智元姚卯青：机器人ChatGPT时刻最快两年，需突破数据等三堵墙

从真实交互数据稀缺、跨本体表征不足到部署可靠性难题，具身智能行业正从“能演示”转向“能干活”的关键验证期。

7月19日，2026世界人工智能大会（WAIC）核心分论坛“智启具身论坛2026——迎接物理AI智能涌现”在上海世博中心举行。论坛由智元、觅蜂科技联合主办，汇集清华大学、佐治亚理工学院、Physical Intelligence、Genesis AI、Dyna Robotics、Sunday Robotics及腾讯Robotics X等机构代表，讨论焦点集中于物理AI的数据来源、模型路线、仿真训练与商业化部署。

（图片来源：觅蜂科技）

智元合伙人、高级副总裁、具身业务部总裁，觅蜂科技董事长兼CEO姚卯青在论坛上提出，物理AI要从“模型演示”跨向规模化作业，必须突破数据、表征和闭环三堵“物理墙”。他预计，若将机器人“ChatGPT时刻”定义为机器人能够“开箱即用”、理解开放式自然语言指令并完成日常任务，行业或需积累“1亿小时级别”的具身数据。对于机器人“ChatGPT时刻”的时间表，多位嘉宾给出2年至5年的判断。

从“能演示”到“能干活”：物理AI仍有三堵“墙”

在主旨演讲中，姚卯青将智能概括为两条主线：一是对世界的抽象与压缩，即“表征”；二是智能体在环境中完成“感知、理解、决策、行动、反馈”的持续“闭环”。

（图片来源：觅蜂科技）

他表示，语言、代码和数学等数字AI能力，可以依托互联网数据持续扩展；但物理AI必须进入真实世界，在与环境、物体和人持续交互的过程中积累经验、修正策略。

“数字AI可以被互联网数据喂养出来，但物理AI必须在真实世界里摸爬滚打。”姚卯青说。

他将行业当前的瓶颈归纳为三堵“物理墙”：

数据墙：真实交互数据稀缺、采集成本高，难以像网页文本一样实现低成本、规模化获取；

表征墙：跨任务、跨环境、跨机器人的统一物理表征尚未形成；

闭环墙：真实世界试错成本高、反馈速度慢，一次失败可能造成零部件甚至整机损失。

姚卯青表示，当前具身数据无论按Token还是时长计算，与头部大语言模型的训练数据相比都可能相差1万倍以上。他预计，若将机器人“ChatGPT时刻”定义为机器人能够理解开放式指令、在物理世界中“开箱即用”并完成常见任务，行业或需要达到1亿小时级别的数据积累，推动常见任务的基础成功率达到70%至80%。

“模型决定起点，数据定义终局。当数据飞轮真正转动起来，智能涌现只是时间问题。”姚卯青说。

真机、第一视角与仿真协同，行业寻找“数据配方”

如何获得足够规模且足够高质量的具身数据，成为当天讨论最集中的议题。

Physical Intelligence研究科学家任至意认为，具身学习不能仅仅追求数据量扩张，模型还应理解任务、环境、策略和数据质量等上下文信息。他介绍，PI在训练π0.7模型时，引入了历史视频编码、细粒度语言与图像引导，以及数据质量评分、错误标签等元数据，以增强模型对不同任务条件的判断能力。

（图片来源：觅蜂科技）

任至意表示，通过扩展Context，模型能够在不针对单一任务微调的情况下，使用同一个模型检查点处理多类任务；在跨本体迁移方面，也可以将低成本机械臂学到的部分技能迁移至UR5等工业机械臂，减少针对特定本体重复采集数据的需求。

对于VLA（视觉—语言—动作模型）与世界模型的争论，任至意认为两者并不冲突。“模型既要理解Context，也要具备对未来状态的预测能力。”他说，未来两类能力将呈现逐步收敛的趋势。

佐治亚理工学院助理教授徐丹飞则提出，人类第一视角数据可能成为具身智能扩展训练数据的重要来源。传统遥操作数据采集难以大规模复制，也可能遗漏揉面、捏取薄片、用手肘开门等精细操作中的关键信息。

“人类其实就是机器人的一种形态。”徐丹飞表示，其团队自2023年起探索第一视角人类行为数据训练，目前已积累约2万小时数据。随着数据规模增长，团队在部分复杂操作任务中观察到了具身学习的Scaling规律。

