陈建宇：我再补充几点。目前行业内大家高度关注的一个问题是，机器人何时能从舞台表演、技术炫技走向真正的规模化实际应用。我们看到，从去年春晚到今年春晚，各类机器人都带来了十分炫酷的展示，今天受限于场地条件，否则也能呈现更多丰富的表演。这背后也对应着不少商业应用场景，包括各类商业展示，比如宇树机器人去年的出货量也达到了较高水平。而机器人究竟何时才能实现更高的价值交付，真正落地规模化应用，突破万台乃至十万台的量产应用规模，其实仍面临诸多挑战。这些挑战主要可以分为几类。

其一是对机器人的能力要求极高。在工业场景中机器人需要达到非常高的节拍效率，非常高的成功率，甚至99%以上，包括很高的可靠性，这是实打实要用的，真正要把它做成一个工业级稳定的产品，不只是单次能完成某项任务，而且要能够可靠、持续地完成，且实现低成本落地，每一项都很困难，这也要求我们的能力是全栈的。

这就要求机器人能力实现体系化升级，从大脑能力能实时进行感知反馈和快速决策，到小脑控制，再到底层硬件本体，本体包括本体零部件、关节体系化供应，所以我们必须把机器人从单机能力上升成系统化能力。这里也包括刚才晓刚总提到数据的平台。

第二个制约规模化应用的因素，是泛化能力。目前我们距离机器人的 “ChatGPT 时刻” 还有一段距离。我之所以认为现在还没到大规模进入家庭的阶段，最大的卡点就在于模型的泛化性。每个家庭的环境、布局都千差万别，我们没有足够的资源、时间，也没有客户的耐心，去在每个家庭单独采集数据、单独训练模型。这就要求我们的模型具备像 ChatGPT一样的泛化能力，能够适配全新环境，接收到任意指令即可实现零样本泛化，无需任何新的采集数据，零训练就可以去部署，这就是我们家庭应用的终极目标。

虽然目前还有一定差距，但是我想告诉大家这个时间不会太长，我认为五到十年内，至少能够看到非常好的效果。当然在机器人版的ChatGPT出现之前，也不妨碍我们能在工业等场景去应用，因为工业场景是完全垂直标准化的，我们可以投入一定的力量在当前模型的基础之上，投入一定的数据和算力，把一些关键环节给打通，而一个环节就可以标准化复制到上万或者是数十万个场景。

薛澜：建宇刚才给了一个估计。我想顺便问一下其他几位产业界的老总，你们觉得人形机器人的ChatGPT时刻还有几年？

王晓刚：我们刚才聊到了数据量的问题，目前行业内的数据大概在10万小时这个量级。去年我们提出了环境式速采的方案，目标是在未来两年，也就是到2027年，将数据量提升到1000万小时的量级。在此基础上，再通过一些技术加持，数据量有望达到上亿小时的级别，到那个时候，才能真正迎来人形机器人的ChatGPT时刻，所以我们判断大概需要两年时间。

邵浩：我们在工业界做手机很多年，结合过往经验来看，我们觉得人形机器人的ChatGPT时刻会更久一些。大家可以想一下，AI领域的ChatGPT时刻是怎么来的？从2012年深度学习开始兴起，直到2019年ChatGPT时刻才真正出现，这中间最关键的变化就是数据层面的突破。

邵浩(vivo机器人Lab首席科学家) 博鳌亚洲论坛

我很早就投身于AI训练与推理的工程化落地，以前的核心问题在于：所有数据都需要人类手动标注，成本高、效率低。而ChatGPT时刻的到来，核心原因是我们找到了一条能获取低成本、海量且免费数据的路径。

人形机器人的ChatGPT时刻，什么时候才能实现呢？我认为，只有当我们彻底摒弃所有依赖人工数据采集的方案时，这一时刻才会到来。因为这里有个关键问题：机器人所需的数据维度极高，文本数据只是一维的，而机器人的数据维度能达到60多维。我们现在面临的核心难题，就是如何找到低成本的海量数据，人类的视频数据或许可以作为一种可行的数据源，这也是目前最前沿的研究方向，说到底，还是数据的问题。

薛澜：大概要几年？

邵浩：十年吧。

沈抖：我认为，目前数据的基础条件已经具备了，现在缺少的只是方法论上的突破。但具身智能不一样，就像我们刚才聊的，它需要不断与自然世界交互，逐步完善整个行为过程，这是一个渐变的过程。所以在具身智能的发展中，可能并不存在一个明确的“ChatGPT时刻”，它的进步是渐进式的、逐步发生的。

