转自：中国经营网

中经记者 曲忠芳 北京报道

8 月 19 日至 23 日，2026 世界机器人大会（WRC）在北京举行。大会期间，" 具身智能的 ChatGPT 时刻什么时候出现？" 这一问题成为行业界及外界持续讨论的热门问题。对此，大晓机器人董事长、商汤科技联合创始⼈、执⾏董事王晓刚在接受《中国经营报》及其他媒体记者采访时回应指出，所谓 "ChatGPT 时刻 "，就是具身智能真正出现 " 智能涌现 "，具备更好的泛化能力。" 我觉得有两个前提：一个是数据，一个是模型。"

大晓机器人创立于 2025 年，主要布局具身世界模型、基础模型及机器人应用，在本届 WRC 期间，大晓机器人集中展示了其开悟世界模型 3.1、以人为中心的环境式数据采集方案 2.0，以及面向即时零售、酒店服务和开放场景的 " 晓满 "" 晓新 "" 晓途 " 三类行业解决方案。

要过数据和模型两道关

在采访中，王晓刚从数据和模型两个维度解析了具身智能出现类似 ChatGPT" 智能涌现 " 所具备的前提。一方面，需要足够规模和质量的数据。按照大晓机器人的目标规划，到 2027 年年底，数据量将达到千万小时的量级。"2025 年整个行业积累的数据约为 10 万小时量级，因此还有非常大的增长空间。" 王晓刚说，另一个前提是模型，要通过世界模型从海量数据里真正学到物理规律、因果逻辑。

王晓刚强调：" 即便到了 ChatGPT 时刻，它也只是一个新的起点。" 他以大语言模型为例，ChatGPT 于 2022 年 11 月底面世，经历了三、四年的持续演进后，才逐渐产生了现在比较高的生产力价值。具身智能也是一样，即使观察到智能涌现，从这一时间点开始到机器人真正进入各种场景、形成明显的生产力变化，还需要一定的时间。

关于数据，大晓机器人自 2025 年开始采用的是以人为中心的 " 环境式数据采集技术 "。王晓刚指出，数据质量从 L1 到 L5 可分成不同阶段，比如比较简单的 L1，可能只有单目或双目摄像头采集的视频，缺少更丰富的标注，场景也相对单一。这样的数据即使规模增加，能够支撑的智能上限也比较有限。到了 L5，从头部、胸口到手腕会有不同类型的传感器，包括力触觉传感器；采集完成以后，还需要对手部、身体各个关节以及接触的物理对象做准确定位和追踪，并对力触觉信息进行建模。这样的数据包含的信息密度更高，价值也更高。

" 关键并不是只把采集设备做出来，而是让数采方案、后端系统、模型和真实场景形成紧密联动，我们才能判断什么样的数据真正能够促进模型迭代。" 王晓刚说道。

王晓刚进一步表示，非常期待未来几个月看到世界模型的规模法则（Scaling Law）。随着真人环境式数据不断增加，世界模型能力越来越强，对真机数据的依赖应该会越来越小。" 以前教机器人完成一个特定动作，可能需要上百小时真机数据；当基础模型足够强以后，可能只需要几个小时，甚至更少的真机数据完成对齐，同时还能观察到新的智能涌现。"

产业化路径 " 先 to B，再 to C"

记者在 WRC 现场观察到，大晓机器人重点展示了其 " 晓满 "" 晓新 "" 晓途 " 三类解决方案，对应的场景分别是即时零售、酒店服务和开放场景自主作业。其中，" 晓满 " 打通机械控制、世界模型、订单仓储全链路，覆盖闪购仓、前置仓、仓店一体与无人便利店等多元业态。目前已在烧卖购、快客达、中石油便利店等真实场景中运行。" 晓新 " 面向酒店服务场景，围绕非标洗衣房等环节，尝试串联衣物收取、放置、清洗和叠放等流程；" 晓途 " 面向开放环境下的自主作业，强调机器人在室内外衔接、复杂道路通行和动态避障等场景中的适应能力。

王晓刚在采访中给出判断：" 机器人未来要进入家庭，要经历一个先 to B，再 to C 的顺序。即先在相对可控的生产和服务场景里持续验证，等软硬件成熟度更高、安全性和可靠性都建立起足够信心以后，再逐步进入家庭。"

基于此，大晓机器人选择并展示三类行业解决方案：一是场景落地的可复制性。当前机器人落地面临的一个重要问题是硬件成本较高，如果场景无法规模化复制，运营方很难在较短时间内收回投入。只有场景能够持续铺开，产业链规模才能扩大，传感器、关节和芯片等零部件成本才有进一步下降的空间。二是这些场景拥有较大的任务上限。即时零售并不只是简单地抓取和搬运，还包括分拣、补货、装箱等多项任务；酒店服务也包含收取、清洗、叠放、熨烫等多个环节。随着机器人能够完成的任务越来越多，应用范围也会逐步扩大。

三是这些场景的信息密度。王晓刚认为，如果机器人长期只重复单一动作，模型很难形成通用能力。即时零售和酒店服务包含多种物品、流程和突发情况，能够产生更丰富的真实交互数据，也与未来家庭场景中的物品整理、分拣等任务存在一定关联。

在模型和数据之外，开源也是大晓机器人布局的重要策略。王晓刚表示，大语言模型主要面向 to C，即使模型不开源，也可以通过大量用户使用获得反馈。但世界模型需要部署到机器人端侧，并适配不同本体和不同场景。如果完全闭源，能够实际接触和使用模型的人会比较少，企业也难以从社区获得足够反馈。因此，大晓机器人的开源不只是开放模型参数，还包括将模型部署到端侧 GPU、接入运动控制系统的相关能力。王晓刚希望，在基础模型、环境式数据和端侧部署能力逐步完善后，面对新的硬件型号和新的任务，开发者只需要采集少量真机数据，就能完成模型对齐，降低机器人应用门槛。

王晓刚判断，未来半年左右，具身世界模型可能出现较明显的技术突破。随着模型能力增强，机器人可能完成一些过去没有被专门训练过的任务，并在真实工作中表现出更多泛化能力。到 2027 年，他希望看到更多机器人在即时零售、酒店服务等场景实现常态化运营。在这一过程中，真实场景不仅是机器人应用的终点，也是模型进化的数据来源。

" 数据规模化必然会伴随场景规模化。" 王晓刚指出，场景铺得越多，越能产生真实数据；模型能力越强，又越能支撑更多场景落地。大晓机器人希望通过模型、数据和应用场景之间的循环，先在 to B 市场建立技术和商业闭环，再为机器人进入家庭打下基础。

（编辑：张靖超 审核：李正豪 校对：陈丽）