機器人技術會迎來 ChatGPT 式的爆發時刻嗎

神譯局是36氪旗下編譯團隊，關注科技、商業、職場、生活等領域，重點介紹國外的新技術、新觀點、新風向。

編者按：ChatGPT 的爆發讓人們期待機器人技術迎來類似的拐點，但機器人行業的發展並非能依賴單一突破性時刻。機器人產業的成熟，需靠 AI 工具協同、硬件迭代、場景實操積累穩步推進，這場技術革命註定是循序漸進的長期探索。本文來自編譯，希望對您有所啓發。

不要指望靠一次奇蹟般的突破就能攻克機器人領域難題，行業進步離不開腳踏實地的長期深耕。圖片按順時針依次來源：AGILITY ROBOTICS; EVERYDAY ROBOTS; PHILLIP FARAONE/WARNER MUSIC GROUP/GETTY IMAGES; ZHANG HAOFU/XINHUA/GETTY IMAGES; KYODO NEWS/GETTY IMAGES

本文由兩位機器人領域資深專家執筆：喬納森・赫斯特是AGILITY機器人公司聯合創始人、機器人首席技術官，同時擔任俄勒岡州立大學機器人專業教授。漢斯・彼得・布隆德莫在 2016 至 2023 年間任職谷歌 X 實驗室副總裁，創立並主導日常機器人項目。

未來數十年，數十億台人工智能自主機器人將走進各行各業。它們在工廠作業、在倉庫處理繁雜工作、照料老人、深入危險災區開展救援、上門配送餐食包裹，最終還會走入千家萬戶協助日常家務。機器人外形各不相同，有的酷似人類，更多則形態迥異。可以確定的是，無論外觀如何，機器人都高度依託人工智能，才能在現實場景中創造實際價值。

2025 年，機器人企業融資總額創下 407 億美元的歷史新高，佔到全部風險投資的 9%。一個價值千億級的核心問題隨之而來：人工智能機器人要具備怎樣的條件，才能真正對經濟發展產生重大影響？如今不少機器人與人工智能企業放出豪言，宣稱人形機器人很快就能走進家庭，但理想與現實之間依舊存在巨大鴻溝。

機器人陪伴人類生活工作，長久以來只存在於科幻作品之中。儘管眾多研發人員努力將設想落地，但現實世界錯綜複雜，傳統程序代碼難以應對層出不窮的各類狀況。藉助人工智能技術，機器人不再依靠固定程序指令運行，而是通過自主學習適應真實環境。經過不斷訓練，機器人能夠感知、認知周遭事物，依託邏輯判斷完成各類實用、穩定且安全的作業任務。

過去十年，本文的兩位作者始終深耕人工智能與機器人前沿領域。一位任教高校並創辦機器人企業，另一位曾負責谷歌 X 實驗室前沿機器人項目。多年實地落地智能機器人的經歷，讓我們清晰認清人工智能在複雜機器人系統中的實用價值邊界，也分清哪些技術仍停留在科幻構想階段。我們認可人工智能會推動機器人產業迎來發展拐點，但產業騰飛依靠的是多款人工智能工具協同配套、精密統籌應用，而非類似 ChatGPT 那樣單一的技術突破。

人工智能發展前景充滿機遇，同時也伴隨諸多未知。以下五條客觀現實，將決定機器人領域人工智能的發展走向。

一、演示效果與實際應用差距顯著

多年來，網絡上隨處可見人形機器人的精彩演示視頻，它們靈活跳舞、穿越障礙賽道。業內有個共識：永遠不要輕信網上的機器人演示畫面。精心編排剪輯的表演機器人，和能在無固定規則的人類生活環境中穩定干活的實體機器人，性能差距懸殊。

近期備受關注的是 2026 年央視春晚中宇樹人形機器人的節目。表演場面十分震撼，但這類演出均經過全程周密編排設計。機器人的動作把控、同步配合都做到極致，可其智能與自主程度，僅等同於工廠造車的工業機器人，距離真正走入普通家庭還有很遠的距離。

精彩的表演也讓人產生疑惑：機器人既能空翻跳舞、施展武術動作，為何迟迟沒能大規模進駐工廠？也無法在家中幫忙洗碗收拾？答案很簡單：研發能在各類生活場景中通用作業的智能機器人，難度依舊極大。春晚這類亮眼技術展示，容易讓人誤以為技術已近成熟。但演示里的人工智能，僅用於基礎肢體平衡控制，遠遠達不到人類生活複雜環境下通用機器人的技術要求。

二、訓練數據仍是亟待攻克的難題

ChatGPT等大語言模型，最初依託海量互聯網文本數據完成訓練。2022 年末，ChatGPT 橫空出世，人工智能得以流暢運用文字與人交流，可探討各類話題。大模型具備優秀的泛化能力，如今還能接收文字、圖片、視頻等多類信息，並生成多元化輸出內容。這類訓練數據體量龐大，且全部由人類創作，是人工智能訓練的優質範本。

