作者：RoboStrategy 研究团队

编译：深潮 TechFlow

深潮导读：ChatGPT 发布后短短两个月斩获上亿用户，点燃了全人类对人工智能的狂热想象，也让整个具身智能与机器人赛道长久以来背负着一个拷问：属于机器人的 ChatGPT 时刻何时才会发生？RoboStrategy 团队在这篇深度研报中给出了截然相反的冷峻判断：机器人绝不会有任何所谓的 ChatGPT 时刻。

软件世界的纯数字化输出天然允许试错与人工后置微调，廉价的云端算力基础设施更让其边际分发成本趋近于零；而现实物理世界的交互却受制于沉重的资本硬件负担、不可逆的错误代价以及极为严苛的物理安全边界。

机器人每一次闲置都是对资产回报的课税，且必须跨越 99.9% 甚至更高的可靠性绝壁，才能换取商业落地的入场券。但这并不意味着具身智能正在掉队，相反，从 Waymo 无人驾驶车队的规模化上路，到焊接、餐饮与物流场景中具身模型的垂直渗透，物理 AI 正借力于多模态基座模型与缩放定律，走上一条类似自动驾驶技术的渗透曲线：渐进尔后骤至，以可靠性换取分发，真正的产业爆发早已在深水区悄然打响。

回溯到 2022 年 11 月 30 日。OpenAI 发布了 ChatGPT。

5 天后：用户达到 100 万。

两个月后：用户突破 1 亿。

那是一声响彻全球的发令枪。史无前例的用户采用速度仅仅是这一“时刻”的一部分。真正重要的是，全球集体的意识几乎在同一瞬间完成了思维范式的同步升级：AI 不再只是停留在实验室里的科研幻想。显而易见，它是真实的，并且即将掀起下一场技术革命。各个行业的企业高管将制定 AI 规划列为头等大事。投资者竞相布局潜在赢家，或者紧急撤离即将被颠覆的企业。创业者纷纷在半导体、生物科技和机器人领域成立新公司。AI 必将席卷每一个领域。世界各地的普通人也开始在日常生活中每天使用 AI 聊天机器人。

从那时起，机器人领域的每一个人都被问到同一个问题：我们属于机器人的 ChatGPT 时刻究竟何时到来？

机器人领域绝不会迎来任何所谓的 ChatGPT 时刻。

图 1：黄仁勋在演讲舞台上与各家代表性人形机器人并列，探讨机器人领域的「ChatGPT 时刻」是否已然来临

智能机器人已经来到我们身边，它们将像以往任何一项变革性技术一样被大规模采用，但这绝非在数周之内完成，而是需要历经数年之久。

互联网、智能手机以及最近的自动驾驶汽车，无一不印证了这一规律。任何仍在苦苦等待机器人 ChatGPT 时刻的人，都忽略了一个事实：发令枪早在数年前就已打响，而第一波现实世界的规模化部署已经在今年拉开帷幕。从 UPS 到宝马再到三星，各大企业正将源源不断的资源倾注于用机器人实现运营自动化。顶尖人才正大举涌入该领域，构建起全新的物理 AI（Physical AI）企业生态圈，资本也紧随其后，尽管这一规模与过去数年流入纯软件 AI 的海量资金相比仍只是一小部分。

那么，为什么我们绝不可能在机器人身上看到 ChatGPT 那种在两个月内从零爆发到 1 亿用户的增长奇迹？除了生产 1 亿台机器人面临的硬件制造物理限制之外，机器人落地所需的能力要求与通用 AI 模型有着本质区别。我们往往忘记了 ChatGPT 在刚刚发布时有多么差劲。它频繁出现幻觉，给出的答案错漏百出，甚至连初中生都能解答的问题都回答不上来。但在某些大型用例中，这些缺陷并无大碍。在文案撰写、文本总结和基础调研等场景下，它依然展现出了实用价值。它并没有取代整套工作流，却能为普通人的日常工作节省一点时间。从本质上讲，它是一款差强人意的得力工具，虽然鲜有人愿意为此支付高昂费用，但许多人愿意支付微小的金额或免费使用它来提升生产力。更关键的是，由于它运行在云端，其交付成本极其低廉。没有人需要自行购买并托管 GPU 硬件，所有人共享同一个集约化的云基础设施。当一项服务的边际交付成本微乎其微时，让它变得“值得一用”的门槛自然极低。

