突破百億元產值后，“具身智能的ChatGPT時刻”何時到來？銀河通用等頭部玩家激辯共識與焦慮

每經記者：李宇彤 每經編輯：余婷婷

具身智能產業正站在爆發式發展的關鍵窗口期。

3月27日，在“2026中關村論壇年會”的“AI開源前沿論壇”上，一場主題為“百億具身智能對話”的圓桌論壇成為全場焦點。

“去年是具身智能關鍵的一年，行業產值突破百億元，也涌現出一批估值超百億元的公司。”圓桌開場，銀河通用創始人王鶴作為主持人，一句話點出了這場“百億對話”的底色。現場，王鶴與智平方聯合創始人張鵬、千尋智能聯合創始人高陽、原力靈機創始人唐文斌、星動紀元聯合創始人席悅同臺對話，這五位國內具身智能賽道的頭部企業創始人圍繞產業發展現狀、技術核心瓶頸、場景落地路徑與行業標準共建四大核心議題，展開了一場深度探討。

圖片來源：每經記者 李宇彤 攝

《每日經濟新聞》記者現場了解到，在這場圓桌對話中已經達成產業共識：2025年是行業筑牢基礎、從實驗室走向真實場景的蓄勢之年，2026年則有望成為具身智能從技術積累邁向規模化落地的躍遷之年。

另一方面，隨著機器人逐步走進真實商業場景，行業標準體系的缺失，已成為制約產業發展的核心痛點。

2026年年末到2027年年中有望迎來“具身智能GPT3.0時刻” 數據仍是最大考題

對于過去一年的行業發展，“打基礎”成為五位嘉賓不約而同提到的核心關鍵詞。

張鵬率先給出判斷：“2025年對于整個行業來說，我覺得最重要的一點，是把場景驗證真正落到實處，能夠開始從實驗室走到真實的場景里面。”在他看來，具身智能行業已完成核心場景的初步驗證，后續則需要在具體場景中不斷地優化模型。

與此同時，唐文斌也有著冷靜的觀察，他表示行業技術水平仍處于初級階段。但他同樣認可過去一年全行業在數據、訓練、模型底座上的積累，并表示技術迭代的增長斜率極為可觀。

自從具身智能駛上發展快車道，將其與已先行一步的大語言模型迭代路徑相類比的聲音便不絕于耳，“具身智能的ChatGPT時刻”何時到來，始終是行業熱議的話題。在本場對話中，千尋智能聯合創始人高陽給出了判斷，“2025年，我們處在GPT2.0的時代”。

在他看來，具身智能的發展遵循著與大語言模型相似的迭代路徑，2025年行業正處于GPT2.0向GPT3.0跨越的關鍵前夕。這一年，行業核心解決了數據層面的基礎設施問題，完成了規模化擴張的前置準備，整體已是蓄勢待發。當前具身智能模型已具備基礎泛化能力，但仍存在較高出錯率，與GPT2.0的階段特征高度契合。同時，數據與模型的規模化擴張已出現初步可行性，2026年行業核心將聚焦大模型與大數據的規模化訓練，完善系統層面的scaling（規模化擴容）能力。高陽判斷，2026年末到2027年年中，行業有望迎來具身智能的GPT3.0時刻。

在復盤行業進展的同時，嘉賓們也直面當前產業面臨的核心技術瓶頸，數據成為聚焦的核心痛點。

“當前行業最大難點仍在數據端。”席悅以落地視角直言，真實場景的數據采集難度大、成本高、效率低，傳統人工采集優化的模式已無法適配行業發展需求。為此，星動紀元正構建從數據采集到模型迭代的閉環數據飛輪，并探索人類與真機搭配的多模態數據采集模式，破解數據適配難題。

唐文斌則補充指出，數據是核心瓶頸之一，但并非全部。當前雖有遙操數據、仿真數據、真實場景回流數據等多種來源，但問題在于模型對訓練分布外的未知場景泛化能力弱。他進一步指出，數據采集與模型落地形成了“雞和蛋”的悖論——機器人不成熟就無法批量部署，而沒有批量部署就無法獲得真實場景的持續回流數據。“我們必須找到一種方法，讓機器人能夠批量、持續地被真實場景使用，在這個過程中完成數據回流。”唐文斌稱。

