现在的大模型具备智能吗，未来空间智能的发展潜力

立正把智能拆成两类：一类是搜索空间大但规则确定的题，比如下棋，机器靠计算和优化就能解，这只是程度问题，不是范式突破；另一类是结果不确定、需要演绎和因果推断的问题，机器目前解决不了⁠1。他早年看语音助手时也说过，识别准确率再高，人还是能感觉到它没有自己的想法，多轮对话往往是针对场景单独设计的⁠2。所以“大模型有没有智能”取决于你指哪种智能：在语言这种可被大量数据覆盖的任务上它表现很强，但强在归纳、计算和优化，不等于具备了应对不确定性的通用智能。

立正认为具身智能离真正实现还有距离，关键障碍之一是世界模型还没被发明出来——也就是让模型与真实世界交互、理解物理规则、拿到真实物理反馈的那套东西⁠3。他举过抓杯子的例子：视觉判断位置材质、触觉判断有没有滑、力觉判断捏得轻重、本体感觉判断手指弯曲，这些对人是“没做什么”，对机器人是一整套多模态、实时、带噪声、还要闭环修正的系统；而今天很多机器人主要还在“看”，缺的恰恰是在接触中理解世界的能力⁠4。他还提到，物理世界里错误是立即兑现的，抓偏一点杯子就碎，这跟语言里说错一句可以重来完全不同⁠4。

立正用汽车取代马车花了七十年作类比：引擎和第一辆汽车早就有了，真正标志性的是洲际公路这类基础设施建成，中间隔着发动机、材料、控制、维护、标准、法规和商业模式一整套系统工程⁠5。他因此判断，AI 的潜力今天只发挥出很小一部分，剩下的大部分要靠人把落地的脏活累活做出来，而不是等一个 AGI 出现⁠5。对空间智能来说，这意味着即使关键技术有突破，从实验室 demo 到开放环境里稳定、低成本、可规模化，仍可能隔着很长一段工程距离；看到机器人翻跟头，不该直接推出家用机器人快来了⁠4。