机器人大脑正走出「GPT-2时代」，但距离真正可用还有多远？

物理AI赛道的投资热度在2026年持续攀升，但市场情绪正在经历一次现实校验。中国机器人企业宇树科技登陆A股科创板后，市值一度高达660亿美元，然而短短数日内便跌去近半。分析人士指出，核心问题在于：尽管机器人的运动能力持续改善，它们依然缺乏执行真正创造价值任务的能力，资本市场的热情难以掩盖技术层面的深层瓶颈。

在上周于旧金山举办的Actuate大会上，这一矛盾被清晰呈现。大会自2023年创办以来规模已扩大三倍，本届吸引了约1500名开发者参与。会场上，基础设施公司Avala的展台打出「解决机器人数据危机」的标语，直指行业痛点——高质量训练数据的严重不足。端到端学习在特定任务上的应用，至今仍未能交付具备稳定商业表现的产品，通用机器人的目标更是遥遥无期。

仿真工具初创公司Antioch的联合创始人Harry Mellsop将当前物理AI的发展阶段比作OpenAI的「GPT-2时代」，即ChatGPT诞生之前的技术积累期。他认为，突破这一瓶颈需要更多元化的数据集、更优化的训练策略，以及专为光线追踪优化的GPU算力，以支撑高保真度的仿真环境构建。自动驾驶领域因长期积累了大量真实驾驶数据，目前在物理AI中进展最为领先。

自动驾驶公司正将多年积累的机器学习基础设施优势，迁移至人形机器人赛道。Wayve CEO Alex Kendall表示，数据基础设施、仿真系统和MLOps工具链在不同机器人形态间具有高度共通性，但针对特定硬件的世界模型仍需差异化训练。Uber也已成立专注于人形机器人的研究实验室。Kendall同时强调，现阶段过早锁定某一硬件平台并不明智，传感器等核心组件的技术迭代仍在快速推进。

在通用能力与垂直落地之间，行业正面临两难抉择。Genesis AI CEO Théophile Gervet指出，目前阶段「大脑优先」的策略风险极高，硬件与AI的协同设计才是更务实的路径。他同时提出一个尖锐的悖论：如果在「GPT-2时代」就押注某个垂直场景，一旦通用模型能力跃升至「GPT-4水平」，这些专用方案将面临被颠覆的风险。而Gritt、Agility、Bedrock等专注特定任务的公司，已率先将机器人部署到太阳能农场、工业仓储和建筑工地等真实场景。

关于物理AI的「ChatGPT时刻」何时到来，业界看法不一。Wayve的Kendall认为，当消费者能以不足1000美元的硬件成本实现车辆的完全自动驾驶，将是真正的破圈时刻。Genesis AI的Gervet则将标准定为：用户能用自然语言指挥机器人完成推、拉、整理桌面等基础操作，且成功率稳定在80%以上。而Foxglove CEO Adrian Macneil则持不同看法，他认为机器人领域不会出现类似ChatGPT的爆发式时刻，因为现实世界的规模化部署远比软件分发复杂得多。

要点

• 物理AI训练数据匮乏是当前最核心的技术瓶颈，行业普遍将现阶段类比为OpenAI的「GPT-2时代」，距离商业突破仍需大量数据与算力投入。
• 自动驾驶公司凭借多年积累的数据基础设施和ML工具链，正成为人形机器人赛道的重要竞争者，Wayve、Uber等企业已相继入局。
• 垂直场景落地与通用能力建设之间存在战略张力：专注特定任务可获得真实部署数据和收入，但一旦通用模型能力跃升，垂直方案可能面临被颠覆的风险。
• 宇树科技IPO后股价近乎腰斩，表明资本市场开始对物理AI的实际商业价值进行更理性的评估。
• 业界对「物理AI的ChatGPT时刻」定义不一，但多数从业者认为，真正的突破需要让普通消费者而非投资者感到兴奋。