活动背景

人形机器人会跳舞、能递水、甚至踢足球——这些表演早已不新鲜。但当它们真正走进工厂、医院或家庭，能否稳定完成一项看似简单的任务？答案远没有舞台上的动作那么流畅。具身智能正站在从“炫技”走向“实干”的关键路口，但这条路或许比我们想象中更难。

12月11日，由未来机域主办的《等待具身智能数据的ChatGPT时刻》系列直播迎来最后一期《具身智能应用场景的涌现》，本次直播邀请穹彻智能研究科学家吕峻博士和上海大学特聘副研究员叶林奇博士围绕以上话题展开深度对话。

AI表演工具 v.s. 实用

具身智能终端，并不是一个装了大模型的机器人。它必须拥有物理实体——可以是人形、轮式、四足，并通过感知、决策与执行的闭环，在真实世界中完成用户指定的任务。与传统智能家居或固定工序的工业机械臂不同，具身智能追求的是通用性与适应性：面对新环境、新指令，它要能理解、规划并动手操作。

不过，目前最成熟的落地却是表演与展示场景。春晚舞台、科技展会、商场互动区，机器人通过预设动作吸引眼球，形成小规模商业化。但这只是起点。

吕峻坦言，现在普通人能看到的成功案例，大多还是表演，这有一定意义，“你跳舞不摔倒，才可能让人相信你在工厂里也不会摔。”在他看来，表演是“挂得比较低的果子”，能快速验证硬件可靠性，也能为行业带来早期收入，激励技术迭代，但工业与服务业的刚性需求更具长期价值。只要成本可控、可靠性达标，企业愿意为效率提升买单。

叶林奇提出了更开放的视角：“为什么非要把‘表演’和‘实用’对立？演员是一种职业，工人也是一种职业。对机器人来说，这不过是加载不同的‘APP’。”他认为，不同的人群，不同的开发者去开发不同的 APP，让机器人有不同的角色定位。

不过两人都强调：行业真正的价值，终究要落在解决实际问题上。大家期待具身智能成为像手机、汽车一样的基础设施，靠的不是炫技，而是可靠地工作。

“四处漏风”的具身智能产业

当前具身智能行业处于初期，面临诸多挑战。

吕峻指出，具身智能现在处于“四处漏风”的状态：硬件未收敛、算法依赖数据、平台基建薄弱。

首先，到底需要什么样的硬件没有收敛，真正适合的硬件可能也没有诞生。吕峻表示：“哪怕大家共识是用轮式底盘，但轮式底盘也有非常多不同的实现方式以及不同功能的呈现。我们跟硬件团队去沟通末端的选型，有时候希望这个末端又大又小，又软又硬。”

其次，在算法层面，叶林奇认为，目前最大的瓶颈是还没有真正看到具身智能技术路径的收敛，“大家其实也在走大模型的老路，就是用大量的数据，强大的算力和超大的参数，通过scaling law实现智能的涌现，但是这个路不一定行得通。”

与此同时，数据的不确定性也制约着算法的发展。“到底需要什么样的数据？怎么去使用它？这都有着非常多不确定性。任何一种数据方案的变化，包括数据里面一些非常细微的变化都会对后续整个算法提出新的要求。”吕峻坦言。

更深层的问题在于：机器人缺乏“持续学习”能力。叶林奇指出：“今天的机器人一旦部署，模型就冻结了。做100遍同样的任务，它不会变得更好。”而人类却能在实践中不断优化。

值得一提的是目前的产品定价与用户预期存在错位。花几十万元买一台机器人，若只能完成几个预设动作，难以获得市场认可。用户愿意付费的核心，始终是明确的价值交付——要么显著降本增效，要么提供不可替代的体验。

GPT时刻何时到来？三年看场景，十年看通用

尽管通用具身智能仍需长期投入，但场景级的“GPT时刻”可能在2026–2028年间到来。在仓储物流、酒店服务、电力巡检等结构化较强的环境中，机器人有望实现稳定自主作业，并通过真实场景数据反哺模型迭代。

叶林奇表示：“我原来觉得要十几年，但现在改主意了。按当前发展速度，2027或2028年，机器人就能在大多数任务上超越人类。”他举例：今年已有机器人跑半程马拉松用时2小时40分。明年后年，它完全可能跑得比人快。”

他进一步设想：到2035年，机器人在大部分任务上都能超越人类。“那时我们就会真切感受到GPT时刻的到来。

”吕峻则更谨慎：“如果定义是‘在大部分任务上超越人类’，我觉得至少还需十年甚至更久。”但他也承认，AI发展已进入“不可预测阶段”——“就像ChatGPT出现前，没人预见到它会引爆整个行业。具身智能也是，突然到了某个特定的节点之后，会以一种超出任何人预期的方式非常快速的发展。”

具身智能的路还很长，但每一步踏实的“干活”，都在缩短我们与那个“GPT时刻”的距离。