然而，机器人面临着聊天机器人从未遇到过的两大核心痛点。

其一，是“闲置机器人税”（The idle-robot tax）。无论机器人是在辛勤运转还是处于闲置状态，购买者都必须为其持续买单，无论是作为资本支出（CapEx）预先支付全款，还是通过租赁或机器人即服务（Robot-as-a-Service，RaaS）将其转为运营支出（OpEx）。一台每周仅使用 1 小时的机器人，必须在那区区 1 小时内创造极其惊人的价值，因为将其转移并重新训练以适应其他工作的成本实在过于高昂。随着物理 AI 让通用机器人具备多任务处理能力且拥有如人类一般的移动灵活性，我预计这一局面将会改变。但在眼下，机器人的每一个闲置小时都是一笔沉重的税负。

其二，是“99.9% 的绝壁”（The 99.9% wall）。知识工作与体力工作对于“及格线”的判定标准有着天壤之别。一份平庸粗糙的初稿仍然可以节省时间，因为人类可以在最终定稿前保留精华并修改瑕疵。文案、幻灯片乃至法律合同，统统都是可供反复编辑修改的。

体力工作则远没有这般宽容。一次拙劣的焊接可能会彻底报废一整块金属构件；一次错误的给药剂量可能会造成无法挽回的灾难性后果。

图 2：知识工作与体力工作在错误可恢复性与质量容忍度维度的分类矩阵。体力工作多集中于难以恢复且容忍度极窄的高危区间。

知识工作的本质允许在将 AI 输出作为最终交付物之前对其进行纠错修复。而在体力工作中，人类虽然同样可以介入干预，但从一次物理错误中恢复所需的代价，往往远比修改一个段落要沉重得多。体力工作对错误的容忍度通常极低，这意味着其对可靠性的门槛要求极高。从事体力工作的机器人若要具有实际价值，就必须稳定输出高质量的工作成果，这不仅仅要求 99% 的成功率，而且往往需要达到 99.9% 以上。这就构筑了高得多的规模化部署门槛。除了偶尔一次的成功演示之外，机器人必须在足够低的成本下，以足够高的可靠性完成任务，才能真正说服客户将其投入到实际运营生产中。

图 3：知识工作与体力工作在实用门槛上所需的成功率对比。知识工作通常在 50% 至 90% 之间即可创造价值，而体力操作往往需要高达 99.9% 至 99.9999% 的绝对可靠性。

在知识工作与体力工作之间，被判定为“具备实际效用”的工作标准存在着天差地别的质量阈值。

在 ChatGPT 发布至今的几年里，机器人领域取得了巨大的跨越式进展，而其中一部分进步正是借力于外部技术的溢出。通用 AI 模型与视频生成模型共同加速了机器人技术的研发，并构成了机器人核心大脑的基础。

当今许多前沿机器人模型都采用了双系统架构设计，这一灵感源于心理学对人类思维方式的分类描述。系统 2 是慢速、深思熟虑的思考者：一个经过专门适配的通用 AI 大模型，负责理解环境场景、推演规划并做出逻辑推理；系统 1 则是快速、出于本能的执行者：一个动作执行模型（在部分架构中由视频预测模型改造而来），负责将上述规划实时转化为高频的电机控制指令。

这意味着 OpenAI、Anthropic、Google DeepMind、英伟达、阿里巴巴以及顶尖高校实验室所取得的每一项技术突破，都在直接或间接地反哺着物理智能的发展。在下表中，前沿机器人模型的核心能力与发布之初以及当下的 ChatGPT 形成了全方位对比。

图 4：前沿机器人模型（如 Dyna 2.1、Rhoda DVA）与发布初期的 ChatGPT（GPT-3.5）及当下通用模型在学习记忆、自主执行与可靠性维度的全面评测对比

在我看来，在诸多关键维度上前沿机器人模型其实已经超越了 ChatGPT 最初亮相时搭载的 GPT-3.5 模型。来自 Dyna Robotics 和 Rhoda AI 等公司的具身模型，如今已经能够处理长流程工作流、展开多步推理、维持更长周期的上下文状态，并且能够敏锐察觉自身的失误并自主重试纠偏。

与此同时，我们已经见证了第一批物理 AI 公司走出实验室与原型测试阶段，大步迈入现实世界的规模化部署。事实上，Waymo 在自动驾驶领域践行这一路径已有数年之久。

在过去的几年里，网络上涌现出大量展示通用机器人出色完成任务的精彩视频。但核心症结始终在于，外界根本无从知晓这些精美的短视频是否是从几十次甚至数百次失败尝试中精挑细选剪辑出来的（而事实往往确实如此）。Figure AI 对其人形机器人分拣包裹展开的长达 200 余小时不间断网络直播，堪称机器人领域的一个“微型 ChatGPT 时刻”：这是历史上第一次有实时且不容置疑的证据，证明通用机械设备能够像人类一样稳定执行复杂的物理劳动。

