具身智能迈入‘GPT-2时代’，数据瓶颈成关键挑战

具身智能（Physical AI）正成为人工智能领域最炙手可热的赛道之一。大量初创公司正在将大型语言模型背后的技术范式迁移至机器人领域，并吸引了数十亿美元的风险投资。然而，尽管硬件能力持续提升，当前机器人在实际场景中仍难以完成真正创造价值的任务，暴露出其“大脑”能力的明显短板。

这一挑战在近期市场波动中尤为明显。中国领先的机器人制造商宇树科技（Unitree）在登陆科创板后一度估值高达660亿美元，但随后股价暴跌近半。分析指出，问题核心在于其机器人虽具备出色的运动能力，却缺乏理解环境、规划任务和执行复杂操作的智能水平。

在上周举行的Actuate开发者大会上，这种矛盾情绪尤为突出。该会议由物理AI数据可视化平台Foxglove主办，自2023年创办以来规模已扩大三倍，今年吸引1500名开发者参与。会上，多家基础设施公司如Avala直接打出“解决机器人数据危机”的标语，凸显行业共识：高质量训练数据极度稀缺。

目前，端到端学习在特定任务上尚未实现稳定可靠的商业化表现，而通用机器人更是遥不可及。开发者正尝试复刻前沿AI实验室的成功路径——构建更多样化的数据集、探索新型训练机制，并设计更有效的强化学习场景。Antioch创始人Harry Mellsop将当前阶段比作“GPT-2时代”，即ChatGPT爆发前夜，认为唯有通过更大规模的数据与算力投入才能突破瓶颈。

值得注意的是，自动驾驶领域正成为具身智能的重要技术策源地。由于车辆可通过人类驾驶行为持续收集真实世界数据，且核心任务（避障）相对明确，自动驾驶公司在感知、仿真和ML运维方面积累了深厚基础。Foxglove便由前Cruise（通用汽车旗下自动驾驶公司）工程师创立，其工具链如今广泛服务于机器人模型开发者。

如今，这些车企正将技术优势延伸至人形机器人。特斯拉已推出Optimus项目，而专注自动驾驶的Wayve和出行平台Uber也相继设立人形机器人实验室。Wayve CEO Alex Kendall表示：“操作型机器人就像五年前的自动驾驶。数据基础设施、仿真系统和ML运维可以复用，但需要针对新任务进行专门的后训练。”

随着仿真技术对高保真物理建模的需求上升，支持光线追踪的GPU也成为关键算力资源。行业普遍认为，只有当机器人能在虚拟环境中高效学习并可靠迁移到现实世界时，真正的商业落地才可能实现。在此之前，具身智能仍将处于“GPT-2式”的蓄力阶段。