机器人领域难有类似ChatGPT的单一突破革命

机器人的未来，似乎总在下一个转角。人们描绘着这样的图景：数十亿台由AI驱动的自主机器人，在工厂流水线上劳作，在仓库里处理枯燥的搬运，在养老院陪伴老人，冲进危险的灾区，递送包裹和餐食，最终还会帮我们把家务收拾得井井有条。它们当中，有一部分或许长得像人，但更多的会以千奇百怪的形态出现。无论外形如何，它们的共同点是——高度依赖人工智能，才能在这个真实世界里创造真正的价值。

这篇文章出自《IEEE Spectrum》之手，两位作者一位是俄勒冈州立大学的机器人学教授、Agility Robotics的联合创始人兼首席机器人官，另一位是前Google X“Everyday Robots”项目的副总裁。他们在一线摸爬滚打多年，得出的判断是：AI机器人确实正逼近一个关键拐点，但这个拐点不会像ChatGPT那样，靠某个单一模型横空出世。真正推动进化的，是一整套协同工作的AI工具与系统。

数据也印证了这一点——2025年机器人公司的总投资达到创纪录的407亿美元，约占全部风险投资的9%。钱已经砸下去了，真正的问题变成了：AI机器人到底要怎么做，才能产生足够大的经济影响？如今不少公司许下宏愿，比如人形机器人很快会走进家庭。但承诺与现实之间，鸿沟依然很深。

让机器人和我们一起生活、工作的梦想，已经流行了几十年。无数程序员试图把它变成现实，可物理世界实在太复杂，传统程序根本应付不了那无穷无尽的细节。AI的出现改变了游戏规则：机器人不再只是被“编程”，它们开始通过学习来适应真实世界。基于两位作者在真实场景中部署AI机器人的经验，他们提炼出了围绕AI机器人的五个“硬道理”。

YouTube演示与现实世界之间的鸿沟是真实存在的

这些年，我们在YouTube上见过太多令人惊叹的人形机器人了：跳舞、跑障碍、后空翻，动作行云流水。机器人圈子里有句老话：“永远不要轻信一段YouTube机器人视频。”那些能在非结构化的人类环境中真正做事的机器人，和经过精心脚本、剪辑、排演的表演机器人之间，差距仍然大得惊人。

最近引发关注的春晚上一场武术表演，令人印象深刻，但它依然属于那类高度编排的演示——一切都提前设计、排练妥当。底层控制、同步性和动作编排确实惊艳，可这种表演展示出的自主性和智能，更接近工业机器人，而非民用的通用机器人。

这些演示总会让人追问：技术到底走到哪一步了？如果机器人都能打拳、后空翻、跳舞，为什么晚饭后还不能替我把碗洗了？答案很简单：让AI机器人在多变的人类环境中执行通用任务，依然极端困难。春晚演示用到的AI，主要只是低层运动控制，那只是通往通用能力道路上的一小部分。

数据仍然是一个未解难题

大语言模型最初是拿互联网规模的文本数据训练出来的。2022年底ChatGPT横空出世，让世界第一次意识到：AI机器居然能用散文、诗歌谈论几乎任何主题。后来，LLM证明了它们有很强的泛化能力，也支持了文本、图像、视频等多模态输入输出。但这类训练数据有两个关键特征：规模巨大，且来自人类——这正是AI训练的黄金标准。

然而，把AI赋予身体、让它以机器人的形式进入物理世界，一直是一个非常困难、而且普遍没有被解决的问题。面向通用机器人的AI模型，必须在非结构化、动态变化的环境中，同时满足物理、几何和时间上的多重约束。为了实现泛化，机器人模型需要在高维配置空间里训练；这里的“维度”可能包括文本、光照条件、自由度、关节限制、速度、力以及安全边界等等。更重要的是，这必须是“好数据”——要覆盖物理世界中几乎无限多种可能状态。

现实里几乎没有现成的数据源能满足这一点。因此，遥操作、视频分析、人类动作捕捉，以及在仿真和真实世界中的自我探索，都被视为重要的数据采集方式。这是一项极其艰巨的任务。比如在Google X的Everyday Robots项目里，团队在2022年跑了2.4亿个仿真机器人实例，就为了训练一个垃圾分类模型。要让机器人在某项技能上达到接近人类的水平，可能需要在每种技能上都花费与之类似规模的数据。眼下，距离人类水平还差得远。

