1. 首頁 > 生活百科 > >

2年、5年和10年，人形機器人的“ChatGPT時刻”何時到來？

人工智能機器人自動駕駛ChatGPT

2年、5年和10年，人形機器人的“ChatGPT時刻”何時到來？

中新經緯3月25日電 (薛宇飛 王玉玲)“你們覺得人形機器人的‘ChatGPT時刻’還有幾年？”當主持人在博鰲亞洲論壇2026年年會拋出這個問題時 ， 臺上的幾位人形機器人公司負責人或高管給出了不同的判斷 。
他們對這一時刻的設想 ， 差別很大——從最樂觀的2年 ， 到最謹慎的10年 。
“ChatGPT時刻”何時到來？

博鰲亞洲論壇2026年年會“人形機器人的進階與飛躍”論壇 。 中新經緯 薛宇飛 攝
參加25日舉行的博鰲亞洲論壇2026年年會“人形機器人的進階與飛躍”論壇的企業界人士共有5位 。
首先提及上述問題的是百度集團執行副總裁、百度智能云事業群總裁沈抖 。 他說：“從技術上看 ， 無論是大模型的大腦還是小腦 ， 整個技術方案還沒有完全統一 ， 遠遠沒有到所謂的‘ChatGPT時刻’或者‘iPhone時刻’ 。 雖然現在規模熱度很高 ， 但還是一個建設過程 。 ”
沈抖稱 ， 人形機器人還面臨著本體的穩定性、耐用性、靈巧性等比較大的挑戰 。 在數據上 ， 沒有進入到規?；?、正向循環的過程 ， 數據還是以實驗階段、數據采集為主 ， 與自動駕駛、無人駕駛規?；下泛笕〉玫臄祿煌?， 數據上是一個短板 。
星動紀元科技有限公司創始人陳建宇指出 ， 機器人要突破更高的價值交付、達成真正的應用落地還面臨多種挑戰 。 一是能力問題 ， 工業應用需要達到非常高的效率和可靠性 ， 要求機器人能力比較全面 ， 必須把機器人單機的能力上升成系統化的能力 。
陳建宇稱 ， 二是模型的泛化性 ， 每一個人家庭環境、布局完全不一樣 ， 不可能在每個家庭里面單獨收集數據、單獨訓練 。 理想狀態是機器人能像ChatGPT一樣 ， 在全新環境中實現零樣本泛化 ， 無需單獨采集數據和訓練即可部署 ， 而當前距離這一目標仍有差距 。
“但我想告訴大家 ， 這個時間不會太長 ， 五到十年至少能夠看到非常好的效果 。 ‘ChatGPT時刻’到來之前 ， 我們也可以在工業場景應用機器人 ， 可以把一些關鍵崗位給打通 ， 標準化復制到上萬或者是數十萬個場景 。 ”陳建宇說 。
接著 ， 作為這場論壇的主持人 ， 清華大學蘇世民書院院長、人工智能國際治理研究院院長、中國科技政策研究中心主任薛瀾提問道：“你們覺得 ， 人形機器人的‘ChatGPT時刻’還有幾年？”
商湯聯合創始人、執行董事、大曉機器人董事長王曉剛給出了全場最樂觀的判斷 。 他的答案是需要兩年 。
“目前 ， 機器人行業的數據量大約在10萬小時級別 ， 與自動駕駛領域訓練量懸殊 。 而通過環境式數采方式 ， 預計到2027年 ， 機器人行業數據量能提升至1000萬小時 。 只有到了那個時間點 ， 才能迎來機器人行業的‘ChatGPT時刻’ 。 ”王曉剛說 。
此外 ， 王曉剛提到 ， “Open Claw”(龍蝦)出現 ， 給了人形機器人自我進化的能力 。 機器人的機管平臺可以控制很多機器人 ， “龍蝦”有自我調用、自我反思和記憶的能力 ， 可以從具身單機走向群體的協同 ， 讓它在探索環境和操作過程當中變得越來越“聰明” 。
vivo機器人Lab首席科學家邵浩的判斷則更為謹慎 ， 他認為需要10年 。 他以AI行業發展為參照 ， 從深度學習興起到ChatGPT出現歷經7年 ， 核心契機是找到了低成本的海量免費數據 ， 而機器人所需數據是高維度的 ， 只有找到機器人領域的低成本海量數據獲取方式 ， ChatGPT時刻才會到來 。
【2年、5年和10年，人形機器人的“ChatGPT時刻”何時到來？】北京人形機器人創新中心CEO熊友軍沒有給出具體的時間 ， 他認同的是循序漸進的觀點 。 他表示 ， 人形機器人的“ChatGPT時刻”并非“一刀切” ， 而是與技術成熟度、商業價值和社會需求深度耦合 。
“去年整個中國人形機器人發貨量比較大 ， 未來仍可能高速增長 ， 機器人在應用場景落地比大家預想的可能要快 。 ”熊友軍說 。
人形機器人“ChatGPT時刻”是循序漸進的過程 ， 得到了上述多人的認可 。 陳建宇說：“公眾看到ChatGPT是突然出來的 ， 但實際上技術的發展和研究持續了很多年 。 如果非要給人形機器人一個時間的話 ， 我會給五年 。 ”
進入家庭要多久？
對于人形機器人何時能走進普通家庭 ， 沈抖表示 ， 具身智能進家庭是對機器人能力的上限要求 ， 家庭場景的非標準化特性 ， 要求機器人達到L4級自主運營水平 ， 遠高于工業場景的要求 。
陳建宇則相對樂觀 ， 他認為 ， 三到五年內家庭機器人將走入家庭 ， 但這是一個循序漸進的過程 。
邵浩提出 ， 家庭機器人進入到家庭以后一定會產生物理安全、數據隱私安全 ， 包括系統失效風險等問題 。 從物理安全的角度 ， 需在硬件設計中融入物理圍欄、即停機制等設計 ， 從源頭規避風險；數據隱私安全則要明確數據采集邊界 ， 通過端側處理保證數據不泄露；責任認定可借鑒自動駕駛的成熟條例 ， 參考歐盟人工智能法案 ， 按機器人智能化等級劃分制造商、運營方和用戶的責任 。
王曉剛強調 ， 機器人進家庭直接達到L4級 ， 無法像自動駕駛一樣經歷L2級的人機協作階段 ， 因此需先在B端受限場景大規模落地 ， 通過壓力測試驗證技術安全性 ， 建立市場信心 ， 同時配套完善保險公司理賠體系 ， 為C端應用落地鋪路 。
王曉剛還指出 ， 機器人與人類交互的近距離特性 ， 讓傳統自動駕駛的傳感器技術難以應對突發情況 ， 安全皮膚等新技術的研發仍有很長的路要走 。
沈抖認為 ， 不必過度放大機器人進家庭的安全風險 ， 其發展是循序漸進過程 。 機器人進家庭必然從特定場景開始 ， 不會直接全面接管家庭管理 ， 這為安全體系完善留出了時間 。
(更多報道線索 ， 請聯系本文作者薛宇飛：xueyufei@chinanews.com.cn)(中新經緯APP)
(文中觀點僅供參考 ， 不構成投資建議 ， 投資有風險 ， 入市需謹慎 。 )
中新經緯版權所有 ， 未經書面授權 ， 任何單位及個人不得轉載、摘編或以其他方式使用 。
責任編輯：魏薇 李中元

    推薦閱讀