Path Robotics 如今已将工业焊接机器人广泛部署到能源、国防、船舶制造等领域的龙头客户场景中，并于今年早些时候宣布与军工巨头 HII 签署了一份高达 $6 亿（最高可达 $9 亿）的巨额合同。Dyna 同样在大型连锁餐厅、酒店以及商业洗衣房等网络中全面铺开了自动化机器人，稳定运行着各类复杂工序。

图 5：近期全球各主流商业媒体与机构关于 Figure AI、Standard Bots、Dyna Robotics 及 Path Robotics 在真实工厂与商业网络中规模化落地的报道合辑

这一切是如何做到的？答案在于专用模型与针对性微调。为 Waymo 自动驾驶汽车提供导航的模型以及为 Path 实施精细焊接的模型，并不能胜任整理料箱的工作。但这些垂直细分市场的规模足够庞大，完全值得为了掌握某一项单一技能而专门训练一套模型，并确保其在各种复杂现实工况下都能稳健运行。

Dyna 和 Rhoda 等具身智能企业通常以通用机器人基座模型为起点，针对特定工作流程采集真实物理数据，并持续微调直至模型在该任务上的可靠性达到严苛的工业级标准。它们优先切入市场接触面最大、痛点最显著的通用工序，随着后续融资轮次的推进和资本积累，逐步扩大物理数据的采集边界。这一推进路径与通用 AI 实验室最先聚焦于攻克软件工程代码领域的打法如出一辙。

在过去，让机器人在单项任务上达到商业部署级的可靠性往往需要耗费数月时间。然而随着底层基座模型变得愈发聪明，一些领先企业发现这一周期正在急剧压缩至几周之内。今年早些时候，多家前沿团队相继公布了最新研究成果，表明他们已经找到了机器人模型同样遵循缩放定律（Scaling Laws）的确凿证据。换句话说，他们坚称通过增加数据规模与算力投入，具身模型的泛化能力会获得质的飞跃，每项新增技能所需的微调数据量也会大幅递减。后训练（Post-training）成本每降低一次，技术落地的摩擦阻力就会随之下降，通用机器人能够胜任的工作清单就会进一步延长。

那么，机器人真正的大规模普及路径究竟会是怎样的形态？

图 6：2021 年至 2026 年上路运行的自动驾驶车辆增长轨迹及预测。从早期的 50 万辆规模逐步爬坡，至 2026 年预计将突破 1600 万辆，呈现出典型实体智能逐步提速的渗透曲线。

你可以将自动驾驶汽车（被视为物理 AI 的重要细分分支）视作绝佳的参照蓝本。过去几年中自动驾驶算法迎来了质的飞跃，全球自动驾驶汽车的总规模已突破 1000 万辆大关。与此同时，自动驾驶汽车也面临着许多其他工业机器人未曾遇到的独特挑战：其对可靠性的苛刻要求还要高出整整两到三个数量级，因为一旦出错，代价可能就是生命的陨落；各国各地区的国家级安全法规以及州、市政府的运营许可，都需要逐一漫长攻克；此外，Waymo 和 Cybercab 等无人出租车队还必须在每个城市建立专属的重资产地面物理运营网络，涵盖调度中心、充电设施、车辆清洁、维护保养、远程安全协助以及全天候道路救援团队。

与 ChatGPT 的纯消费端破圈以及 Waymo 的网约车渗透不同，我预计机器人在消费级市场真正爆发之前，会先在商业与工业端实现具有实质意义的大规模商用落地。我深信，在未来的某一天，家用服务型机器人会像今天拥有汽车一样普及入户；但在可预见的近期，训练机器人在结构化程度更高的场景中达到绝对可靠，例如工业洗衣、机床上下料巡检以及仓储物料搬运等，始终是工程研发难度相对更可控的方向。规模化扩张的齿轮已经开始转动，物理智能的技术上限每周都在被重新刷新。

因此，“ChatGPT 时刻”或许从一开始就是一个错误的类比。在 ChatGPT 的世界里，渠道分发走在了系统可靠性之前；而在机器人领域，可靠性必须先于任何规模分发而确立，而实现这一目标的工程技术路径如今已被清晰验证。我们正伫立在各行各业类似于自动驾驶渗透曲线的历史起点之上。历史或许不会单纯地重复自己，但总是押着相似的韵脚。

信息披露：RoboStrategy 的投资组合可能包含文中所探讨的公司。