具身智能的“ChatGPT时刻”不会同一天到来：行业转向数据基础设施与持续学习

事件概述

2026年7月19日，WAIC 2026智启具身论坛在上海举行，由智元、觅蜂科技等联合主办，清华大学、Physical Intelligence、Genesis AI、Dyna Robotics、Sunday Robotics、腾讯 Robotics X等团队参与。论坛核心共识：具身智能的竞争正从机器人产品竞争转向训练系统和数据基础设施的竞争。

核心信息

• 物理AI面临三道墙：智元合伙人姚卯青提出数据墙（真实交互数据昂贵稀缺）、表征墙（任务/场景/本体间缺乏统一物理表征）、闭环墙（真实世界试错成本高）。
• 数据从“数量竞赛”变为“配方竞争”：数据结构呈金字塔状——底层互联网视频（低成本广覆盖）、中层无本体数据（如UMI）、顶层真机遥操作和回流数据（量少但关键）。姚卯青估计，要实现70%-80%基础成功率的“ChatGPT时刻”，具身数据需达亿小时级别。
• VLA与世界模型走向融合：智元展示GO-2（动作思维链）和Act2Goal（预测中间视觉状态），融合方向称为WRAM（世界推理动作模型）。Physical Intelligence的π0.7模型实现ARX机械臂到UR5双臂的跨本体迁移，无需重新微调。清华大学苏航归纳三条演进线：数据从单一本体到多源混合，模型从行为模仿到世界建模，训练从离线到持续进化。
• 商业部署数据成为飞轮：智元在江西南昌3C产线连续六天每天超10小时作业，累计接近6.5万次操作，成功率99.99%。Dyna Robotics的DYNA-1在餐巾折叠任务中成功率99.4%，24小时无人干预完成超850个餐巾折叠，新任务后训练数据不到一小时。
• “ChatGPT时刻”不会同一天到来：圆桌嘉宾对时间判断从两年到五年不等（姚卯青2年、赵子豪3年以内、马也骋4年、任至意4-5年、张正友3-5年）。机器人受制造产能、硬件成本、供应链、安全标准等限制，无法像软件瞬间分发。物理AI更可能分层涌现：先在工厂/仓储/后厨等结构化环境，再进入半开放场景，最后是家庭。

值得关注

• 跨本体迁移是形成平台型公司的关键，一旦模型能将不同本体经验映射到统一动作空间，软件和数据才可能获得规模效应。
• 最终物理AI系统可能是多时间尺度结构：上层理解语言任务，中层预测状态制定计划，底层高频控制。
• 中国公司优势在于制造业场景密集、供应链完整、工程落地快；下一步需回答这些场景能否沉淀出跨本体、跨行业复用的模型能力。