給人工智能賦予實體機器人軀體，使其在現實中與人互動協作，至今仍是一大未解難題。通用機器人人工智能模型，需要在無規則、動態變化的環境里運行，同時兼顧物理形態、空間結構、時間節奏等多重相互制約的限制條件。想要提升模型通用性，就要採集高維度場景數據，涵蓋畫面光影、機械活動幅度、動力強度、安全邊界等諸多要素，並且數據必須覆蓋現實里無窮多變的實際場景，保證樣本質量。

目前符合標準的優質數據儲備嚴重不足，行業只能通過遠程操控、影像分析、人體動作捕捉、虛擬仿真與實地自主探索等方式採集數據，工作量極爲龐大。舉例來説，谷歌日常機器人團隊 2022 年在仿真系統中運行 2.4 億次機器人模擬程序，只為訓練垃圾分類模型。每一項實用技能，都需要同等規模的數據支撐訓練，現階段機器人能力依舊達不到人類水準。

三、不存在統一的機器人通用人工智能模型

短期內，無法依靠單一人工智能模型，打造出可以全方位陪伴人類生活工作的通用機器人。

機器人形態五花八門，有輪式、足式結構，機械臂數量各不相同，還有飛行、水下作業、道路行駛等不同機型。現實世界場景紛繁複雜，機器人還要應對人類與各類生物帶來的變量。想要一套模型適配所有場景、保障機器人安全穩定運行，現階段根本無法實現。

我們認為，未來引領機器人技術突破的，將是智能體人工智能。這類高階統籌模型具備思考規劃、工具調用、覆盤學習的能力，能夠在少量人為干預下完成複雜任務。智能體主控模型會調動各類專用小模型，適配不同作業需求。往后多臺機器人也能依託自身搭載的智能模型互相配合協作。

各類人工智能工具不斷挖掘機器人的潛能，催生出全新技術方案與商業市場。不少模型逐步對外開放，部分還開源共享，如同互聯網普及帶來行業質變一樣，技術開放也會推動機器人快速發展。隨着技術門檻降低，機器人複雜作業能力將迎來普及化發展。

四、硬件技術依舊存在不小瓶頸

機器人結構精密繁雜，所有零部件都需要高度協同運轉。想要保障機器人實用可靠、運行安全，感知系統、中控程序、動力傳動部件都必須默契配合。

動力馬達與傳動齒輪這類驅動部件，就是典型的技術短板。現有量產工業機器人的驅動裝置，無法適配人居環境作業。這類機器人一旦不慎碰撞外物，衝擊力強、極易造成設備損壞。而人類肢體活動靈活柔韌，接觸外界物體時能順勢調整姿態，藉助觸碰反饋完成動作。

以插鑰匙開鎖為例，人類不會刻意精準對準鎖孔，而是憑藉觸感摸索位置、晃動鑰匙完成插入。機器人想要實現同等靈活度，必須配備力感應驅動部件，柔和適配外界環境。這類柔性驅動配件雖已問世，但還無法大規模應用於家用及日常場景機器人。

五、實用價值源於基礎日常作業

炫酷表演和具備實際收益的工作任務有着本質區別。這也契合莫拉維克悖論：人類覺得棘手的計算類工作，機器人輕松就能完成；孩童隨手做出的簡單肢體動作，對機器而言卻難度極高。

服務客户最能檢驗技術真實水平，用户只關注實際問題能否解決。落地商用的機器人方案，必須優於傳統作業模式，同時保證性能穩定、運行安全。AGILITY機器人將人形機器人投入商用后，最先遇到的就是安全難題。在人居空間移動、搬運物品的機器人，會帶來全新安全隱患。項目初期只能設置物理防護隔離，團隊耗時數年優化整機設計，依託人體識別、行為管控類人工智能技術，全力破解安全隱患。

谷歌日常機器人團隊 2019 年推出辦公服務機器人，可自主清理餐桌、分類垃圾。實地應用后才真切體會到，現實環境雜亂多變，對機器人運行挑戰極大。這些實操經驗，既優化了人工智能架構，也積累了真實場景數據，結合仿真數據一同迭代升級模型。

只有貼合客户實際需求打造產品、落地真實場景測試運行，才能穩步完善人工智能體系，循序漸進拓寬機器人應用範圍。不存在一蹴而就的技術飛躍，也沒有萬能算法，脱離大量實地實操經驗，單憑海量數據也無法研發出成熟通用機器人。

人工智能機器人穩步向前邁進

毋庸置疑，人工智能正藉助機器人走進現實生活，智能設備產業即將迎來爆發式發展。人工智能並非單一技術，而是龐大的技術體系，持續挖掘全新能力，深刻影響未來經濟格局。

行業不會出現一次性的顛覆性拐點，而是會依靠大大小小的技術革新逐步成長。智能機器人先在部分基礎工作中創造價值，再不斷拓展應用領域，撬動多個千億級產業，切實提升大眾生活品質。

譯者：Teresa