机器人的ChatGPT 时刻

野村刚发的

《Robotics - The ChatGPT moment》

野村认为，机器人正在复刻大语言模型的路径，“ChatGPT时刻”临近。机器人训练将经历与LLM相同的三个阶段：大规模数据预训练、特定任务微调、强化学习试错改进。

报告把当前机器人行业比作2012年深度学习的“AlexNet时刻”，尚未达到“GPT-2”水平，但12月至1月即将发布的新模型有望接近该水平。9月行业调研显示情绪转向乐观：充足动作反馈训练后机器人精度会跳升，两年内有望达到“L2+辅助驾驶”的等效水平。

催化剂包括：OpenAI物理AI模型（预计12月-1月发布）、字节跳动和DeepSeek新模型、OpenAI人形机器人演示，以及GPT-7（可能在2027年）。

机器人大脑方面，三类模型路线并存。VLA（视觉-语言-动作）模型轻量，2-7B参数，约3-4万元芯片存储，可部署在机器人本体。世界模型（WAM）用视频生成做物理引擎，能“想象”世界演化再行动，但很重，World Labs Atlas达100-200B参数，需3-10倍算力，2027年前预计在云端运行。强化学习仿真以Unitree行走机器人为代表，仿真训练技能可直接迁移到真机。

少样本学习信号已出现，如Generalist AI GEN-1.5单条演示学习成功率59%→微调后83%，Robbyant Zero-WAM仿真成功率47%，但均来自公司自报且限于短时或仿真任务，尚不可靠。突破大概率来自拥有算力和人才的大型AI实验室及特斯拉，而非机器人大脑初创公司。特斯拉机器人已能约97%完成无监督工厂例行动作，形成“数据闭环+自有机器人集群”优势。

衡量“ChatGPT时刻”有五个指标。一是无需人工干预的连续工作时长，最好仅数小时，工厂需一周。二是精细手部操作，Gemini Robotics 2系垃圾袋成功率44%、扫入簸箕32%。三是适应新机器人本体的速度，谷歌约7-8小时，中国较快厂商约两周。四是新任务所需演示次数，已降至1-2次。五是工厂场景准确率，约60% vs 行业要求98%+，预计需3-5年弥合。第一项和第五项最关键，决定客户是用运营预算还是试用预算购买机器人。

数据是最稀缺的输入。机器人没有“互联网”可学，“涌现时刻”阈值约为100万小时一致格式数据，目前仅约10万小时可用，Optimus刚过50万小时，Unitree录制数据仅约1/4可用。四种采集方式2026F中国市场约40-50亿元：真机遥操作约700元/小时，绑定特定机型；UMI手持夹爪100-300元/小时；Ego第一人称视频300-350元/小时，跨代际可复用；仿真约120元/小时。

行业主流配比约60% Ego视频+30% UMI+10%真机数据。OpenAI是最大数据买家，约1000万小时、占美国供应70%，字节跳动是中国唯一稳定大买家。预计2027年底前数据供应商数量将收缩。SuperMimic论文（CoRL 2026）显示，用可微世界模型训练全身控制器，单GPU 3小时即超越128 GPU训练7天的基线，算力降低1000倍以上，意味着算力对全身运动控制的重要性下降，数据和部署中的机器人更重要。

硬件方面，灵巧手先受益，走向“iPhone时刻”。更强的AI模型可将在两指/三指夹爪上学到的技能迁移到五指灵巧手，预计2026年灵巧手出货量同比增长80-120%，30-50%的工厂夹爪将被替换。模型路线确定后，人形机器人设计将收敛为少数标准形态，此后核心难点是量产一致性和20多个关节行为一致。

量产后合理成本：1.7米机器人15-20万元，1.3米机器人3-4万元；执行器占零部件成本约50-75%。赢家是快速迭代、成本控制好的厂商：Unitree、车企及核心零部件供应商；Unitree预计将提高外包比例以降本保质量。三种硬件情景：

A）大AI实验室突破→“安卓模式”，本体标准化；

B）特斯拉全栈模式胜出→主供应商受益；

C）标准化→适配多机型的核心部件（灵巧手先行）受益。

（完）

报告原文已上传星球。更多内容第一时间发在星球群，群友多数来自机构，一二级都有。星球专注于产业信息分享、重要事件解读

仅为研报翻译，不作为投资建议