从“会干活”到“稳定干活”，离机器人“开箱即用”还差几步

中国商报（记者 赵熠如）在2026世界机器人大会上，多位企业负责人对具身智能的“ChatGPT时刻”作出了乐观预计，其背后是人形机器人的规模量产和商业化提速：在工业、物流等场景，机器人已走向常态化运行，部分企业已实现万台级订单交付。同时，行业关注的重点也开始从“机器人能不能干活”，转向“能不能稳定、高效地干活”。

具身智能什么时候迎来“ChatGPT时刻”

“很多人都会好奇，真正通用的机器人，无论是人形机器人还是半人形机器人，什么时候才能真正走进生活、走进家庭。”宇树科技创始人王兴兴给出了自己的预测，“未来快的话2—3年，慢的话5年甚至10年，如果大家能够看到，把一台机器人带到任意陌生环境或者家庭中，它基本能够完成80%左右的任务，那么我认为差不多就实现了具身智能的‘ChatGPT时刻’。这会成为未来产业真正的临界爆发点。”

所谓“ChatGPT时刻”，是指一项技术跨过从探索走向大规模应用的关键拐点，并由此推动整个产业加速发展。当具身智能的“ChatGPT时刻”到来时，无论把机器人带到什么环境中，都可以实现“开箱即用”。

按照众擎机器人创始人赵同阳的观察，真正意义上的“ChatGPT时刻”，3年之内完全有可能到来。

“最近AGI的发展总体还是符合预期的。现在的AI已经能够体现出很强的分析、逻辑判断和语言能力，甚至能够表现出一定的情绪特征。一个产业真正成熟，一定是不同领域同时进步。从硬件到软件，从‘小脑’到‘大脑’和算法，都需要同步发展。”赵同阳表示。

“从技术角度来看，具身智能的‘ChatGPT时刻’是存在的，但公众对它的认知未必会在一瞬间形成。我们认为，整个过程更可能是‘润物细无声’的。等到人们突然意识到时，它可能已经无处不在了。”星海图创始人兼CEO高继扬说，“预计明年会有越来越多的公司进入真实的生产力场景。”

“机器人领域的突破应该不会太遥远，但它仍然离不开持续的技术积累。这是一个逐渐发展的过程。它可能首先在工业、安防等场景中实现应用，然后随着技术能力不断提升，逐渐接近真正的通用能力。”智澄AI创始人兼CEO胡鲁辉说。

胡鲁辉表示，如果未来真正迎来“有大脑的机器人”时代，也就是人工智能进一步迈向物理智能，那么相应产业的规模可能达到万亿元甚至数十万亿元级别。

规模量产和商业化落地提速

从业者对具身智能行业大爆发的信心，也来源于目前行业良好的规模量产和商业化落地情况。

“过去一年可以说是人工智能规模化落地的元年。一方面，很多人形机器人正在从实验室、原型机阶段走向量产交付；另一方面，在工业、物流、服务业等各类场景中，大家也开始尝试让机器人承担一些具体任务。”京东集团技术委员会主席、京东云总裁曹鹏说。

星动纪元创始人兼CEO陈建宇认为，从今年开始，具身智能行业已经进入商业化拐点。以星动纪元为例，目前B端客户已经覆盖十余个城市，机器人正在物流、工业等场景中进行常态化运行，不再只是拍一个Demo（样片）。

据浙江人形机器人创新中心首席科学家熊蓉介绍，目前机器人已在多个行业、多个场景中实现应用，部分场景已经实现规模化。例如，在3C领域已经签约百台级订单，在服装领域已经签下2000台订单。

智身科技联合创始人刘宇龙也带来了不错的量产交付成绩报告。

“截至今年6月30日，我们累计完成约1.5万台具身智能产品的量产和交付。其中，四足机器人‘钢镚’系列单款SKU全球出货量已经超过1万台。”刘宇龙说，“除了机器狗之外，我们也在与合作伙伴共同打造各类场景应用。目前，我们在全球共服务300多家合作伙伴。”

不仅如此，量产数量已不能满足一些机器人企业对自身发展的要求。

优必选副总裁、具身智能与人形机器人研究院院长焦继超认为，除了出货量外，公司更关注机器人能够为客户创造多少价值，是否能够获得用户认可，以及客户是否会复购。目前，部分工业客户已经开始复购，这是一个非常好的现象。预计明后年工业场景会迎来较好的增长。

“2026年是机器人场景落地和商业化闭环的关键一年，但这并不意味着每一家公司都能够在今年实现真正意义上的量产。”智平方联合创始人张鹏认为，有价值的量产至少有三个条件：第一，产品足够稳定；第二，能够真正产生生产力价值；第三，在此基础上能够形成持续的商业闭环。

从“会干活”到“稳定干活”仍有距离

不过，从部分场景实现落地、形成规模交付，到真正迎来具身智能的“ChatGPT时刻”，产业仍有不少关键问题需要解决。

王兴兴分析了现在机器人还没有达到“ChatGPT时刻”临界点的原因。

“目前最大的瓶颈，是AI模型的输入和输出与机器人真实物理世界之间的对齐程度还不够。”王兴兴表示，“现在的机器人模型，如果让它移动、装配物体，或者把一个物体搬到某个位置，整个趋势基本没有问题，差不多能够执行任务，但问题往往出现在最后几厘米甚至几毫米。机器人去拿一个东西，看起来已经快要抓住了，但最后一点误差没有办法很好地修正。”

“为什么机器人会出现这个问题，而一般的语言模型或者多模态模型没有这么明显？因为语言模型本质上是数字编码，一个文字输入对应什么输出，都被严格限制在向量空间中，基本不会产生很大的偏差。语言模型的信息传递基本没有这种损失。但对于机器人而言，每一次输入和输出都会产生一定偏差和损失，这也是目前全球机器人模型泛化能力和成功率仍然不足的重要原因。”王兴兴说，“这个问题未来几年一定可以解决，只是还需要一些时间。”

曹鹏同样也谈到了当前机器人泛化能力不足的问题。

“现在机器人处于爆发前夜，之所以还没有爆发，是因为机器人具身模型在任务理解、泛化能力等方面仍存在不足。”曹鹏说，“在我们的实验场景中，比如京东物流的某些特定标准任务里，机器人已经可以做到与人基本持平，无论是效率还是成本，都已经非常接近人工。但问题在于，这些能力还没有办法规模化复制到更多、更复杂的场景中，原因就在于模型的泛化能力还不够。”

“而模型泛化能力不足，是因为缺少足够的数据进行训练。目前，机器人更多还是在具体场景里作业，还没有办法实现大规模复制。”曹鹏说。

刘宇龙以智身科技为例，谈到了在万台级交付过程中遇到的问题。

“首先机器人的大脑、小脑能力要达到可用程度。当智能能力够用以后，就需要硬件能满足具体场景中的各种指标。”刘宇龙说，“除此之外，在万台级交付过程中，要保证所有批次产品在良率、工艺、评测以及最终交付状态上的一致性。对于具身智能机器人来说，目前还没有形成明确成熟的行业标准。因此，需要上下游协同制定既能够满足场景需求又符合供应链实际能力的标准，从而保证产品整体的一致性。”