2026 世界机器人大会上，行业大佬们围绕人形机器人 "ChatGPT 时刻 " 给出了从 2 年到 10 年不等的预测，而这一时刻何时到来，关键卡点究竟在数据还是模型，正成为业界争论的焦点。

一、行业热议："ChatGPT 时刻 " 究竟指什么

定义共识：业内普遍将 "ChatGPT 时刻 " 定义为人形机器人实现 " 智能涌现 " 的临界点，即机器人具备强大的泛化能力，能在陌生环境中自主完成各类任务。

量化标准：宇树科技王兴兴提出明确指标——在 80% 的陌生场景中，通过语音或文字指令，机器人能顺利完成约 80% 的任务，便是产业爆发的临界点。

当前阶段：银河通用王鹤认为，当前具身智能基础模型水平大约相当于数字世界大模型 GPT-2 阶段，距离真正的 "ChatGPT 时刻 " 还需约两年。

二、数据瓶颈：从 10 万小时到 1000 万小时的跨越

现状差距：过去几年行业积累的真实物理交互数据仅约 10 万小时量级，而综合语言模型训练数据相比，差距巨大。

目标规划：大晓机器人王晓刚提出，通过 " 环境式数采 " 方式（利用第一视角眼镜、穿戴式设备等记录人类真实行为），目标 2027 年达到 1000 万小时量级数据，再向亿小时进发。

瓶颈本质：京东曹鹏指出，当前高质量具身数据仅停留在数十万小时级别，支撑通用具身模型成熟需超千万小时，真实场景数据获取难、成本高、多样性不足，且存在数据孤岛问题。

三、争议焦点：数据是否为最大瓶颈

数据派观点：王晓刚认为数据量级是核心驱动力，技术路径确定性伴随数据规模指数级跨越，" 只有找到低成本海量数据获取方式，才能迎来行业关键节点 "。

模型派观点：王兴兴则指出，目前最大瓶颈是 AI 模型输入输出与真实机器人的对齐问题——机器人每次输入输出都存在偏差与损耗，导致泛化能力和成功率不足，而这是未来几年内必定能解决的问题。

补充视角：北京人形机器人创新中心熊友军认为，"ChatGPT 时刻 " 并非 " 一刀切 "，而是与技术成熟度、商业价值和社会需求深度耦合的渐进过程，当前在结构化环境中机器人已借助大模型实现落地。

本文由 AI 生成