不过，他也强调，人类数据不能直接替代真机数据。由于人和机器人在视角、关节自由度、动作空间及接触动力学上存在差异，模型仍需要结合多样化真机数据，解决从人类经验到不同机器人本体的迁移问题。

Genesis AI联合创始人王尊玄认为，具身智能本质上是系统工程，不能只押注于单一模型架构。数据采集、硬件设计、中间件、控制栈、仿真、模型训练、评测及部署回流，都应被纳入统一的端到端体系。

（图片来源：觅蜂科技）

他表示，团队将人类手套数据、第一视角数据、真机数据与仿真数据结合使用：第一视角数据具备规模和多样性优势，真机数据更接近实际部署动力学，带有触觉信息的手套数据则可补充真实物理接触信息。

可靠性成为商业化分水岭：从“会做”走向“稳定做”

相较于模型能否完成更多Demo，商业化场景更关注机器人能否在高频、长时、重复作业中保持稳定。多位嘉宾认为，成功率、鲁棒性和失败恢复能力正成为具身智能商业价值的核心衡量标准。

Dyna Robotics联合创始人兼首席科学家马也骋表示，当前不少通用模型能够覆盖多个任务，但单一任务成功率仍然有限。“如果成功率不高，其实没有很大的商业价值。”

他介绍，Dyna Robotics目前已积累超过20万小时预训练数据，并采用“数据金字塔”策略：底层为互联网及人类第一视角数据，中层为多任务真机数据，顶层则是最具价值的真实部署数据，尤其关注机器人在任务中出错、恢复并最终完成任务的过程。

马也骋认为，真实部署中产生的失败和恢复数据，是提高可靠性的关键。通过奖励模型识别异常状态、再定向采集恢复数据，机器人可以逐步提升从错误轨迹回到正确轨迹的能力。

他举例称，团队曾在餐巾折叠任务中实现机器人连续24小时无人干预作业，完成超过800个餐巾折叠；在切芹菜、高精度叠杯、薄创可贴分拣等任务中，使用一至两个小时的后训练数据，即可让机器人完成重复性操作。

智元也在论坛上披露了其在3C产线的部署案例。姚卯青表示，在江西南昌龙旗合作工厂的一条3C产线上，智元机器人完成连续6天、每日超过10小时的全工段直播作业，累计完成近6.5万件操作，整体成功率达到99.99%。

需要指出的是，上述指标均为企业披露的特定场景测试和部署数据，能够反映机器人在高频、标准化工业流程中的稳定性进展，但尚不能直接等同于机器人在开放环境中的通用能力。

VLA还是世界模型？行业尚未收敛至单一路线

围绕VLA、世界模型、世界动作模型（WAM）以及分层Agent架构的技术路线，论坛未形成单一结论，但“融合发展”成为多数嘉宾的共识。

马也骋表示，在强调低数据量、高成功率与鲁棒性的特定场景中，WAM相较VLA可能具备更高效率；但复杂长程任务仍不能仅依赖单一模型，还需要低频推理模型与高频控制模型协同工作。

腾讯首席科学家、腾讯Robotics X实验室主任张正友则认为，具身智能仍处在早期阶段，尚未出现类似Transformer之于大语言模型的统一技术框架。

“怎么可能只有3B、4B的单一小模型就能解决所有问题？”张正友表示，具身智能体至少需要认知、感知—行动和肢体反应等多层闭环协同。

硬件路线同样存在不同选择。Sunday Robotics联合创始人兼CEO赵子豪表示，机器人本体设计本质上是成本与能力之间的平衡，其团队选择三指夹爪，是为了以相对较低成本满足大部分实际应用需求。

姚卯青则认为，面向一线用户，可靠性、成本、成功率和一致性都是无法绕开的现实约束，全栈研发有助于企业在硬件、芯片、模型、控制和部署之间实现系统级优化。

机器人“ChatGPT时刻”何时到来？行业给出2年至5年预判

在论坛压轴圆桌环节，多位嘉宾就机器人“ChatGPT时刻”的到来时间给出判断，整体预期集中在未来2年至5年：

姚卯青：2年，主要取决于数据层面的进展

任至意：4至5年（"加入PI之前我觉得得10年"）

徐丹飞：5年

马也骋：4年

张正友：3至5年，"要踏踏实实地去做，这期间非常有希望"

