物理 AI 仍处「GPT-2 时代」，通用人形机器人商业化前路漫漫

在近日举办的 Actuate 大会上，物理 AI 领域的开发者们勾勒出一幅既令人振奋又充满挑战的行业图景——这一轮把大模型能力迁移到机器人身上的热潮，普遍被认为仍处于「GPT-2 时代」，距离真正的 ChatGPT 式突破还有数年。资本市场曾给出极高预期：中国机器人企业 Unitree 在登陆中国版纳斯达克后估值一度高达 660 亿美元，但近期股价已较 IPO 时跌去近半，分析人士认为，机器人的物理能力虽在提升，却仍缺乏真正创造价值的工作能力。

行业热度与数据瓶颈并存

Foxglove 主办的 Actuate 大会自 2023 年首届以来规模已扩大三倍，今年吸引约 1500 名参会者。然而会场基础设施厂商 Avala 展位上的标语「解决机器人数据危机」，恰好点出制约整个行业的核心瓶颈——高质量训练数据的匮乏。开发者们尝试构建「什么任务都能做」的通用机器人，但距离落地依然遥远；用端到端学习做特定任务，也尚未产出具备稳定商业表现的成品。Antioch 创始人 Harry Mellsop 直接把当前阶段类比为「GPT-2 时代」，认为需要更多数据与算力才能跨过门槛，尤其是为光线追踪仿真优化的 GPU。

自动驾驶成为最前沿

在所有物理 AI 应用中，自动驾驶仍走在最前面：一方面，人类驾驶车辆本身就是大规模数据源；另一方面，自动驾驶的核心任务是「避免接触」，而非操作物理环境。许多机器人建模工具本身就源自自动驾驶公司，Foxglove 创始团队便来自通用旗下 Cruise。Wayve CEO Alex Kendall 在采访中表示：「应该先从车辆起步，操作类机器人相当于五年前的自动驾驶。数据基础设施、仿真、MLOps 等层面会高度共享，但针对不同形态的具身仍需做差异化微调。」Kendall 还指出，目前还不宜押注单一硬件平台，因为传感器等组件迭代很快，真正的通用模型应保持硬件无关。

通用 vs 专用：两条路线之争

围绕业务方向，行业形成鲜明分歧。Genesis AI CEO Théolique Gervet 直言：「客户不在乎成功率只有 80% 的通用机器人。」他认为现在押注通用人形机器人的玩家很难提供真实价值。与之相对，专注于具体场景的公司已开始部署：

• Gritt 主攻太阳能电站
• Agility 将机器人落地到工业场景
• Bedrock 让挖掘机实现自主作业

Gervet 补充了一个两难：「如果你基于 GPT-2 去做一个狭窄的垂直应用，未来会被基于 GPT-4 做同样事情的对手碾压。」Bedrock CTO Kevin Peterson 则表示，公司从挖掘起步是为了理解「野外操作」的挑战，但接下来会构建跨多类工程机械的智能层。

基础设施与「ChatGPT 时刻」何时到来

面对视觉与激光雷达数据的高密度挑战，Foxglove 在大会上发布了基于英伟达 Cosmos 开源权重世界模型的新产品，允许工程师通过自然语言查询搜索数据，从而加速评估、调试与仿真迭代。

至于物理 AI 的「ChatGPT 时刻」何时到来——Altman 最近表示只是几年之遥——Kendall 认为关键不在投资人而在消费者。他给出的标志性场景是：让售价 1000 美元以下的硬件实现「脱眼自动驾驶」。而 Wayve 自身正在向车企授权模型，力图把这一数十亿美元的商机变成现实。