2026 Inclusion·外滩大会于2026年9月9日至12日在上海黄浦世博园区举行，本届大会以“共创AI新经济”为主题。

破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲在大会上指出，具身智能的商业化路径可以被划分为两大类别。第一类是后训练路线，即与品牌方和工厂建立合作关系，在具体应用场景内搭建完整的闭环系统。他以街边小吃摊制作关东煮为例，机器人需要独立完成从制作到出餐的全套操作流程。这一路径的核心衡量指标包括投入多少工时可以实现稳定部署落地，以及这套解决方案能够复制到多少个同类摊位。从逻辑上看，这与上一代传统机器人的部署方式颇为相似，重点在于评估部署效率和投资回报率（ROI）。

第二类路径则是这一轮具身智能浪潮中出现的全新商业化标尺，其核心在于评估具身智能系统与当前大语言模型的相似程度。许华哲坦言，这条路线在短期内很难带来显著的经济收益，属于一种节约式的商业化探索。他分析说，大模型之所以能获得用户的认可，是因为即便GPT的输出结果只有50%的成功率，人们依然可以通过多轮对话进行修正，最终大多能获得令人满意的答案，因此会觉得它有实用价值。但机器人则完全不同，如果任务成功率只有50%，那么就意味着有一半的概率会打碎杯子，用户会因此认为产品完全不可用。这正是具身智能在实际落地体验上显得不如大模型顺滑的根本原因。

尽管存在这种显著的难点，许华哲依然强调，行业必须坚持推动具身智能走向大模型化。他进一步解释，这里所讨论的50%，是面向物理世界中所有任务、所有物件场景下的普遍成功率。我们应当耐心等待这个数字从50%逐步攀升至60%、70%，直至最终达到99.9%。只有当临界点被跨越的那一刻，才是本轮具身智能真正迈入大规模商业化的历史节点。

“当然，前面所提到的后训练场景落地，在短期内确实能够产生现金流、带来实质营收。但我们真正期待的，是基础模型在跨过临界点之后，开始全面接管物理世界中的大量任务。”许华哲如是说。