張鵬也給出了自己對解決數據問題的思考。他認為，具身智能的數據問題，雖然可以通過開源數據、互聯網各類視頻數據作為模型預訓練的基礎素材，但最具不可替代價值的，是工業、公共服務等一線真實場景回流的數據，這是行業最核心的資產。對此他建議，要搭建高效數據飛輪推動場景數據持續回流，在保障數據安全的前提下與客戶共享數據，同時通過合成生成、數據增強、仿真技術放大數據價值，參考自動駕駛行業經驗降低數據成本。

模型能力尚處早期，結構化場景是規模化落地必由之路

筑基之后，對于2026年企業的目標落地方向，嘉賓們達成共識：現階段人形機器人的落地，必須從結構化、半結構化場景切入。

張鵬表示，智平方2026年將主要布局工業場景與公共服務場景。在他看來，這類半結構化場景與當前的模型能力、產業鏈供應鏈能力相匹配，是能夠實現規模化交付與布局的。高陽同樣將公司2026年的核心發力點放在了工業場景與基礎服務場景，“當前模型能力仍處于早期階段，我們還是要從相對簡單的場景入手”。

2025年底，千尋智能“小墨”機器人在寧德時代中州基地電池產線落地，負責EOL（生產線終端測試）與DCR（直流內阻測試）工序的高壓測試插頭插接。同期，“墨子”（Moz）機器人入駐京東零售場景，提供商品講解、操作演示及咖啡制作等服務，完成零售場景落地驗證。

圖片來源：千尋智能公眾號

這一落地路線也和銀河通用有相似之處。2025年6月，寧德時代領投銀河通用11億元融資，隨后其Galbot機器人開始在寧德時代電池工廠實現全自主常態化作業，適配復雜工業工況。零售端，“銀河太空艙”無人零售方案已落地全國超百家門店。

本次圓桌對話中，王鶴也透露了“銀河太空艙”的最新落地成果。據其介紹，太空艙零售場景目前已落地全國數十個城市、上百家門店，累計回流了8萬小時的真實場景作業數據，為模型迭代提供了支撐。

唐文斌也在分享時表示，當前模型驅動的機器人難以做到100%成功率，因此場景選擇必須滿足具備錯誤容忍度、節拍可彈性、具備泛化性、支持長時間作業這四大條件，唯有如此才能形成清晰ROI（投資回報率）與商業閉環。他指出，場景規模化的核心在于兩點，一是客戶業務流程可閉環，二是投入產出可算清；基于此，物流場景成為優先方向，可通過容錯兜底機制保障落地。

他同時也肯定了銀河通用“銀河太空艙”的落地場景，認為兼具實用與體驗的場景同樣具備價值。機器人雖執行效率尚未完全成熟，卻能在提供基礎服務的同時傳遞情緒價值，成為技術走向成熟的重要驗證載體。

席悅分享的三大場景選擇邏輯，同樣錨定了物流與工業賽道：優先選擇技術模塊高度標準化、可規模化復制的場景；優先選擇有明確量化指標的場景；優先選擇人類經過短期培訓即可上崗的崗位。

評測基準、硬件接口、安全底線：標準缺位成具身智能落地痛點

隨著人形機器人逐步走進工廠、物流園區、零售終端等真實商業場景，行業缺乏統一標準體系的痛點日益凸顯。圓桌對話的最后，王鶴將問題拋向了行業的標準。

張鵬將這一標準的建立拆分為三個方面：一是數據標準與數據格式規范，這是行業數據流通與協同的基礎；二是機器人智能等級與能力評測體系，為行業技術迭代提供統一的衡量標尺；三是配套的法律法規與合規準則，明確機器人的行為邊界與事故責任界定。在他看來，這三大標準是行業規模化發展的核心基礎。

唐文斌重點強調了評測基準的核心價值，他直言：“我覺得對內對外（標準）都非常重要。對內，如果在模型訓練時都不知道怎么去評價模型，我們怎么去衡量自己的進步？”

站在產業鏈發展的角度，高陽補充了硬件與接口標準化的重要性。他預測，未來人形機器人將走向類似筆記本電腦、汽車的復雜整機形態。這就需具備零部件、遙操接口、通訊協議的標準化，才能實現產業鏈的精細化分工，大幅降低行業研發與適配成本。

席悅則從底線思維出發，強調安全標準是當前行業最迫切、最核心的底線需求。“它（具身智能）的標準是一個行為標準，怎么去約束、制定這個標準是非常值得推敲的。”他表示，安全標準的制定，既要避免過度嚴苛的規則約束行業創新，也要牢牢守住安全底線；既要建立全行業通用的共性安全標準，也要針對不同應用場景建立細分的行業安全規范。