灵初智能杨耀东：具身智能模型面临数据瓶颈，ChatGPT时刻尚有一段距离

具身智能模型面临数据瓶颈，ChatGPT时刻尚有一段距离

　　7月8日至7月10日，沙特阿拉伯利雅得的国际科技展会LEAP首次在香港举办LEAP East。

　　展会期间，优必选海外业务负责人秦晓军与北京大学人工智能研究院助理教授、灵初智能首席科学家杨耀东在“中东通·高层会客厅”论坛上就具身智能的“ChatGPT时刻”何时到来等话题展开讨论。

　　杨耀东表示，2025年春晚之后，机器人领域就变得非常热闹，机器人能唱歌、跳舞、打太极拳，但各界目前都在关注人形机器人能否真正胜任工业实操工作。说白了，大家都非常期待具身智能的“ChatGPT时刻”，但很遗憾，目前还有一段距离。

　　杨耀东称，现在具身智能用的模型大多是7B、14B（Billion，十亿）参数规模，属于小参数模型，所以整个具身智能的模型能力还有待提升。当然，模型规模之所以难以提升，和必要元素的缺失有关。比如，缺场景数据，难以形成数据飞轮效应。

　　秦晓军介绍，去年优必选全尺寸人形机器人销售了1079台，这个数据在全尺寸人形机器人赛道里算是比较多的。但客观地说，这些机器人分布在数十个客户手里，其中大部分客户都是在做早期POC（概念验证），并没有单一客户真正规模化部署几百台的情况。这也是行业现状，因为客户也要投入很多时间针对自身场景做训练。

　　秦晓军进一步表示，现在机器人的通用化时代还没有到来，针对每一个场景都要收集足够多的数据，才有可能形成数据飞轮效应，提升任务成功率。目前在很多工厂场景里，机器人的成功率还没达到客户预期，再加上很多工厂对生产节拍有要求，挑战就更大了。所以优必选计划从2026年下半年开始，针对几个普适性比较高的场景做预训练模型，以减少后续场景训练的数据量，因为普适性强的场景能加快规模化落地的速度，如果每个场景都从零开始训练，难度就太大了。

通用场景适配的核心挑战

　　那么，机器人要做到通用场景适配，核心的挑战在哪里？对此，杨耀东认为，通用化目前看起来还没有明确的可行路径，因为大语言模型的语料可以从互联网上获取，但具身智能模型所需要的数据是无法通过这种方式获取的，它的落地难度比自动驾驶还要高。

　　杨耀东同时表示，具身智能机器人目前还没有成熟的L2级规模化应用形态，数据生产过程本身就是重投入的制造业环节。

　　在杨耀东看来，如何让具身智能模型真正实现泛化、完成各类通用任务，最大的瓶颈还在于数据。根据学界的共识性观点，大概需要1亿小时的人类操作数据，才能支撑具身智能模型实现能力跃迁。单从手部操作来看，国内每小时人类操作数据的采集成本大概是300元，如果在美国采集这类数据，成本还要高得多。所以从全球范围来看，要训练出可用的具身智能模型，数据瓶颈是非常突出的问题。