沈宇军指出，具身智能尚未达到 GPT-1 时刻，主要瓶颈在于数据规模不足，尽管蚂蚁灵波使用了六万小时数据，但相比互联网数据仍差两个数量级。他认为，随着基础设施提升，模型开发效率加快，机器人领域从 GPT-1 到 GPT-3.5 的时间可能缩短。团队决定从数字模型魔改转向预训练原生具身基模，并发布了第二代具身基础模型（VA 2.0），支持 20 多种机器人构型，在位置泛化上取得突破。沈宇军强调，当前行业更重视大脑而非本体，因为本体难以通用且场景选择困难，而大脑开发落后于本体，主要矛盾是提升机器人干活能力。他预测，机器人大脑领域将形成大厂和两三家创业公司胜出的格局，并希望机器人能像语言模型一样普及。