什么是“ChatGPT时刻”？星动纪元创始人陈建宇向第一财经记者解释，这代表着模型泛化能力和技术成熟度的一个关键节点。“大致标准是，像ChatGPT刚问世时那样，你随便问一个问题，它都能回答得不错。同样，机器人进入一个陌生环境，你给出一个指令，它基本也能完成得很好。”一旦达到这一水平，应用与分发的路径便会打开。

陈建宇认为，目前距离这一节点仍有差距，瓶颈在于模型的泛化性。以家庭场景为例，“每一个家庭的环境布局都是不一样的，企业没有足够的资源和空间，或者缺乏客户的耐心，去每个家庭里面单独收集数据、单独训练，同时这样的数据也完全计算不过来。”

他进一步指出，未来机器人要实现家庭应用，需要机器人的模型能泛化到像ChatGPT一样，在全新的环境中，给出任意的指令就能零样本泛化，企业不需要任何新的采集数据、零训练就可以部署，这是未来机器人家庭应用的终极目标。

在陈建宇看来，这一目标虽然尚需时日，但不会太远，“五到十年内能看到非常好的效果”。

这几年，行业希望将大模型放在机器人上，让它具备通用能力。但从过去的实践来看，适用于机器人的模型很大程度上受限于数据，目前行业的数据采集效率较低，这也是行业认为人形机器人走向大众的一个关键阻碍。

商汤联合创始人、大晓机器人董事长王晓刚认为，从数据量来看，目前行业里大概有10万小时的量级，他提及商汤目前在探索环境式速采，目标是在未来的两年内，例如2027年达到1000万小时的量级，再做一些加持可以达到上亿小时的级别，“到那时，或许就能看到‘ChatGPT时刻’。”他乐观估计，这一进程可能在两年内实现。

相比之下，vivo机器人Lab首席科学家邵浩的判断更为审慎，他认为“ChatGPT时刻”可能仍需十年。

“从2012年深度学习兴起，到2022年ChatGPT真正爆发，中间经历了十年。”在邵浩看来，ChatGPT的成功关键在于找到了一条低成本、大规模获取免费数据的路径，而机器人领域至今尚未发现这样的路径。与文本这类一维数据不同，机器人所需的数据维度极高，如何构建低成本的海量数据体系，仍是前沿研究方向。

王晓刚认为，目前行业欠缺一个“确定性”。当ChatGPT出来时，大家知道背后是Scaling Law推动，沿着这一技术路线扩大数据规模会增加模型的规模，一定能够得到收益，机器人行业还在等这样的确定性。

但等待“ChatGPT时刻”前，并不妨碍人形机器人在工业等场景的应用。陈建宇认为，工业类的场景是完全垂直标准化的，可以在当前模型的基础上投入一定的数据和算力，将一些关键岗位打通，而一个岗位就可以标准化复制到上万或者是数十万个场景。

百度集团执行副总裁、百度智能云事业群总裁沈抖认为，家庭场景是具身智能的“最后一步”，对能力要求最高，系统性进入的难度极大，十年内能否实现仍不确定。而危险场景、工业场景等标准化程度较高的领域，更适合先行打磨落地。

(本文来自第一财经)