宇树暴涨629%撞上GEN 1.5发布，机器人ChatGPT前夜已至

8月19日，上海。宇树科技在科创板挂牌，盘中一度暴涨629%——资本市场正在为机器人的"身体"下重注。

同一天，大洋彼岸，马萨诸塞州剑桥市。Generalist公司的一台双臂机器人，刚刚看了几秒钟人类演示：打开钱包，取出钞票。

轮到它了。右手伸过去——没够着。

它没有僵住，没有机械地重复同一个动作，也没有等程序员介入。相反，它做了一个让在场记者印象深刻的微小举动：换成左手，把钱拿了出来。

这是WIRED记者Will Knight在现场亲眼看到的场景。同一个演示中还有更多"临场应变"的例子：演示用刷子把积木扫进碗里，刷子被拿走，它抓起了簸箕；面前只剩一根香蕉，它就用香蕉当临时刷子。

有一个数字值得注意：这台机器人运行的是新模型GEN-1.5，在新任务上的平均成功率只有59%；它的前代GEN-1，成功率在99%以上。

为什么一个成功率"暴跌"的模型反而值得认真对待？因为真正变化的不是可靠性——而是学习一项新任务的边际成本，首次开始趋近于零。

这正是标题里那个问题的由来：机器人的ChatGPT前夜，可能真的近了。

机器人终于有了自己的Prompt

8月19日，Generalist发布了下一代机器人基础模型GEN-1.5。

GEN-1.5最关键的一点是——人类演示一次打开钱包取钞票，这几秒钟的动作就变成一段"胶片"，机器人用眼睛"读"它——这恰恰是把传感器-动作序列放进了上下文窗口（context window）。

注意这段"胶片"去了哪里：它没有进入任何训练流程去改写模型参数。相反，就像往聊天框里粘贴一个示例一样，它停留在"对话"里。

抓住这一点，就抓住了Physical Prompting与传统方法的本质区别：以前是"重写大脑"，现在是"演示一次"。

Physical Prompting的三步

第一步：人类演示一次"用刷子把积木扫到一起"，秒表提醒你成本只有3到12秒。第二步：这段演示被编码成传感器-动作序列，像胶片一样插入机器人的"上下文窗口"。第三步：机器人在现场执行。

整个过程，没有重新训练，没有微调，没有数据标注。就像你给ChatGPT一段示例文本，它就能照着做——只不过这次，示例是物理动作。

这正是"机器人的ChatGPT时刻"最核心的隐喻：当机器人的"提示词"（prompt）变成一段几秒钟的物理演示，而不是成千上万条标注数据时，这个行业的游戏规则就变了。

为什么成功率下降反而是进步？

表面上看，从GEN-1的99%+降到GEN-1.5的59%，是巨大的倒退。但理解这个数字的关键在于：测试的难度完全不同。

GEN-1的成功率是在它见过的任务类型上测的——那是"背诵"。GEN-1.5的成功率是在全新任务上测的——那是"理解"。一个从没见过的新任务，看一眼演示就能有接近六成的成功率，这在过去是不可想象的。

打个比方：一个学生考试，考他做过的题，得99分；考他从来没见过的题，得59分。哪个更说明问题？显然是后者。

更重要的是，这59%会随着模型迭代快速上升。而一旦机器人的学习成本从"数周训练"变成"几秒演示"，机器人进入工厂、仓库、家庭的速度会远超大多数人的预期。

资本市场的信号

宇树上市当天暴涨629%，说明资本市场对机器人"身体"的热情已经点燃。而Generalist在同一天发布GEN-1.5，则是在"大脑"层面给出了一个新的方向。

两条线在同一天交汇，不是巧合。

机器人的硬件正在快速成熟，成本在下降，运动能力在提升。而软件层面，如果"物理提示词"这条路走得通，那么机器人将不再需要为每个新任务单独编程——只需要有人演示一遍。

这就像iPhone发布前的智能手机市场：硬件已经有了，缺的是一个让所有人都能用的交互方式。Physical Prompting，可能就是那个交互方式。

前夜还是幻觉？

当然，59%的成功率意味着在真实场景中，机器人仍然会频繁出错。一个在实验室里能"临场应变"的机器人，到了嘈杂的工厂车间、复杂的家庭环境，表现会打多少折扣，还是未知数。

但回顾ChatGPT的历史：GPT-3刚发布时，生成的内容也经常逻辑混乱、事实错误百出。真正让它破圈的，不是模型突然变得完美，而是人们发现——可以用对话的方式让它做事，哪怕它经常犯错。

GEN-1.5的意义正在于此：它第一次让"教机器人做新事"的成本低到了可以用秒计算。哪怕成功率只有59%，这个方向本身，已经足够让整个行业重新思考机器人的未来。

人们总是高估未来两年的变化，低估未来十年的变化。两年前，没人能预测到ChatGPT会以那样的方式改变世界。今天，当一家公司的机器人用左手从钱包里拿出钞票时，我们或许正站在类似的节点上。