赵子豪：3年以内

圆桌对话现场（左起：任广辉、姚卯青、任至意） 来源：觅蜂科技

张正友强调，时间预测不应寄望于单一模型或单一数据源的突然突破，而取决于数据采集、真实部署、失败恢复、仿真评测和硬件系统的持续推进。

“这3到5年还是有希望的，但要踏踏实实地做。”他说。

《智启具身论坛2026——迎接物理AI智能涌现》全文实录如下：

事件：《智启具身论坛2026——迎接物理AI智能涌现》

时间：2026年7月19日

地点：上海世博中心

主办方：智元、觅蜂科技

【主持人】

尊敬的各位领导，各位行业同仁，献上直播间的观众朋友们，大家上午好。欢迎来到2026世界人工智能大会WAIC，由智元、觅蜂科技联合举办的智启具身2026，迎接物理AI智能涌现的现场。我是本场论坛的主持人吕新印。当下大语言模型已经完成信息端智能的跨越式发展，而能够触摸感知改造真实世界的物理AI正在成为人工智能产业下一阶段最核心新的赛道。今天我们奇迹于此，将围绕数据飞轮、机构模型、机器人学习、规模化落地、行业核心瓶颈等议题，邀请全球顶尖学术研究者与产业领军者同台分享，共同探寻物理AI突破增长边界，实现通用智能涌现的可行路径。接下来就让我们正式开启今天的论坛。首先有请上海市浦东新区副区长李慧致辞，掌声有请。

【李慧｜上海市浦东新区副区长】

尊敬的茂清院长，各位嘉宾，大家早上好。这是一个生机盎然的盛夏，时而艳阳高照，时而暴雨倾盆。但这就像人工智能的现状，我们要有热行动，也要有冷思考。今天非常高兴在这样的一个现场里和大家共同聆听我们对具身智能物理世界的思考。

【李慧｜上海市浦东新区副区长】

首先要代表浦东新区人民政府，向远道而来出席本次论坛的海内外嘉宾表示诚挚欢迎。当前人工智能正加速从数字世界走向物理世界，物理AI智能涌现，正在深刻重塑千行百业。今年具身智能正式纳入十五五未来产业重点战略布局，人形机器人产业迈入了规模化放量的关键阶段。本次论坛以迎接物理AI智能涌现为主题，汇聚全球顶尖的产业领袖和学术精英，可以说恰逢其时，意义深远。

【李慧｜上海市浦东新区副区长】

浦东是全国人工智能产业发展的核心承载地，也是具身智能产业的创新主战场。我们始终把具身智能作为抢占全球科技竞争先机、推动制造业转型升级的战略核心赛道，举全区之力，搭平台、出政策、拓场景、聚生态，走出一条政策引领、平台支撑、场景驱动的产业发展路径。在今天的浦东具身智能赛道上，我们已经集聚了以智元为核心的130多家产业链上下游企业。同时，为持续做强赛道优势，浦东构建起全链条、高含金量的专项扶持政策，全方位为企业创新发展保驾护航。在核心技术攻关层面，我们加大研发政策支持，同时，为了吸引全球人才到普通发展，我们实施了清创人才政策15条，其中2个100万政策就为了解决青年人才安居和乐业的问题，提供100万平方米低租金青年公益，平均月租金不超过2000块。提供100万平方米低租金创业空间，租金不高于一块钱每平方。每天对优秀创业项目给予每年100万、良序三年的运营支持，做到扶上马送3乘，加速企业发展壮大。

【李慧｜上海市浦东新区副区长】

简单讲讲浦东，接下来就要讲讲今天大会的主办方智元和觅蜂科技。智元是浦东土生土长的本土企业，2023年成立至今，短短三年多的时间，智元一直以惊人的加速度在进化、在奔跑。我们看到，成立之初，当年智元就产出了6台圆形样机，到了2024年搭建了量产体系，2025年完成了500 5000台的量产，突破2026年初跨越万台门槛。到刚刚过去的六月底，致援第15000台通用聚身机器人已正式下线，不断的刷新着全球人形机器人量产的新记录。公司的营收从2023年的30万元已经跃升到2025年末的10亿元，成为中国从创立到营收突破10亿元大关速度最快的人工智能和机器人公司。三年，我们亲身见证了智元完成从实验室到万台级量产的跨越，这不仅是企业自身的奇迹，更是普通创新生态生生不息的生动写照。智元的快速生长，更带动了产业链的协同发展。其中今年初从智元孵化出来的觅蜂科技，就是普通创新生态中涌现出的一个鲜活案例。