陈建宇：这确实是一个完全渐进的时刻，我们公众看到ChatGPT是突然出来，实际上技术的发展和研究是持续很多年的，行内人看完全是一个渐进的改变，从应用的角度也是一样，我们可以这么去理解，ChatGPT代表着我们做一个新的应用，付出的边际成本几乎为零，就是不需要投入新的数据和新的训练成本就能够直接去泛化用，现在可能没到这个时刻，你要把这个机器人用到一个新的场景，它是有一定成本的，但这个成本在显著降低。

以前我们任何一个新的场景都要单独造一个机器人，单独设计一个模型，现在我们已经有了一些比较不错的模型。这几组模型越来越强，我们发现在部署新的应用场景的时候，训练的时间及需要收集的数据是越来越少的，这会决定你到底什么时候该选择怎么样的场景应用。

熊友军：我补充一下，我觉得人形机器人的iPhone时刻或者是具身机器人的ChatGPT时刻，并非一蹴而就，一下子就实现的，而可能是跟技术的成熟度，跟商业的价值和跟社会的需求是耦合的。从当前技术发展的趋势来看，不仅仅是数据的问题，我觉得也存在一些结构化的环境，一些相对简单重复的应用场景，应用现在的世界语言行为大模型已经开始落地了。大家能够看到的，去年整个中国人形机器人发货量近2万台，大家预计今年可能是一个非常大的增长速度，明年增长的幅度可能更大，我觉得人形机器人在应用场景落地的速度比大家预想的可能要快。

熊友军(北京人形机器人创新中心首席执行官) 博鳌亚洲论坛

王晓刚：我补充一下，我觉得ChatGPT时刻主要是给了我们一个确定性，当ChatGPT出来的时候就知道背后是Scaling Law推动，沿着这条技术路线扩大数据规模会增加模型的规模，你一定能够得到收益。还有一个例子是自动驾驶里面的端到端，2023年特斯拉说我的端到端自动驾驶量产方案从规则切到端到端以后，大家知道沿着这条线下去只要增加数据量，去年就实现了跨越北美的零接管。到了这个时间点，我们就找到了一个技术的确定性。

陈建宇：如果非要给一个时间的话，我会认为，大概再需要五年，我们就可以见到对标ChatGPT的时刻，这也是我跟包括美国一些最顶级的做具身智能的学者讨论的结果。

薛澜：当机器人进入家庭、职场和公共空间，怎么能够去应对可能引发的物理安全、数据安全、伦理争议和责任认定的问题，请邵首席来回答一下。

邵浩：其实我们考虑了很多问题，我们的目标就是做家庭机器人，它进入家庭以后一定会产生物理安全、数据隐私安全，包括系统一旦失效所带来的风险。举个例子，现在的机器人安全边界做得还是比较好的，我不可能命令一个机器人拿起刀去伤人，但是我可以用一种间接的方式，比如要求这个机器人握住刀柄，以一个非常快的速度移动到一个位置，这就可能会产生间接伤害的问题。

所以我们要从几个方面去解决这些问题，首先是从物理安全的角度，我们要在整个机器人硬件设计的时候就把这些物理安全考虑进去，包括物理围栏、即停机制、与人的安全距离等等，这样就能保证机器人一旦出现问题的时候，我们可以在物理上保证它的安全性。

第二是数据隐私与应用保护。机器人不仅有摄像头，还有麦克风，会产生各类应用数据，所以我们必须明确数据采集的边界，通过软件系统确保数据不被泄露；另外，要把所有数据放在端侧处理，杜绝数据流失。从政策层面来说，每个企业也都会严格遵循用户隐私数据保护的相关规则。

第三是责任认定。一旦发生人形机器人伤人事件，我们要明确责任在制造商、运营方、系统提供者还是用户。其实我们可以参考自动驾驶领域相对成熟的条例，比如欧盟的人工智能法案，其中规定L2及以下自动驾驶的责任全部由用户承担，而L3及以上的责任则由车企和系统提供者承担，这一点非常值得人形机器人落地家庭时借鉴。

王晓刚：刚才提到了自动驾驶，其实机器人一旦进入家庭，就不可能是L2级别，因为L2属于人操控机器的自动驾驶模式，而进入家庭的机器人，必然要达到L4级别，所以安全伦理、法律法规就是一个很大的问题。当然，这也是一个相辅相成的过程：在自动驾驶领域，人们先通过L2级别的长期使用，充分验证了技术安全性，等到进入L4级别时，保险公司也能跟上，明确理赔机制、算清相关成本。

所以机器人可能也要经历这个过程：先在To B的受限场景大规模落地，进行压力测试，让人们对其安全性建立足够信心，之后再进入C端家庭市场。

另外从技术层面来说，机器人其实比自动驾驶更复杂。自动驾驶领域有紧急制动系统，依靠视觉、激光雷达，能在几十米外发现目标；但人与机器人的距离非常近，依靠传统传感器根本无法及时感知突发情况。给机器人配备安全皮肤、实现紧急应对，这些技术目前还有很长的路要走。