文 | 脑极体
就在刚刚过去的 4 月底，红杉资本举办的 AI Ascent 2026 大会上，英伟达机器人方向负责人 Jim Fan 抛出了一个极具争议的论断：" 视觉语言模型 VLA 已死，世界动作模型 WAM 当立。" 他还预测，未来一到两年内，机器人学习的主要数据来源将从昂贵的人类遥控操作，转变为互联网上随手可得的第一视角人类视频。
这番话一出，立刻在具身智能领域引发轩然大波。
而就在 Jim Fan 发言前不久，国内具身智能公司银河通用联合英伟达、清华、北大发布的 LDA-1B 模型，已经明确走出了 " 抛弃条件反射式模仿，走世界模型路线 " 的一步。与此同时，生数科技推出的通用世界行动模型 Motubrain，在 WorldArena 与 RoboTwin 2.0 两项国际权威榜单上双双登顶。
Jim Fan 的发言和科技公司的实践让有人高呼 " 终于找对了方向 "，也有人冷笑 " 英伟达又在为自己造势 "。支持者认为，这是机器人从模仿走向理解的必经之路；反对者则指出，VLA 在精细控制上的优势依然不可替代。
那么，这场关于机器人大脑的路线之争，到底在争什么？VLA 真的已经是具身智能的昨日黄花了吗？这场技术之变，对具身智能初创公司有什么影响？
不仅如此，WAM 还在另一个长期困扰机器人领域的难题上取得了进展，那就是长程任务能力。VLA 通常只能处理两到三个动作的简单任务，时序稍有拉长就容易迷失。而 WAM 的表现已经开始脱离 Demo 阶段。生数科技的 Motubrain 已经能够完成十个原子动作级别的复杂任务，这意味着机器人在真实场景中具备了更连续、更鲁棒的执行能力。
国内团队在这条赛道上的进展速度，值得关注。银河通用的 LDA-1B 有清华大学、北京大学和英伟达的联合署名；生数科技的 Motubrain 登顶两项国际榜单；智在无界的 Being-H0.7 综合排名全球第一。
与此同时，海外前沿实验室同样在快速推进。英伟达提出的 DreamZero 在真机实验中展现出对新任务和新环境的强大泛化能力，较顶尖 VLA 模型提升 2 倍以上。
在这个新赛道上，国内和国外几乎是站在同一起跑线上。但热闹背后，一个更根本的问题浮出水面：VLA 真的该退场了吗？