（图片：多种机器人形式实现机器人生活）

并不会有一个单独的AI解决一切

从现实角度出发，距离一个“单一AI模型就能让通用机器人和我们一起生活工作”的时代还很远。物理世界极其复杂，周围还有各种人和动物。怎么训练一个模型，让它在所有场景里都能安全、可靠地操作机器人？现在还做不到，至少短期内做不到。

相比依赖一个全能的AI，作者更看好的是“agentic AI”架构——机器人上运行的高层协调模型。它们可以推理、规划、使用工具，并从结果中学习，在有限监督下执行复杂任务。这样的高层模型会调用专门负责不同任务的子系统。作者甚至预测，不久之后我们会看到多台机器人通过各自的机载agentic AI协同工作。

AI工具正在释放机器人新的、强大的能力，也会带来新的解决方案和新市场。令人欣喜的是，这些新模型正在被广泛开放，有些已是开源版本。这很像互联网曾经经历的过程：真正的进步，发生在普及之后。随着这些AI工具与技术的广泛可得，机器人中复杂行为的普及也将不可避免地发生。

硬件之路任重道远

机器人是个复杂的系统，感知系统、控制计算机、执行器等每一个环节都要配合得精密。执行器（电机和齿轮）就是一个典型例子：过去支撑工业机器人的技术，不一定能支撑未来要在人类环境中工作的机器人。如果这些机器人不小心撞到障碍物，冲击会很硬、力会很大，容易损坏——人类可不是这样运动的。

人类与世界的互动更具有顺应性。想必读者经常能在钥匙孔周围看到划痕，或者在手机充电口看到类似痕迹——这是人类对环境感知后自然做出的微调。而机器人如果想达到类似的能力，就必须具有对应的执行器，并且将其大规模普及开来。

价值源自简单小事

令人印象深刻的演示，与真正创造价值的现实任务之间，有巨大差别。机器人技术正好体现了莫拉维克悖论：对人类很难的任务（比如数学计算），对电脑往往很容易；而对人类很容易的任务（比如幼儿的动作），对电脑和机器人却极其困难。

提供服务是一种非常严苛的现实检验，因为客户只关心自己的问题是否真的被解决。要部署基于AI的机器人方案，它们必须在性能和安全上都优于现有做法。Agility Robotics早期在客户场景部署人形机器人Digit时，很快发现第一个障碍就是安全：机器人在人的空间里保持平衡并操作物体，会给工作场所带来新的风险。最初部署时，物理隔离是必要的。之后围绕安全问题展开了数年的工程工作，几乎触及机器人设计的每一个方面，并大量依赖新的、基于AI的人类检测与行为控制方法。

（图片：Google的Everyday Robots）

Google的Everyday Robots早在2019年就在办公楼里部署机器人，做清理咖啡桌、分拣垃圾之类的杂务。团队很快就发现，真实世界对机器人来说“非常混乱，也非常困难”。这段经历反过来塑造了他们AI系统的架构与部署方式，同时也积累了可与仿真数据结合的真实世界训练数据。

于是结论清晰了：只有产品满足了需求，并持续推广部署，才可能反过来塑造AI工具和基础设施的结构，让机器人在短期内获得实用价值，并沿着通往更大能力和更强通用性的道路前进。除非有极为丰富的经验，不然就不要期待天降幸运与高级算法——就算真有，数据量也不够喂的。

机器人会一步一步走来

放眼未来，毋庸置疑：世界正在通过机器人把AI带入物理世界。人类正处在有用智能机器“寒武纪大爆发”的开端。AI不是单一工具，而是一整片巨大的技术前沿；它正在释放新能力，而这些能力将强大到足以塑造未来经济。这场变化不会发生在某个唯一、定性的时刻，而会以一个又一个大小不一的突破逐步展开：AI驱动的机器人先在少数任务上提供真实价值，然后再扩展到更多任务，最终在众多千亿美元级市场中产生连锁影响，显著改善人类生活质量。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：机器人领域难有类似ChatGPT的单一突破革命要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题