2026年3月，博鳌亚洲论坛上一场关于人形机器人的讨论，让外界清楚地看到了这个热门赛道的真实处境：资金狂涌、机器林立，但核心技术瓶颈依然没有破解。

"我们还没有看到像iPhone那样定义时代的产品，也没有出现像ChatGPT那样人人可用的东西。"清华大学苏世民书院院长薛澜在论坛现场直接亮出了这个让行业略显尴尬的判断。

这句话，精准戳中了当前人形机器人行业最核心的困境。

ChatGPT的成功，有一个很少被提及的底层逻辑：它的训练材料，本质上就是互联网上几十年积累的海量文本，廉价、易得、规模无限。但人形机器人想要"学会"抓杯子、开微波炉、叠衣服，需要的是带有高维度传感信息的动作数据，包括视觉、关节运动、力矩反馈，多达60余个维度，而这些数据根本无法从互联网上"爬"到。

3月25日，在北京举行的2026年中关村论坛上，乐居机器人公司的Kuavo-5W人形机器人向记者递上一杯新鲜冲泡的咖啡。中关村论坛是北京一年一度的大型科技盛会。图片：路透社

商汤联合创始人、大晓机器人董事长王晓刚在博鳌论坛透露，目前整个行业积累的训练数据大约在10万小时量级，而相比之下，自动驾驶领域每天通过仿真技术就能产生数百万小时的数据。两相对比，差距悬殊。

vivo机器人实验室首席科学家邵浩的比喻更直接：深度学习从2012年萌芽，到2022年ChatGPT真正爆发，整整走了十年。机器人行业连那个"低成本大规模获取数据的路径"都还没找到，凭什么觉得自己能快很多？

他的判断是，人形机器人的"ChatGPT时刻"，大概率还需要十年。

为了解决数据荒，中国政府祭出了一套颇具特色的打法：建训练场。截至2025年底，全国已建成并投入运营的机器人数据采集中心超过40座，其中规模超过100台机器人的训练场超过10座。在上海一家领先机器人初创公司的训练室里，工人戴着VR头显和外骨骼，每天重复模拟开微波炉、叠衣服、摆木块，数百遍地执行同一个动作，只为给旁边的机器人"喂数据"。这些工人自称"赛博劳工"，他们的重复劳动，构成了整个行业向前走的地基之一。

专家表示，只有当行业摆脱人工数据收集方式时，机器人才能迎来类似 ChatGPT 的时代。图片：EPA

这种策略管用，但效率存疑。加州大学伯克利分校机器人研究员肯·戈德堡直言："即使你有几百人同时工作，要积累足够的数据，依然需要漫长的时间。"

不是所有人都同意"十年说"。

王晓刚对时间表的判断要激进得多。他认为，如果通过"环境式速采"等新技术，到2027年把可用数据扩展到千万小时量级，再叠加合成数据手段，届时或许就能看到机器人领域的Scaling Law发挥作用，突破临界点，两年内迎来拐点不是没有可能。

星动纪元创始人陈建宇给出的窗口则是五到十年。他认为真正的"ChatGPT时刻"，意味着机器人进入一个从未见过的家庭环境，不需要额外采集数据、不需要专项训练，直接执行任意自然语言指令，也就是实现"零样本泛化"。这个目标清晰，但通往它的路，现在还不明确。

百度集团执行副总裁沈抖的判断更为保守：工业场景、危险作业等结构化程度高的领域，人形机器人可以尽快推进落地；而真正的家庭应用场景，对能力的系统性要求极高，十年内能否实现，仍是未知数。

这三种判断背后，折射出的其实是同一个问题：行业至今还没有找到属于自己的"Scaling Law"，也就是那条确定性的技术曲线，能够明确告诉你，只要往里砸数据和算力，模型能力就一定会线性增长。没有这条曲线，所有的时间表都只是猜测。

从市场数据看，这个行业的热度并不缺：2025年中国人形机器人出货量达1.8万台，同比增长超650%；摩根士丹利预测2026年全球出货量将增至2.8万台。优必选、优尼特、宇树等头部企业，已纷纷站上亿元甚至十亿美元估值的跑道。

但狂热的资本与坦诚的技术现实之间，存在着一道不小的落差。

国家发改委在2025年11月罕见地发出预警，提示人形机器人行业存在泡沫风险，全国150多家相关企业同台竞技，产能和数据基础设施的重复建设隐忧已经显现。

机器人能做到什么，与人们期待它做到什么，这中间的距离，暂时还不会因为一场论坛的热烈讨论而消失。