具身智能的”ChatGPT时刻”何时到来？——虎嗅网深度观察精华简报
核心观点
-
定义偏差：“ChatGPT时刻”本质是能力涌现、成本骤降、病毒式传播三条曲线的共振产物。具身智能因物理交互属性，发展难度远超大语言模型，直接套用C端爆发叙事属于根本性误判。
-
发展现状：
- 能力曲线：固定场景成功率已达97%-99%，但跨场景泛化能力断崖式下跌（如RoboCasa成功率53.9%）
- 成本曲线：合成数据降低训练成本，但真机验证仍占成本大头（如DROID项目需18台机器人+50人团队跨洲采集）
- 扩散曲线：2024年出货量增300%，但生产级场景不足20%，标准化任务包尚未形成
-
演进路径：
- 技术压缩：4年走完语言模型5年发展路径（2022 RT-1→2026路线融合）
- 三条曲线异步发展：能力卡跨场景、成本卡真机闭环、扩散卡客户复制
- 最终形态将是分层渗透（开发者→客户→公众），非单点爆发
关键数据
- 能力断层：Being-H0.5在LIBERO达98.9%，换至RoboCasa骤降至53.9%
- 动作重组测试：三大模型”B→C”任务成功率仅0%-15%（原序列57%-52.5%）
- 工业验证：优必选VLA工业上下料成功率75%，含13%-15%不安全操作
- 成本对比：合成数据效率提升2.2倍，但纯合成数据成功率仅32.5%
产业启示
- 投资逻辑：需区分”慢力量”（技术/成本/扩散）与”快力量”（资本/情绪/人才），前者决定真实进度
- 验证体系：中国已出台YD/T 6770—2026标准，覆盖仿真与真机全链条指标
- 长期判断：自动驾驶方法论+大模型技术积淀+成熟本体产能构成飞轮，但物理世界刚性成本不可逾越
风险提示
- 短期：跨场景泛化能力可能持续低于预期
- 中期：千亿融资与研发转化速度存在剪刀差
- 长期：需观察核心技术突破与行业标准落地节奏
（注：本文数据均引自原文标注的公开研究及企业披露，具体来源参见原文参考文献）