所(suo)谓“ChatGPT时刻”，是指人形机(ji)器人领域迎来雷同ChatGPT那(na)样的倾覆性突破与(yu)迸发拐点。

对于(yu)人形机(ji)器人何时迎来“ChatGPT时刻”，与(yu)会嘉宾给出了没有同的判断。

商汤联合首创人、执(zhi)行董事、大晓机(ji)器人董事长(chang)王晓刚给出了绝对乐观的时间表——两(liang)年(nian)。

他指出，目(mu)前行业的数据量大约在(zai)10万小时级别。其公司去年(nian)提出，将通(tong)过情(qing)况式素(su)材，力图在(zai)将来两(liang)年(nian)，即到(dao)2027年(nian)，将数据量提拔至1000万小时，完成(cheng)两(liang)个(ge)数量级的增长(chang)。

在(zai)此基础上，结合世界(jie)模子与(yu)仿真技能的加(jia)持(chi)，最终到(dao)达“亿(yi)小时级别”。他认为，只有到(dao)了那(na)个(ge)时间点，才有可(ke)能迎来属于(yu)人形机(ji)器人的“ChatGPT时刻”。

VIVO机(ji)器人Lab首席科学家邵浩(hao)给出的谜底更为保守：十年(nian)。

他指出，机(ji)器人所(suo)需的数据维度极高(gao)，文本数据只有一维，机(ji)器人数据则到(dao)达六十多维。

邵浩(hao)表示，“找到(dao)一条低成(cheng)本、海量且免费的数据路径时，‘ChatGPT时刻’才能出现。没有克没有及依附于(yu)某一种数据收罗方式。一个(ge)最前沿的研(yan)究方向是行使人类的视频数据作(zuo)为数据泉源。归根结底，照(zhao)样数据的问(wen)题。”

熊友军则认为，时间点与(yu)技能成(cheng)熟度、商业价值和社会需求相(xiang)互耦合，并不是“一刀切”的节点。“从当前技能进(jin)展趋向看，没有完满是数据的问(wen)题。在(zai)一些布局化的情(qing)况以及绝对简朴重复的运用场景中，结合现有的大模子，已(yi)经最先了落地运用。”

他以数据左证：去年(nian)全中国人形机(ji)器人的发货量接近两(liang)万台，今年(nian)预计(ji)将迎来大幅增长(chang)。在(zai)他看来，运用场景的落地比大家料想的要(yao)快。

“机(ji)器人究竟何时能够突破更高(gao)的价值托(tuo)付，完成(cheng)真正落地运用，并到(dao)达万台甚至十万台的规模，仍面临诸多没有同挑战。”星(xing)动纪元科技无限公司首创人陈建宇在(zai)会上表示。

产业领域因其运用场景标准化，往往被业内视为是人形机(ji)器人运用最先落地的场景。

“我们能够在(zai)现有模子基础上，投入一定的数据和算力，把关键岗位打通(tong)，一旦打通(tong)，就能够标准化复制到(dao)上万甚至数十万个(ge)场景中。”陈建宇表示，但人形机(ji)器人必须(xu)到(dao)达很高(gao)的节奏效率和成(cheng)功率。

“要(yao)到(dao)达百分之(zhi)九十九点几，还(hai)要(yao)具(ju)备(bei)极高(gao)的可(ke)靠性。要(yao)真正把它做成(cheng)一个(ge)产业级波动的产物，没有仅仅是单次能够完成(cheng)使命，还(hai)要(yao)能够可(ke)靠、持(chi)续、低成(cheng)本地做到(dao)，每一项(xiang)都(dou)很难。”

他进(jin)一步分析，这对机(ji)器人的综(zong)合能力提出了较高(gao)要(yao)求，“从大脑的能力——要(yao)能够实时进(jin)行感知(zhi)反馈和快持(chi)久议，到(dao)小脑的控制能力，再究竟层的硬件本体。本体又(you)包含灵巧手、枢(shu)纽等零部件，还(hai)包含供应链等。

沈抖也认为，当后人形机(ji)器人在(zai)本体波动性、耐用性及灵巧性等方面仍面临较大挑战。别的，没有管是大脑照(zhao)样小脑，目(mu)前行业内还(hai)没有构成(cheng)统一的技能标准。

“人形机(ji)器人要(yao)想规模化运用于(yu)产业中，至少需比及出货量达十万台级的企业出现。”邵浩(hao)在(zai)担当界(jie)面新闻记者采访时表示。

他指出，目(mu)后人形机(ji)器人的硬件还(hai)没有完成(cheng)标准化，双足(zu)、手和机(ji)电的布局在(zai)行业内仍未杀青共(gong)鸣，这使得量产和成(cheng)本下降(jiang)面临较大难度。

邵浩(hao)认为，只有当行业内至少有一家企业的出货量到(dao)达十万量级，届(jie)时关键部件的布局构成(cheng)行业共(gong)鸣，才能真正完成(cheng)量产与(yu)成(cheng)本的有效下降(jiang)。

相(xiang)比之(zhi)下，人形机(ji)器人进(jin)入家庭场景被视为“最后一步”。

“具(ju)身智能进(jin)入家庭，实在(zai)是对其能力上限的要(yao)求。危险场景、产业场景，反而(er)是绝对标准化程度较高(gao)的场景，家庭场景是挑战最大的。”沈抖认为，两(liang)年(nian)内完成(cheng)零碎(sui)性进(jin)入家庭很难，十年(nian)可(ke)否做到(dao)也没有肯定。

陈建宇认为，挑战在(zai)于(yu)泛化性。“每个(ge)家庭的情(qing)况和布局都(dou)完全没有同，没有充足(zu)的资源、空间，能在(zai)每个(ge)家庭里单独收罗数据、单独训练后再安(an)排。”

他提出，家庭运用的最终目(mu)标是模子能做到(dao)零样本泛化，面对全新情(qing)况和任意指令便(bian)可(ke)直接安(an)排。他判断“至少五到(dao)十年(nian)，能看到(dao)异常(chang)好(hao)的效果”。

在(zai)成(cheng)本上，沈抖持(chi)乐观态度：“中国的供应链云云完善，运用场景这么丰富，在(zai)进(jin)入家庭之(zhi)前，人形机(ji)器人一定已(yi)经在(zai)各个(ge)场景中经历了充足(zu)打磨，所(suo)以成(cheng)本反而(er)没有是最关键的。真正紧张的是标准、平安(an)和产物性能。”

针对行业堵点，陈建宇建议，要(yao)推动软件和模子零碎(sui)的标准化与(yu)规模化。“行业内模子门路和数据门路多样，但真正要(yao)完成(cheng)落地运用，必须(xu)构成(cheng)标准化的产物，能够合规化地复制推行，这就必要(yao)行业收敛路径，找到(dao)当前最有效的方向。”

在(zai)硬件层面，他表示，供应链和产业链必要(yao)拉(la)通(tong)，并做好(hao)筹(chou)备(bei)完成(cheng)降(jiang)本和可(ke)规模化复制。

熊友军也认为，行业中也存在(zai)一些无序进(jin)展的现象，可(ke)能造成(cheng)资源虚耗。因此，迫切必要(yao)订定产业进(jin)展的标准，通(tong)过标准来有序引导(dao)整个(ge)产业协(xie)同同等进(jin)展。