一 | Renee 综合 去年11月，奥克兰Ellerslie发生一起命案，随后两名男子被控谋杀Fuk-Fu Joseph Kwok和Mei Han Chong夫妇。 该图片使用了AI生成技术 本文来自微信公众号： 具身商业前哨 ，作者：何安 这次去上海参加WAIC，让我印象最深的活动是“智启具身论坛2026——迎接物理AI智能涌现”。 这场论坛的含金量，不只在于智元、PI、Dyna、Sunday、腾讯和高校研究者坐在同一张桌子上，更在于他们讨论的是数据从哪里来、模型往哪走、本体要不要自己做这些行业尚未回答的硬问题。 论坛最后，主持人问了一个所有人都关心的问题：机器人的“ChatGPT时刻”，到底什么时候来？ 智元合伙人、觅蜂科技董事长兼CEO姚卯青说，两年； Sunday Robotics联合创始人兼CEO赵子豪说，三年以内； 腾讯首席科学家、腾讯Robotics X实验室主任张正友说，三到五年； Dyna Robotics联合创始人兼首席科学家马也骋说，四年左右； Physical Intelligence研究科学家任至意说，四到五年； 佐治亚理工学院徐丹飞教授给出的答案是五年。 几位嘉宾所在团队的技术路线和产品落地方式并不相同，但他们给出的时间判断却出奇地接近：两到五年。 据英文《先驱报》昨日报道，这两名男子面临一项新的指控，他们涉嫌密谋谋杀另一名女子。 Advertise with us 这名女子不是遇害夫妇中的女性，也不与他们同姓，在法庭文件上被列为两名被告密谋谋杀的目标。 这个共识，比我想象中更激进。不过，这些数字背后的口径未必相同。
二 | 姚卯青给出的定义相对明确：机器人能够开箱即用，听懂开放式自然语言指令，并在常见任务上达到70%—80%左右的基础成功率。
三 | 法庭文件显示，两人涉嫌在去年6月26日至11月4日之间密谋谋杀该女子。 警方在一份声明中表示，这一指控“与另一件事有关”。
四 | 密谋谋杀罪最高可判处10年监禁。
五 | 但其他嘉宾并没有逐一定义自己的标准。 这两名被告将于3月20日在奥克兰高等法院再次出庭，谋杀和密谋谋杀的指控将一起审理。
六 | 对于他们被控于谋杀Fuk-Fu Joseph Kwok和Mei Han Chong夫妇的案件，法官去年11月底将审判日期定在2025年4月28日，为期六周。 所以，大家对时间看似形成了共识，但对“什么才算机器人的ChatGPT时刻”，其实还没有共识。 整场讨论中，有三个问题最受关注：机器人的数据飞轮怎么形成？“VLA已死”是不是一句伪命题？具身智能公司是不是正在走向软硬件全栈？ 这三个问题，正好构成了理解当下机器人行业的三条主线：数据决定机器人如何进化，模型决定智能如何涌现，软硬件路线则决定谁能把能力真正变成产品和生意。 来自北岸Glenfield的42岁男子是第一个被捕的人，他是在汉密尔顿被警方发现的。另外一名26岁男子不久后在Glenfield的家中被捕。 一、机器人的数据飞轮，不是采出来的 过去几年，大语言模型的成功，给了机器人行业一个直接的想象：只要不断扩大数据、算力和模型规模，机器人是不是也会迎来一次能力涌现？ 可问题是，大语言模型需要的数据本来就存在于互联网上。机器人需要的物理经验，却没有统一的数据来源。
七 | 姚卯青在现场做了一个估算：头部语言模型的预训练已经达到100万亿Token量级。 去年11月，他们通过视讯方式在奥克兰地方法院出庭，获得了临时姓名禁止令。如果要让机器人真正开箱即用，可能需要一亿小时级别的数据。 这名26岁男子还被指控偷了遇害夫妇的车。 图为被害夫妇。
八 | 图源：新西兰警方 现年66岁的Kwok于11月5日周日被刺身亡，随后的周一晚上，一名家人在这对夫妇的家中发现了他的尸体。 他67岁的妻子Mei Han Chong随后被发现失踪，警方对她和他们的车进行了大规模搜查。警方最初表示，Chong既可能是嫌疑人，也可能是受害者。 这一亿小时从哪里来？ 真机数据质量高，但采集成本太贵；仿真容易扩大规模，却始终存在虚实差距；互联网视频和第一视角数据数量足够，却未必能看清最关键的手部动作和力觉信息。 警方后来透露，Chong并没有开车，而且这对夫妇家中的证据表明，她并不是自愿离开的。 讨论中，一个被反复提及的数据来源是UMI。
九 | 11月9日周四晚上，警方在Greenhithe的丛林地区发现了她的尸体。 你可以简单把它理解为一种低成本的人类操作数据采集方式：人拿着采集装置完成任务，系统记录视觉信息和动作轨迹，再把这些经验转成机器人可以学习的数据。 警方称，被害夫妇于1988年从香港移居新西兰，开始了他们在这里的生活。
