打同一座城的不同门。

「模型决定起点，数据定义终局」这句话不算新，但五个最接近前沿的人分别从不同方向走到了同一句结论，本身就是一条信号。

WAIC20262026世界人工智能大会何以圈粉具身智能