世界机器人大会热议：具身智能何时迎来“GPT时刻”？
2026年世界机器人大会上，多位业内人士聚焦具身智能发展瓶颈。从GPU厂商到机器人企业、科研机构，普遍认为高质量数据不足、模型参数规模小、算力需求激增、软硬件架构不统一等问题亟待解决。
摩尔线程CEO张建中表示，当前具身智能基础模型比语言模型至少落后5年。绝大多数VLA模型参数约70亿，而早期大语言模型已达千亿级；训练数据匮乏，物理世界数据难以获取，是最大难题。他认为，若沿Scaling Law发展，需要千卡、万卡级算力集群，合成数据与仿真也是重要路径。
慕尼黑工业大学教授Gordon Cheng则提出不同思路。他希望通过让机器人理解动作背后的目的，而非单纯模仿，减少对数据的依赖。他的团队已让机器人一天内学会新任务，并实现技能迁移。
开放原子开源基金会理事长谢少锋指出，行业“百花齐放却各自为战”，重复建设、数据孤岛问题严重，商业化路径不清晰。为此，“人形机器人开源社区”已启动，北京人形机器人创新中心等机构推动开源开放，以降低研发成本。
关于规模化部署时间，业内看法不一。黑芝麻智能杨宇欣认为可能需5至8年，芯片3至5年可改善，但软件生态更久；沐曦李兆石认为半结构化工厂3至5年可实现大规模部署，家庭场景需5至8年；英飞凌刘伟判断3至5年可能，但需定义清楚问题。
- 2026-08-22 12:32 | 新浪财经：机器人下一步拼什么？阅读原文
2026.08.22本文字数：3372，阅读时长大约5分钟作者 |第一财经刘佳20多年前，德国慕尼黑工业大学认知系统讲席教授Gordon Cheng和团队制造一台用于神经科学研究的人形机器人(14.880, -0.06, -0.40%)，花了整整五年。这次来到中国参加世界机器人大会，让他深有感触的是，就在展馆所在的这条街上，一家工厂15分钟就可以整装下线一台人形机器人。机器人的学习速度也在变快。今年参加北京机器人半程马拉松时，他的团队从慕尼黑运来一台全新的机器人，只用了12个小时就让它学会了跑步。但“造得快”和“跑得快”，并不意味着机器人已经足够聪明。Gordon Cheng认为，目前绝大多数...
- 2026-08-22 05:22 | 新浪：产业观察：具身智能，数据如何“止渴”？阅读原文
当业界集体呼唤具身智能的“ChatGPT时刻”，数据正成为整个行业最大的“渴点”。 洗碗做饭、负重搬运、精密制造……在2026世界机器人大会上，机器人集体打工“班味儿”越来越浓。然而，热闹背后，一道现实考题亟待解答——具身智能如何摆脱“数据饥渴”，真正走向规模化“上岗”？ 数据缺口，到底有多大？ 真实世界的物理交互数据，是具身智能真正从“看懂世界”迈向“改变世界”的关键要素。 数据显示，当前国内真实物理交互场景合规数据仅50万小时，而机器人商业化落地需要数千万小时数据，缺口超过99％。 这是一个从“十万”到“千万”量级的差距。 “这种缺口，直接导致模型泛化能力不足。”京东云总裁曹鹏...
- 2026-08-22 03:25 | 新浪财经：跑步只是入场券，机器人下一步拼什么？阅读原文
20多年前，德国慕尼黑工业大学认知系统讲席教授Gordon Cheng和团队制造一台用于神经科学研究的人形机器人，花了整整五年。这次来到中国参加世界机器人大会，让他深有感触的是，就在展馆所在的这条街上，一家工厂15分钟就可以整装下线一台人形机器人。机器人的学习速度也在变快。今年参加北京机器人半程马拉松时，他的团队从慕尼黑运来一台全新的机器人，只用了12个小时就让它学会了跑步。但“造得快”和“跑得快”，并不意味着机器人已经足够聪明。Gordon Cheng认为，目前绝大多数人形机器人企业都在采用让机器人模仿人类进行学习的范式，这推动了行业快速向前，却存在一个重要问题——“很难在数量级上去扩展”。...
- 2026-08-22 03:25 | 新浪财经：跑步只是入场券，机器人下一步拼什么？阅读原文
机器人(14.880, -0.06, -0.40%)越造越快，真正的竞争才刚刚开始。 20多年前，德国慕尼黑工业大学认知系统讲席教授Gordon Cheng和团队制造一台用于神经科学研究的人形机器人，花了整整五年。这次来到中国参加世界机器人大会，让他深有感触的是，就在展馆所在的这条街上，一家工厂15分钟就可以整装下线一台人形机器人。机器人的学习速度也在变快。今年参加北京机器人半程马拉松时，他的团队从慕尼黑运来一台全新的机器人，只用了12个小时就让它学会了跑步。但“造得快”和“跑得快”，并不意味着机器人已经足够聪明。Gordon Cheng认为，目前绝大多数人形机器人企业都在采用让机器人模仿人类...
- 2026-08-22 01:20 | t.cj.sina.com.cn：产业观察：具身智能，数据如何“止渴”？阅读原文
人民网记者 王震当业界集体呼唤具身智能的“ChatGPT时刻”，数据正成为整个行业最大的“渴点”。洗碗做饭、负重搬运、精密制造……在2026世界机器人大会上，机器人集体打工“班味儿”越来越浓。然而，热闹背后，一道现实考题亟待解答——具身智能如何摆脱“数据饥渴”，真正走向规模化“上岗”？数据缺口，到底有多大？真实世界的物理交互数据，是具身智能真正从“看懂世界”迈向“改变世界”的关键要素。数据显示，当前国内真实物理交互场景合规数据仅50万小时，而机器人商业化落地需要数千万小时数据，缺口超过99%。这是一个从“十万”到“千万”量级的差距。“这种缺口，直接导致模型泛化能力不足。”京东云总裁曹鹏表示，当...