【李慧｜上海市浦东新区副区长】

作为一站式物理AI数据服务平台，觅蜂科技成立仅四个月就完成了数亿元天使加轮的战略融资，获得了红杉中国、百度旗下基金、国防创投等顶级资本和国资的青睐。并且，觅蜂高举数据大旗，联合工信部赛迪研究院、国家数据标委会等共同发起蜂巢数据共创的行动，加快推动行业统一标准落地。可以说，一家智元破土而出，更多的小智源、新智源正在浦东这片创新沃土上拔节生长。这正是普通产业生态生生不息的缩影。我独行快，众行远。今天的会论坛汇聚了全球顶尖智慧，这正是我们渴望看到的开放合作景象。浦东将继续依托世界人工智能大会平台，持续搭建高水平交流桥梁。我们欢迎全球的创新人才、企业家和投资者来到浦东，我们将以更开放的胸襟和更务实的举措，与大家携手迎接物理AI时代的浪潮，共同书写具身智能产业的新篇章。

【李慧｜上海市浦东新区副区长】

最后帮某青院长打一个小小的广告。然后如果大家希望今天或者明天有机会到展馆去亲自参观的话，如果你还没有买到门票的话，大家可以问问茂清院长，作为一个数据汇聚的平台，是不是有一定的特殊通道？我相信他有可能给大家一个期待中的答案。我帮你广告做好了，便于你汇聚更多的兄弟姐妹，上下游企业，我们共同来支持具身智能产业的发展。把平台做得更扎实，把朋友汇聚到身边，更多把我们的伙伴更多的邀请到浦东来，我们一起支持未来产业的发展。谢谢大家，也欢迎大家。

【主持人】

感谢上海浦东新区副区长李慧的致辞。物理AI的智能涌现需要数据作为燃料，但数据从哪儿来？又要如何形成自动化的闭环？这不仅是技术问题，更是产业生态的问题。接下来有请智元合伙人，高级副总裁，聚业务部总裁，觅蜂科技董事长兼CEO姚卯青先生带来本场论坛的开篇演讲。模型与数据飞轮冲破物理墙，驱动物理AI的智能有限。

【姚卯青｜智元合伙人、高级副总裁、具身业务部总裁；觅蜂科技董事长兼CEO】

尊敬的李慧区长，各位专家嘉宾，各位线上和线下观看我们论坛的朋友们，大家上午好啊。今天我们的论坛还是开始的比较早的。然后这两天世界人工智能大会，尤其是世博中心附近是人潮涌动，交通也管制的非常厉害，所以也非常再次感谢大家能够提前来到我们的现场，莅临我们的线上。然后我首先代表本次的活动的主办方智元以及觅蜂科技，对大家现场莅临和现场的观看表示衷心的感谢。今天我们也非常荣幸邀请到了来自全球产业界和学术界的专家和精英们，来和我们一起共聚一堂，一起探讨，一起迎接物理AI的智能涌现时刻。今天我先开个场，我知道很多来我们智喜剧生2026论坛的朋友们都是一个大型追星现场。后面我们的嘉宾一定会给大家带来非常高质量高含金量的分享。我先开一个场跟大家介绍一下，智元觅蜂在迎接物理AI智能涌现这样的一个时刻，我们做了怎样的一些技术底座的积累，模型与数据的飞轮又是如何去相互转动。

【姚卯青｜智元合伙人、高级副总裁、具身业务部总裁；觅蜂科技董事长兼CEO】

Ok所以首先在讨论物理AI智能之前，我们来先回顾一下什么是智能的本质。智能我们认为它沿着两条核心的主线，一个叫做表征，一个是闭环表征。它可以说是对世界的一种抽象和压缩。人类所有的认知、判断、理性全是以表现为基础的。语言、数学、代码等等，都是人类文明进华数万年来，对于这个世界高度的一种抽象的表征。本质上它是知识的一种成功闭环，它是智能体与环境去进行持续的交互。从计算的角度来看，它包含了输入、算法、输出、评价、迭代的这样一个循环。从生物学的角度来看，它就是一种从感知到理解、决策、行动、环境反馈的一个完整的闭环。