十 | 两人都有大家庭，他们不断为家人提供着照顾和支持。 警方此前在一份声明中这样描述她：“虽然身材娇小，但她意志坚强，对自己关心的问题充满热情。 赵子豪认为，短期来看，UMI可能是最高效的规模化数据来源。” Kwok生前担任骨科护士多年。
十一 | 据Stuff报道，Kwok的一位医院同事说，他身上有一种“父亲的气息”，其他同事都亲切地称他为“Joseph叔叔”。 警方在声明中说：“他在自己的世界里很快乐，只关心养家糊口和做好自己选择的职业。他仍在非常努力地工作，遇害前一天晚上11点半才下班回家。但他同时强调，长期真正重要的还是部署数据。 两句话放在一起，恰好勾勒出一条可能的数据路径： UMI解决“机器人还没有大规模上岗之前，去哪里获得经验”；部署数据则解决“机器人上岗以后，如何越干越好”。” 声明补充说：“Joseph和Mei是一对恩爱夫妻，他们的职业就是帮助他人。
十二 | 我们的心与他们及其悲痛的家人同在。” 相关阅读： 奥克兰Ellerslie谋杀案：两名被告不认罪，一人需要粤语翻译的协助 奥克兰Ellerslie谋杀案：被害者是“恩爱夫妻” 更多信息披露 奥克兰Ellerslie谋杀案：被告在新西兰生活多年，讲广东话，不需要翻译 奥克兰Ellerslie谋杀案：一名42岁的男子被控谋杀夫妇两人 奥克兰Ellerslie谋杀案：受害男子的妻子仍下落不明，警方非常担心其安危 奥克兰Ellerslie谋杀案：尸检证实伤势是暴力所致，警方仍在寻找死者妻子 Ellerslie死亡事件被视为谋杀案，警方正在寻找一名67岁的亚裔女子 奥克兰中区一男子死亡，死因不明，警方请求公众提供一辆汽车的信息 注：本文为编译/原创，欢迎转发分享；但严禁复制等未经授权的非法使用。 任至意更看重真机数据，同时主张通过多源数据和跨本体训练，提高模型的泛化能力。
十三 | 马也骋则把这些数据总结成一个“数据金字塔”。违反上述声明者，本网将追究其相关法律责任。 底层是规模最大、成本最低的互联网视频和人类第一视角数据，中间是真机多任务数据，塔尖则是数量最少、价值最高的部署数据，尤其是机器人犯错、停顿、恢复并最终完成任务的过程数据。
十四 | 使用授权请联系[email protected]。 它不是在告诉机器人“理想情况下应该怎么做”，而是在教机器人“真实世界不按剧本走的时候怎么办”。
十五 | Dyna在酒店部署机器人完成折毛巾、折餐巾等任务时，会把前几次部署的数据重新放回预训练。
十六 | chineseherald.co.nz All Rights Reserved 版权所有 (责编：twinkle) 来源 - 相关内容 新西兰儿童部被严厉警告：“完全不可接受” 国家党“百日计划”即将收尾， 新政府2024年关键字：减！ 绿党议员猝然离世，国会将史无前例迎来第三位华人议员？ 工党人事大洗牌！他辞职去当大学校长只因羁绊太深？ ANZ员工给自己放贷去赌博，居然只被判分期还债？ 涨薪也没用：近万新西兰护士计划奔赴澳洲 疫情通报：过去一周新西兰新增6312例 新西兰将重置福利体系：“领完福利就躺平”不行了！。随着数据积累，进入下一家酒店需要重新适配的时间就会缩短。 表面看，嘉宾们都认同多种数据需要组合。
十七 | 但真正到了资源投入上，各家公司押注的重点并不一样：有人优先扩大人类操作数据，有人坚持真机数据，有人则直接进入真实场景，用部署换数据。 这里有一个典型的鸡生蛋问题。 没有足够好的模型，客户不敢让机器人上岗；没有真实部署，机器人又拿不到最有价值的数据。 说白了，机器人的数据飞轮不是采出来的，是在真实场景里干活干出来的。 二、“VLA已死”，死的可能不是VLA 最近，具身智能行业很流行一句话：“VLA已死，世界模型当立。” 但在这场圆桌上，这场争论被进一步落到了VLA与WAM（World Action Model，世界动作模型）两条路线上。 VLA是根据视觉信息和语言指令生成动作的模型；WAM则更强调世界如何变化，以及不同动作可能带来什么结果。
十八 | Dyna确实从早期的VLA路线，逐渐把更多精力转向WAM。马也骋提到，在一些强调鲁棒性、少量数据和高成功率的任务里，WAM可能比VLA更高效。 那么，VLA真的要被淘汰了吗？ 任至意并不认同。他认为，到目前为止，还没有看到哪家模型做出明显超过π0.7的演示效果。π0.7是PI推出的新一代通用机器人模型，也是PI对VLA路线的一次重要升级。 更关键的是，任至意认为VLA与WAM并不冲突。VLA本身也可以吸收世界建模和未来预测能力。 机器人最终既要理解语言和当前环境，也要预测未来结果。PI的做法，就是先生成未来的子目标画面，再用这个画面引导底层模型执行动作。
