作為人工智能與機器人交叉領域的核心方向，具身智能正引領全球科技變革。其中，機器人大模型作為“智能中樞”，正在推動機器人突破單一任務限制，向復雜環境下的自主學習與進化邁進。近期，中美兩國具身智能企業幾乎同步開源模型，標志著這一領域的技術生態進入爆發期。

9月8日，中國自變量機器人公司開源了具身模型WALL-OSS；次日，美國Physical Intelligence（PI）公司也發布了π?.?模型。這一“巧合”引發行業熱議，被視為具身智能邁向成熟的關鍵信號。回顧語言大模型發展路徑，從2018年開源社區初步探索，到2020年ChatGPT-3引發全球關注，技術迭代用了三年。如今，機器人大模型是否也站在了“GPT-3時刻”的門檻上？

在近期的一場技術對話中，自變量機器人CTO王昊與PI研究員柯麗一鳴（π?、π?.?論文作者）深入探討了這一話題。他們認為，2025年機器人模型領域最顯著的突破是“泛化能力”與“長程任務”的突破。柯麗一鳴以疊衣服任務為例：“過去二十年，機器人疊衣服始終面臨挑戰，因為衣物褶皺、折疊順序的多樣性遠超想象。但到2025年，模型已能將π?.?部署到陌生家庭環境中，完成抓取、移動等基礎操作，盡管表現不完美，卻展現出類似人類的適應性。”

王昊進一步指出，通用機器人基礎模型的發展，使機器人從“單任務專家”轉向“多任務學習者”。例如，2023年前，機器人需針對每個任務單獨優化；如今，統一模型可同時學習數百種任務，優化目標從“單一任務極致”轉向“全局任務平均成功率”。這種指數效應讓機器人能處理包含連續步驟、需多步推理的復雜任務（如整理餐桌、布置餐具），成為行業最令人興奮的現象。

然而，泛化能力的提升仍面臨三大挑戰。首先是物理世界的“長尾效應”：光照變化、桌布褶皺、透明物體反光等微小擾動，可能導致任務失敗。人類能憑直覺適應，但依賴數據驅動的AI模型仍需突破。其次是長程任務中的誤差累積：微小擾動可能像滾雪球一樣放大，最終導致任務失敗。王昊強調，需構建理解物理常識的模型基礎，讓機器人具備空間推理與因果推理能力。最后是數據質量與數量的平衡：高質量數據需精心設計，但追求數量時難以兼顧細節；低質量數據則可能影響模型性能。

數據采集的“真機維護”問題也被頻繁提及。柯麗一鳴笑稱：“做機器人研究，每天都在擰螺絲。”她回憶，早期研究時，硬件故障頻發，新人常因維修壓力而放棄。如今，盡管硬件穩定性提升，但真機維護仍是門檻。王昊補充道，機器人數據采集受限于硬件場地、操作員效率，成本高昂。為此，行業探索了多種解決方案：低成本本體、穿戴式傳感器、人類視頻數據等。其中，人類視頻數據規模大、成本低，但僅能提供高級語義理解與任務規劃，難以直接生成動作級數據。

在模型架構上，中美企業呈現出不同路徑。自變量機器人主張“端到端”訓練，將語言、視覺、動作模態統一表征，避免分層導致的信息損失。王昊解釋：“訓練時，模型可同時學習理解推理與動作生成；部署時，將動作部分壓縮蒸餾，語言推理部分放在云端，通過梯度回傳更新參數。”而PI則保持開放態度，柯麗一鳴認為：“當前機器人大模型尚未達到GPT-2水平，數據驅動是核心，但具體架構（如雙系統分離或端到端）并非首要問題。”

商業化方面，中美企業展現出差異化策略。美國企業傾向于“自上而下”，優先構建超大規模通用模型，再探索應用場景。這得益于其算力優勢——頂級芯片與大規模算力集群集中在美國。而中國企業則采取“上下結合”的雙軌路徑：一方面迭代通用基礎模型，另一方面在養老、公共服務等泛化場景中落地，形成數據飛輪。王昊強調：“必須先有大而通用的基礎，才能實現小而精的垂直部署。”柯麗一鳴則觀察到，中國制造業的硬件需求與場景優勢，為機器人商業化提供了獨特土壤。

對于家用機器人的落地時間，兩位專家給出不同預測。王昊認為，5年內機器人可進入家庭，完成廚房簡單任務（如洗碗、切菜），但需人類協作；柯麗一鳴則保守估計5-10年，她以掃地機器人為例：“早期產品不完美，但用戶明確其能力邊界，這種模式值得借鑒。”他們一致認為，機器人需跨越數據、算法、供應鏈、商業模式等多重門檻，才能真正實現規模化應用。