回踩买入确认
[文/胡祥熙编辑/吕栋]
近日2026世界互联网大会数字丝路发展论坛在陕西西安举行。
开幕式上，宇树科技创始人王兴兴发表演讲。他表示，具身智能的“ChatGPT时刻”（也就是技术临界点）有望最快在2到3年内到来，届时，机器人在大部分陌生场景中也能直接工作，实现很多基本功能。要做好准备迎接即将突破的技术临界点。
元股证券:ygzq.hk
王兴兴在发表演讲
关于“GPT时刻”，王兴兴早就给出了更具体的指标，在今年年初的一次对话中他提到，一台机器人到陌生的环境，能够实现80%左右的任务，才算是达到所谓的“GPT时刻”。
在具身智能的GPT时刻是否已经到来的话题上，行业内部存在分歧。英伟达CEO黄仁勋在2026年CES和GTC上多次宣称物理AI的ChatGPT时刻已经到来，他认为AI已具备理解物理世界、推理并付诸行动的能力。
配资助手
千寻智能和银河通用等公司则认为，2025年行业处于GPT-2阶段，数据基建有进展但模型能力未质变，预计2026年末至2027年初迎来GPT-3时刻。
智往未来孙浚凯和智元的姚卯青等人则强调，GPT时刻可能很快到来，但iPhone时刻还远，2026年的焦点已从会不会动转向脑子好不好用和能不能挣钱。
智元机器人提出了具身智能产业发展的XYZ曲线，认为只有当机器人进入第三发展曲线，也即智能涌现阶段，才能迎来真正的“ChatGPT3.5时刻”，这需要机器人实现统一训练框架、零样本物理世界泛化和自监督可进化三个技术特征。
星海图的高继扬则认为，这个时刻可能不会像语言模型那样明显，因为具身智能的落地过程是随着能力边界逐个场景解锁的，可能几年后大家回头一看，已经记不清是哪一年开始的了。
对于GPT时刻究竟指什么，行业内部同样没有统一标准，而这种定义上的模糊直接导致了是否已经到来的判断差异。
在商业化节奏上，定义分歧进一步放大了时间判断的差异。千寻智能创始人韩峰涛将当前具身模型比作幼儿园水平，大规模部署需要每个项目调试1到2个月，单位经济模型不成立，主张先投入基础模型训练2年，等模型达到高中或大学水平再规模化。
星源智的刘东则类比自动驾驶，认为瞄准L4的公司进展缓慢，先做L2的反而更快获得市场反馈，具身智能必须在真实环境中迭代，在部署中摔倒，用反馈修复。
前者认为GPT时刻是模型能力达标的那一刻，后者则认为GPT时刻是在实际场景中证明价值的那一刻，两种定义下的时间表截然不同。
尽管分歧众多，但行业在一个时间点上存在广泛共识，即2028年。多位从业者认为，2028年将是技术范式的收敛期，各种路线的可行性将被验证，行业结束百家争鸣，进入第一轮洗牌，届时哪种技术范式更适合落地交付将有初步结论，而GPT时刻是否已经到来的争论也可能在那时得到阶段性答案。
当前制约“GPT时刻”到来的核心瓶颈首先是数据。
与可以从互联网海量文本中获取的大语言模型训练数据不同，具身智能需要的是机器人在真实世界中“拿、放、走、抓、避障、操作”等三维动作数据。
这类数据必须来源于真实的物理接触，而非仿真环境。仿真数据虽然可以大规模生成，但存在物理规律与实际不符的“Sim-to-Realgap”，导致模型在真实场景中性能下降。真实数据天然包含物理世界的摩擦、碰撞、形变、噪声等复杂反馈，是消除这一鸿沟的唯一途径。
截至2026年初，全球高质量真实物理交互数据总量仅约50万小时，不足大语言模型训练数据的两万分之一。
行业普遍认为，要实现高阶智能，需要达到亿小时级别的真实世界数据量。
智元的目标是2026年接近1000万小时数据量，星海图则启动了100万小时超高质量真实数据计划。但即使是百万小时级别的数据，距离亿小时仍相去甚远。
从这点来看，宇树科技的高质量真实物理交互数据积累还有短板。具身大模型的训练依赖于大量真实世界中的操作数据，包括任务级、带有成功标签的真机数据。宇树科技虽然出货量全球领先，但超过70%的人形机器人销往高校和科研机构，这些客户购买机器人后主要用于自己的研究项目，其产生的数据大部分归客户所有。
其次是算法瓶颈。虽然现在的机器人在走、跑、抓、搬等运动能力上已经相当成熟，但真正决定机器人能走多远的“大脑”，也即机器人如何理解复杂世界、如何自主做出决策这方面，仍然被困在数据和算法的瓶颈里。
港大李弘扬教授认为，当前具身智能至多处于自动驾驶的L1.5阶段，Manipulation（操作）仍是计算机视觉皇冠级难题，距离Locomotion（移动）、Navigation（导航）、Manipulation（操作）三者协同的L4阶段仍有相当遥远的距离。
不过，也有一些积极信号。
2026年被视为具身智能的部署态元年，机器人在工业场景的真实落地正在加速。智元精灵G2在龙旗科技3C产线实现了长时间连续稳定运行；星海图发布了G0.5基础模型，在多项权威评测中超越SOTA并即将开源；优必选的WalkerS系列已批量进入富士康、比亚迪、极氪等头部制造企业的生产线，承担搬运、上下料、分拣等核心工序，单台作业成功率已达99%，智能搬运环节的效率从2025年初相当于人工的30%提升至当前的60%。
银河通用的GalbotS1双臂最大持续负载达到50公斤，已在宁德时代产线实现零遥操、全自主作业，承担先进制造中的重载关键任务，并实现了7×24小时连续常态化作业、稳定运行逾三个月；千寻智能的人形机器人“小墨”也在宁德时代PACK生产线实现全球首条具身智能规模化落地
国际方面，FigureAI的F.02机器人在宝马工厂连续运行11个月，完成10小时轮班，累计运行1250多小时，装载9万多个零件，助力生产超过3万辆X3车型。
这些进展表明，行业正在从会表演向能干活转变。
综合来看，对于“GPT时刻何时到来”这个问题，行业内存在不同的时间预期。
王兴兴相对悲观，认为至少需要两到三年时间；大晓机器人董事长王晓刚将时间表定在2027年前后，前提是未来两年积累千万小时量级的数据；许华哲则认为真正达到人类等级通用智能可能还需要五年左右。
如果具身智能的GPT时刻真正到来，意味着机器人行业的核心竞争将从运动控制能力全面转向认知决策能力。
最根本的地方在于大脑技术的储备。宇树科技过往的研发高度集中在运动控制和硬件本体，即业内所说的小脑优先策略，其机器人的后空翻、高速奔跑、集群舞蹈等惊艳表现本质上都是小脑能力的胜利。
但在具身大模型这一大脑领域，宇树科技自研的通用具身大模型尚未规模化应用于机器人产品，公司报告期内仍处于研发测试阶段，这与GPT时刻所要求的机器人能够理解复杂语义、自主规划任务、适应陌生环境的能力存在明显代差。
目前来看，更主流的观点是，具身智能的“GPT时刻”不会像大语言模型那样有一个明确的爆发点回踩买入确认，而是一个逐步解锁的过程，从工业场景到商业场景，再到家庭场景，每一步都伴随着数据的积累和模型的迭代，最终在人们不知不觉中完成从量变到质变的跨越。
股票配资平台｜线上正规配资与杠杆服务提示：本文来自互联网，不代表本网站观点。
