采集数据，落地场景，具身智能行业何时迈向“GPT-3”时代？

3月27日，在2026中关村论坛年会AI开源前沿论坛·百亿具身智能圆桌对话会议上，银河通用创始人王鹤、智平方联合创始人张鹏、千寻智能联合创始人高阳、原力灵机创始人唐文斌以及星动纪元联合创始人席悦为正处在爆发前夜的具身智能产业描绘了清晰的路线图。

与会嘉宾普遍认为，2025年是“打基础”的蓄势之年，而2026年将是具身智能从实验室的“炫技”走向真实场景“实干”的关键跨越之年。

从GPT-2到GPT-3

如何定义当前具身智能所处的发展阶段？千寻智能联合创始人高阳认为，2025年的具身智能处在“GPT-2”时代，行业在数据基建层面解决了大量问题，而从2025年到2026年，正是具身智能从GPT-2向GPT-3跨越的关键时期。他预测，到2026年末、2027年中，具身智能极有可能看到GPT-3级别模型的出现。

对于这一判断，原力灵机创始人唐文斌表示认同。他坦言，行业虽然仍处于非常早期的初级阶段，但发展“斜率极大”，充满了令人兴奋的增长潜力。

王鹤亦表示，2025年是技术上打基础，凝聚了一部分共识，同时又打开了部分场景的一年，具身智能赛道彻底被点燃。

星动纪元联合创始人席悦则指出，2026年是“速度和加速度都飞快的一年”，新公司不断涌现，行业洗牌也在同步进行。

数据：从“花钱解决”到“真实飞轮”

尽管前景广阔，但通往GPT-3时代的道路并非坦途。与会嘉宾都将“数据”视为当前最核心的挑战与瓶颈。

“数据，是当前最卡脖子的瓶颈。”席悦直言，在真实环境中收集数据的难度极高，不仅需要场景方开放，大规模收集的成本和效率也是巨大难题。

对此，唐文斌认为，数据采集的初期问题本质上是“钱和时间”的问题，可以通过投入来解决。但真正的挑战在于，如何让机器人从真实场景中持续反馈数据，形成类似自动驾驶领域的“数据飞轮”。

“这是一个鸡和蛋的问题。”唐文斌分析道，“现在的机器人还不够成熟，无法被大规模部署；但想要机器人取得进步，我们又必须让它被批量使用。”他将当前一些不成熟的应用称作“伪装成干活的跳舞”，但他也表示这在技术尚不完美的当下，能够提供情绪价值，也是一种有价值的商业探索。

除了数据，模型架构的升级也是亟待攻克的难关。高阳指出，当前多数视觉-语言-动作（VLA）模型的设计仍较为简化，例如输入仅为单帧图像。未来的机器人需要像大语言模型一样拥有“记忆”能力，如何通过模型架构的升级，实现更端到端、更一体化的决策系统，是数据之外的另一大挑战。

智平方联合创始人张鹏则从系统论的角度强调，单纯谈论模型或数据都无法解决所有问题，只有让“模型+本体硬件+场景系统”三位一体，在真实场景中经历磨炼，才能真正实现规模化交付。

场景：聚焦“半结构化”

机器人眼下虽还未大规模走进家庭，但也正通过在工业等场景的落地，一步步为未来的普及铺路。在落地场景的选择上，几位嘉宾都一致认为，先进入工业与公共服务领域。

“今天模型能力还比较弱，还得从比较简单的场景开始做。”高阳表示，千寻智能目前重点关注工业和服务场景，因为这些场景相对结构化或半结构化，多样性较低，便于将探索标准化、可复制，并快速上量。

张鹏也认为半结构化的工业制造、简单的服务与物流搬运场景，是当前结合模型能力与供应链能力，可以实现规模化交付和布局的最佳切入点。

唐文斌则为场景选择提出了四条“必要条件”：能容忍错误、对效率有容忍度、需要一定的泛化能力、能够长时间作业并算得平ROI（投资回报率）的账。这也清晰地指向了标准化程度高、流程明确的场景。