人形機器人需一億小時數據，才有「ChatGPT 時刻」

在 2026 年世界人工智能大會上，業界領袖表示，機器人需要約一億小時的真實世界數據——大約是目前可用量的 10,000 倍——通用機器人才能在工廠之外可靠地工作。

高管與研究人員在上海世界人工智能大會上指出，具身人工智慧需要約一億小時的真實世界互動數據，機器人才能理解開放式指令，並在家中與工作場所自主運作。

「模型決定起點，但數據決定終局，」智元機器人合夥人兼具身業務總裁、覓豐科技董事長姚卯青在大會上表示。「當數據飛輪真正開始轉動，湧現智慧只是時間問題。」

姚卯青估計，以 Token 數量或時長計算，當前的具身智慧數據集落後大型語言模型訓練數據超過 10,000 倍。智元機器人自 2023 年成立以來，已生產 15,000 台人形機器人，營收達 100 億元人民幣（約 14 億美元），並在江西南昌的一條 3C 產線上展示了機器人連續六天完成近 65,000 次操作，成功率高達 99.99%。

從受控的工業部署到通用型家用機器人之間的差距，既是物理 AI 最大的挑戰，也是最大的市場機會。若業界能如多數專家預測的 2 到 5 年內實現「ChatGPT 時刻」，僅機器人操作領域的可觸及市場規模就可能達到數百億美元，重塑從製造、物流到長照的供應鏈。

物理 AI 的三堵牆

姚卯青指出三大瓶頸——數據、表徵與閉環反饋——他認為這些問題必須解決，物理 AI 才能超越展示階段大規模應用。真實世界的互動數據既稀缺且收集成本高昂，不像網路文字可以接近零邊際成本抓取。目前尚不存在能夠跨任務、跨環境、跨機器人型態的統一物理表徵。而物理世界中的試錯成本極高：一次失誤可能損壞零件，甚至毀掉整台機器人。

總部位於舊金山的機器人新創公司 Physical Intelligence，正透過其所謂的「上下文擴展」來應對數據挑戰。該公司研究科學家任之怡表示，最新的 π0.7 模型整合了歷史影片編碼、細粒度語言與圖像引導，以及數據品質分數與錯誤標籤等元數據。這種方法讓單一模型檢查點無需針對特定任務進行微調即可處理多項任務。PI 還展示了跨型態遷移，即在低成本靜態機械臂上學到的技能，無需額外數據收集即可轉移到工業用 UR5 機械臂上。

成立於 2024 年 9 月的 Dyna Robotics，已透過「數據金字塔」策略累積超過 20 萬小時的預訓練數據：底層是網路與人類第一人稱影片，中層是多任務真實機器人數據，頂層則是真實部署數據——包括失敗與恢復軌跡。共同創辦人兼首席科學家馬燁成表示，該公司已實現 24 小時自主折餐巾，完成超過 800 條餐巾無需人工干預。在芹菜切割、高精度疊杯與薄繃帶分類等任務中，僅需 1 到 2 小時的後訓練數據即可實現可重複操作。

數據金字塔與人類優勢

大會上的研究者們趨向於採用分層數據收集方法。喬治亞理工學院助理教授徐丹飛認為，人類第一人稱數據——透過頭戴式相機捕捉——可能成為關鍵的訓練來源。他的團隊自 2023 年以來已累積約 2 萬小時的自我中心數據，並觀察到隨著數據量增長，在複雜操作任務中出現了規模定律。

「人類只是機器人的另一種型態，」徐丹飛表示。他與 Meta 在手部追蹤與第一人稱影片方面的合作，旨在消除人類示範與機器人訓練數據之間的界線。

Genesis AI 共同創辦人王尊宣提倡結合人類手套數據、第一人稱影片、真實機器人數據與模擬環境。手套數據提供了影片無法捕捉的觸覺資訊，而模擬環境則可在無硬體損耗的情況下進行大規模評估與強化學習。該公司的 Genesis 物理引擎專注於提升模擬逼真度，使其能可靠地取代真實世界的評估。

時間線之爭：2 年 vs 5 年

在閉幕座談會中，六位業界領袖分別給出了機器人實現「ChatGPT 時刻」的預估——定義為能夠理解開放式自然語言指令，並開箱即用執行日常任務的能力。姚卯青預測為兩年，前提是數據進展順利。PI 的任之怡表示 4 到 5 年，並指出他在加入公司前原以為需要 10 年。徐丹飛預估為 5 年。Dyna Robotics 的馬燁成表示 4 年。騰訊 Robotics X 首席科學家張正友表示 3 到 5 年。Sunday Robotics 執行長趙子豪則認為不到 3 年。

「這三到五年仍然充滿希望，但我們需要穩步前進，」張正友表示。他警告不要期待單一模型或單一數據來源會帶來突然的突破，強調進展取決於數據收集、真實世界部署、故障恢復、模擬評估與硬體系統的持續進步。

智元機器人的姚卯青表示，公司在上海附近的嘉興設施中部署的 100 台機器人分散式強化學習系統，代表了一種全新的後訓練範式。該系統支援整個機器人隊列在次秒級內完成模型更新，將訓練週期從幾天壓縮到幾分鐘。「這不是實驗室裡的單台機器人展示，」他說。「這是在真實環境、真實任務上的大規模物理驗證。」

本文僅供資訊參考，不構成投資建議。