【姚卯青｜智元合伙人、高级副总裁、具身业务部总裁；觅蜂科技董事长兼CEO】

真正的高级智能我们认为是来自于表征世界，推理决策，作用于世界，在反馈进化的这样一套完整的循环数字AI的世界其实已经在这条路线上取得了巨大的成功。我们也看到每过一段时间其实都有有新的模型在不断的发布更大的参数量，更高的榜单的分数。本质上是在不断突破这个数字世界智能的边界。但是物理AI的挑战在于，我们必须在真实世界里面去同时打通表征与闭环这两条路线。

【姚卯青｜智元合伙人、高级副总裁、具身业务部总裁；觅蜂科技董事长兼CEO】

数字智能的核心，它其实是知识的表征与数字环境类的闭环。它的能力主要体现在语言、数学、代码这些单纯的数字领域。物理智能完全不同，它的核心不仅仅是知识的表征，它更是经验的表征和真实世界中的一个闭环。他的能力边界要从刚刚提到的这些数字领域去继续拓展到空间感知、物理交互、精细操作，还有失败的一些恢复。这不仅仅是一种能力的简单的延续，更大是一种范式上的跃迁，从知识的规模化到真实世界交互经验的一个规模化。数字AI可以被互联网的数据去喂养出来，但是物理AI必须在真实世界里去摸爬滚打，积累经验，修正策略，进而进化他的能力。

【姚卯青｜智元合伙人、高级副总裁、具身业务部总裁；觅蜂科技董事长兼CEO】

在迎来物理智能涌现之前，我认为我们还必须突破三道墙的一个阻碍。第一道墙是数据墙。因为真实的交互数据非常稀缺，获取成本非常高。不能像爬取网页一样简单的去爬取这个世界的一些真实交互的经验。第二个倒是表征，我们目前还是缺少大量的跨任务、跨环境、跨本体的统一物理表征。每一个机器人，每一项任务还是在各自领域里面各自为战，无法进行充分的共享。

【姚卯青｜智元合伙人、高级副总裁、具身业务部总裁；觅蜂科技董事长兼CEO】

第三道墙是闭环墙，真正试错的代价还是在真实世界里面去试错的代价还是非常高昂的。因为他反馈相对比较缓慢，而且规模化很难。在物理世界里一次失败可能会是某个零部件的失效，也更可能是一台完整机器人的一个损失。所以说这三道墙是目前在物理AI从萌芽走向能大规模干活的最大的一个障碍。

【姚卯青｜智元合伙人、高级副总裁、具身业务部总裁；觅蜂科技董事长兼CEO】

今天我们就和大家分享一下如何去冲破这三道墙背后的一些思考。Ok所以我们的目标是围绕这样三个挑战，去构建一个可泛化、可优化、可进化的通用聚生智能系统。可泛化它指的是通过大量的异构的从真实世界获取的训练数据，去学习到背后通用的物理经验。为提供跨任务、跨场景、跨本体的这样的一种能力的基础。可优化表示我们的机器人在真实世界里面去参与真实世界的反馈后训练，在任务闭环中持续去校准它的策略，提升成功率，去进一步提升稳定性还有可靠性。可进化是更进一步，再通过部署回流的数据，才在其中参与持续学习。不断的吸收新的任务、新的场景、新的本体的经验，来拓展这种通用能力的边界。

【姚卯青｜智元合伙人、高级副总裁、具身业务部总裁；觅蜂科技董事长兼CEO】

在这个系统中，其实它的底层也是一个多机器人多机器人编队的这样一个集群的部署。上层是知识体系，这里面既包括我们在数字世界可以获取的这种叫knowledge知识，同时也包括了他在物理世界中他获取的这些交互的经验experience。再往上是算法层，它也会经历通用的预训练后训练，以及在部署环节，在部署之后进行的持续学习这样三个阶段的训练框架。

【姚卯青｜智元合伙人、高级副总裁、具身业务部总裁；觅蜂科技董事长兼CEO】