机器人为何还没迎来ChatGPT时刻？英伟达高管将现场拆解

2022年11月，ChatGPT第一次出现在公众面前。几乎是一夜之间，和大语言模型对话从技术圈的话题变成了普通人每天在做的事。AI就此跨过炒作期，落进了现实生活。

机器人被讨论、被研发、被部分采用的时间，其实比AI还要长。但它始终没有等来属于自己的那个爆发瞬间。这个落差，正是英伟达物理AI负责人Les Karpas要在TechCrunch Disrupt 2026上讲清楚的问题。

一场专门为"卡点"设置的对话

Karpas的这场分享被安排在Real World AI Stage，主题直指机器人当下的处境：机器人还在等它的ChatGPT时刻，而挡在路上的东西究竟是什么。

过去几年看过英伟达CEO黄仁勋主题演讲的人，对这家公司在机器人方向上的态度不会陌生。Karpas这次要做的，是把AI与机器人领域的限制和机会，一条条摆到台面上。

Disrupt 2026的举办时间是10月13日至15日，地点在旧金山Moscone West。届时会有超过10000名科技行业领导者、创始人和投资人到场，Karpas是这批AI相关议程中的一位。整个议程覆盖的范围，从如何创办公司一直延伸到如何在真实世界里把东西造出来。

门票方面，9月25日之前购票最多可省200美元，之后价格会上调。组团参加最多可省30%。

核心卡点：没有一份"全网级"的物理AI数据集

Karpas对通用机器人核心限制的判断，理解起来很简单，解决起来却极其复杂。

语言模型有OpenAI、Anthropic等公司可以依赖的互联网级数据集。物理AI没有对应的东西。这不是投入多少的问题，是这类数据本身就不存在于某个现成的语料库里。

即便是Waymo及其竞争对手的自动驾驶车队，也是靠多年累积的路测里程才建起数据集，而且这些数据集至今仍在逐个市场地扩张。这条路走得通，但走得慢，且高度依赖真实道路。

现在，一批正在成长的创业公司试图用另一种方式把规模"造"出来：

• 通过仿真生成数据
• 通过合成数据补充真实采集的不足
• 用同时在多种机器人形态上训练的基础模型，摊薄单一形态的数据成本

数字世界与物理世界之间的这道鸿沟，正是Real World AI Stage这个舞台被设立的原因。Karpas不会一个人讲，来自Shield AI、Colossal Biosciences、FieldAI和Foxglove的创始人们会一同登台，讲他们各自面对的具体难题和机会。

为什么是Karpas来讲这件事

在回答"机器人为什么还没有ChatGPT时刻"这个问题上，Karpas的位置相当特殊。

作为英伟达Inception的全球物理AI负责人，他负责协调公司与庞大创业生态之间的关系。这个生态横跨机器人、汽车、制造业、出行、智慧城市等多个方向。而那些正在试图填上数据缺口的公司，恰恰是他日常打交道的对象。

他走到这个位置的路，本身也说明了机器人行业对跨学科技能的要求。他先后在Stanley Black & Decker、Intellectual Ventures、Herman Miller、iRobot、Cirque du Soleil等机构担任过不同角色，做过架构师，也做过制造工程师。

这种履历不是偶然。机器人要落地，需要的不只是模型能力，还包括硬件、制造、场景理解这些彼此不重叠的知识。Karpas的经历正好覆盖了其中几块。

数据缺口之外，还有一层现实

把问题归结为"没有数据集"是准确的，但这句话背后藏着一个更难处理的现实：语言数据是现成的，物理数据必须被生产出来。

互联网上的文本和图像，是人类活动顺带留下的副产品。机器人在真实世界里抓取、行走、避障产生的数据，需要专门的硬件、专门的场景、专门的时间去采集。采集成本高，采集速度慢，而且不同机器人形态之间的数据往往不能直接复用。

仿真和合成数据提供了一条加速路径，但它们和真实世界之间始终存在差距。这个差距有多大、能不能被补上，是Karpas这场分享要触及的内容之一。

自动驾驶车队的路径说明了一件事：真实里程可以积累出可用的数据集，代价是时间和市场扩张的节奏。通用机器人面对的场景比道路复杂得多，这条路只会更长。

这场分享能听到什么

Karpas的session标题本身就是一个问题陈述：机器人还在等它的ChatGPT时刻，而挡路的东西是什么。

他会讲限制，也会讲机会。和他同台的创始人来自不同方向——有的做防务与自主系统，有的做生物科技，有的做现场机器人，有的做机器人数据工具。他们面对的是同一类问题在不同场景下的变体。

对于关心机器人何时能跨过那道门槛的人来说，这是一次把"卡在哪"讲具体的机会，而不是又一次关于未来的泛泛而谈。

Disrupt 2026的完整AI议程还在扩充，Karpas只是其中一位。从创办公司到在真实世界落地，这条线索贯穿了整个舞台的设置逻辑。