十九 | 智元也没有简单押注其中一条路线，而是在推动VLA与WAM融合，探索世界建模、推理和动作能力进一步结合的模型体系。 这场讨论的张力就在这里。 任至意用π0.7说明VLA仍有很强的竞争力，马也骋则用真实任务中的效率和成功率说明WAM的价值。 两个人没有直接否定对方，但公司的技术下注已经给出了不同答案。 张正友又把问题往前推了一步。 他认为，具身智能远没有形成类似大语言模型Transformer那样的统一架构。一个真正的机器人智能体，至少要包含认知系统、感知行动系统和底层反应系统。 上层负责复杂推理和任务规划，中层负责感知与动作生成，底层则要以极高频率控制电机、处理碰撞和保持平衡。 你不可能让一个数千亿参数的云端大模型直接控制每一个电机，也不能指望一个三四十亿参数的端侧模型解决所有问题。 所以，“VLA已死”很可能从一开始就是个伪命题。 未来形成主流的，大概率不是纯粹的VLA，也不是单独的WAM，而是一套融合语言理解、世界建模、未来预测、推理规划和实时控制的系统。
| VLA没有死。真正可能死掉的，是“靠一个模型解决机器人所有问题”的想象。 三、全栈能力会成为趋势，但全栈生意未必会 第三个问题，是机器人公司究竟应该只做“大脑”，还是连身体一起做。
| PI现阶段主要做通用基础模型，没有选择自己研发和销售本体。 任至意坦率地说，没有自研硬件，确实可能导致部分任务无法完成。但PI目前更看重模型快速迭代，因此优先使用结构简单、维护成本低的机器人搭建研发基础设施。 这是一条典型的“大脑路线”：先把通用模型能力做出来，把本体作为研发基础设施，而不是现阶段的商业重点。 腾讯的选择也很明确。 张正友说，腾讯只做大脑，不会卖本体。
| 他甚至开玩笑说，腾讯过去做硬件基本没有成功过，所以要有自知之明。
| 但腾讯的Robotics X实验室从2018年成立以来，却一直保留着硬件研发。因为如果没有真正做过硬件，就很难理解触觉、力觉、关节控制和端侧算力，究竟会给模型带来什么限制。 这是一条很微妙的边界：商业模式上可以不卖本体，研发上却不能不懂本体。
| 智元走的是另一条路。 姚卯青认为，一旦机器人进入客户现场，面对的就不再是论文指标和Demo效果，而是可靠性、成本、成功率和一致性。 这些问题没办法只靠模型解决。 端侧芯片能运行多大的模型，电池能工作多长时间，关节如何控制，整机能不能稳定量产，都会反过来决定机器人的智能上限。
| Sunday Robotics选择三指夹爪，也是同样的逻辑。
| 赵子豪认为，机器人的手要在成本与能力之间做平衡。三指夹爪追求的是用20%的成本获得80%的能力。
| 今天，通用机器人迟迟没能大规模进入家庭和更多真实生产场景，未必是因为少了两根手指，更可能是因为智能不够、成本太高、稳定性不足。 这正是全栈路线的价值：不是为了什么都做，而是在模型、算力、本体、控制、成本和场景之间更好地做取舍。
| 那么，软硬件全栈会不会成为新趋势？ 我的判断是：全栈能力会成为趋势，但全栈商业模式未必会成为唯一答案。 未来，机器人行业很可能会出现类似苹果的公司，模型、本体、系统和产品都自己完成；也会出现类似安卓和Windows的平台，只做通用大脑，适配不同本体。 但在今天，本体、传感器、灵巧手、芯片和控制系统都没有标准化。
| 即使一家公司的最终目标只是卖“大脑”，也很难完全绕开身体。没有一家公司还能假装硬件不存在。 四、两年还是五年，其实没那么重要 这场论坛听下来，我最大的感受，是机器人行业远远没有收敛。
| 哪种产品形态最适合家庭和工厂，没有答案；VLA、WAM、端到端模型和分层系统，谁会成为主流架构，也没有答案。
| 数据配方仍在变化，商业模式同样分散。有人卖整机，有人做模型，有人做数据平台；有人押注工厂，也有人瞄准家庭。 表面看，这是一种混乱。换个角度看，这也是机会。 在一个尚未收敛的行业里，大厂和创业公司、中国团队和美国团队，都没有提前拿到标准答案。
| 所以，听完整场论坛，我反而不太在意答案究竟是两年还是五年。 机器人的“ChatGPT时刻”，不会只由某一次模型发布宣布到来。 它真正出现的标志，是数据、模型、本体与真实部署第一次形成自我加速：机器人部署得越多，积累的数据越多，能力提升越快，进入新场景的成本也越来越低。 在这之前，所有时间表都只是预测，所有路线都还在验证。 本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 [email protected]。
|
Current article:http://www.rangnehongranlinren.bond/549h2u/20260826/539766.html
Published on:01:03:13
