8月21日，在2026世界机器人大会主论坛上，摩尔线程创始人、董事长、首席执行官张建中围绕具身智能产业发展发表观点，围绕行业距离“ChatGPT时刻”还有多远展开分析，探讨算力基础设施建设的现实意义。
“产业正在共同迎接具身智能的‘ChatGPT时刻’，而算力底座是决定这一时刻何时到来的关键力量。” 张建中表示。同时他指出，当前国内多数具身智能模型参数量与早期千亿级语言模型相比仍存在量级差距，不少模型训练仅依靠数十张甚至更少的显卡完成。“从这个角度来讲，距离真正的具身智能GPT时刻，我们还有一段路要走。”
在他看来，产业短板并不局限于算力，高质量数据集、大参数模型、大规模计算集群的缺失，共同制约了具身智能实现能力拐点，只有算力、算法、数据三者协同，才能催生具身智能的能力涌现。基于语言模型发展积累的经验，张建中判断，“下一代面向视觉与具身智能的世界模型，它的GPT时刻，大概率会诞生在千卡乃至万卡规模以上的算力集群之上。”
同时他指出，具身智能的进化依赖于“虚拟世界训练、物理世界部署”的闭环，完整链路覆盖合成数据生成、预训练、强化学习、仿真评测、虚实迁移，需要同时完成AI计算、三维渲染、物理仿真三类任务。而传统技术架构将算、渲、仿能力拆分，各类硬件各司其职，迫使开发者在多个异构系统之间迁移数据、切换开发环境，带来额外开销，制约研发效率。
张建中表示，依靠真机开展训练存在明显短板。真机采集物理交互数据成本很高，很难做到大规模并行训练，设备损耗和试错风险也比较突出；同时现实环境变量复杂，很多实验难以复现。在这样的背景下，仿真训练成为产业必不可少的基础设施，对算力底座提出了综合能力要求。
“应把AI基础设施建设成贯穿模型训练、推理服务和智能体生产的完整体系。”他表示，大规模集群承担基础模型训练任务，而推理环节面临复杂工程难题，行业需要通过软硬件协同，平衡服务质量与使用成本，降低具身智能落地门槛。
张建中呼吁产业链各方开展协同，共建国产大规模算力基础设施，共同攻关世界模型、物理模型，合力推动具身智能产业跃迁，“希望各方共同参与、共建国产大型训练算力集群，依托集群资源，训练具身智能所必需的物理模型、世界模型。”