演讲核心观点
在今年的红杉AI Ascent 2026上，Jim Fan仅用20分钟，就给机器人行业连开两场“葬礼”。一场送别过去三年几乎统治具身智能的VLA，另一场送别被认为还能持续多年的遥操作。作为英伟达机器人方向负责人，Jim Fan去年还在讲机器人测试，今年已开始探讨旧范式的落幕与新范式的建立。在他看来，新范式很大程度上要借鉴LLM，包括预训练模拟世界状态、动作微调校准有价值部分以及强化学习完成最后一步。过去一段时间，英伟达通过EgoScale、DreamDojo、Dream Zero等工作，定义了具身智能2026年的走向。在“Robotics: Endgame”演讲中，汇聚了Jim Fan对机器人领域多方面的最新思考。
核心观点包括：VLA已死，WAM将成新预训练范式，未来一到两年，遥操占比将降至可忽略不计，机器人数据范式将转向人类传感器数据，英伟达将押注第一视角人类视频；机器人科技树待解锁成就为物理图灵测试（2 - 3年内）、Physical API、Physical Auto Research，有望2040年全部点亮。
演讲全文核心内容
历史回顾与新策略提出
2016年，Jim Fan见到黄仁勋并签名。深度学习的发展经历了GPT - 3预训练、InstructGPT校准、自动化研究三个阶段，语言模型团队处于终局阶段。Jim Fan复制其思路提出“大平行”策略，模拟物理世界状态，通过动作微调校准，强化学习完成最后一步。
模型策略：VLA落幕，WAM崛起
过去三年，VLA占据主导，但设计上“头重脚轻”，语言是核心，物理和动词表现不足。而一些视频模型能自动学习物理规律，在此基础上通过动作微调有了Dream Zero。Dream Zero能同时解码世界状态和动作，可零样本完成新任务，是迈向“开放式任务”和“开放词汇提示”的第一步。VLA已死，WAM当立。
数据策略：从遥操到人类传感器数据
过去三年，遥操统治机器人领域，但数据产能有上限。UMI通过人类手部采集数据，催生两家独角兽公司。后来的DexUMI外骨骼系统打破数据采集限制。然而，UMI仍不够自然，英伟达押注第一视角人类视频，采用EgoScale训练范式，发现了机器人灵巧性的神经scaling law。未来一到两年，遥操占比将降低，数据穿戴设备会增多，机器人“主食”将变为第一视角人类视频。
仿真与强化学习：新范式的探索
当前机器人强化学习需要海量环境，传统路线成本高。通过3D世界扫描管线可将现实场景重建到模拟器，实现Real→Sim→Real流程。Dream Dojo是基于视频world model的神经模拟器，可实时生成画面和传感器状态，使机器人进入新范式，算力、环境和数据形成自我强化的飞轮。
机器人科技树的未来成就
机器人科技树还有三个成就待解锁：物理图灵测试，在复杂现实任务中，人类难以区分是人还是机器人完成工作，预计2 - 3年可实现；Physical API，机器人将成为可编程、可调用、可编排的基础设施，相关科幻场景将落地；Physical Auto Research，机器人将自我设计、优化和制造，迭代速度超越人类团队。Jim Fan有95%的把握，2040年前能走到机器人科技树的终点。
