具身智能，卡在哪——王兴兴的"一两年"到底承诺了什么

文 | 韩工观察

10月12日，上海工博会开幕式圆桌，王兴兴又一次被问：具身智能的"ChatGPT时刻"还有多远？

他的回答上了所有头条："快的话甚至一两年内就有可能，因为明年GPT-7出来，可能直接把具身智能问题打穿。"（据中国证券网、澎湃新闻对工博会圆桌的报道）

这句话值得认真对待，但值得认真对待的方式，不是去争论GPT-7到底强不强——而是先看清这句话的结构：它用一个模型的名字，承诺了一个Agent的未来。

这两个词在行业话语里被有意无意地混用，但它们是两种东西。模型是概率系统，Agent是行动系统；模型解决"怎么想"，Agent解决"怎么活"。

把这两者拆开，具身智能的真正卡点才会显形——它不在任何一个模型公司的实验室里。

一、先把三个东西分开：模型、Agent、物理载体

模型是翻译官和参谋。 大语言模型和世界模型干的是同一件事：在抽象空间里做概率外推。你告诉它"把桌上那杯水拿过来"，它输出一张"地图"——识别杯子、规划路径、列出步骤。

地图可以画得很细："目标在左前方三米，圆柱体，建议抓握力度中等"。但地图不是脚。它不知道杯子有多重、杯壁是滑是涩、装满水和空杯子的手感差多少。模型对物理世界的全部"理解"，是对文本和视频统计规律的拟合，不是对物理实体的测量。

Agent是场景里的决策者。 一台能干活的家务机器人，真正的指挥中枢不是那个云端大模型，而是装在它身上的整套行动系统：一个总Agent负责调度，眼睛上有视觉子Agent，手上有力控子Agent，各自管一段执行，靠传感器反馈实时纠偏。

大模型把指令翻译给它，它把翻译落地成动作——手伸过去发现桌子比预想高了五公分，视觉马上修正，手部重新计算轨迹。这个"收到命令、结合现场、自己判断、闭环纠错"的能力，才是Agent的本体。

物理载体是执行的手脚。 灵巧手、关节电机、触觉传感器、整机结构。这一条腿最容易被发布会忽略，但它的天花板直接就是Agent的天花板：脑子再厉害，手不厉害也不行。

行业里一只工业级灵巧手单价三到四万元，真机摔一次就是一只手的代价——这决定了物理技能只能靠真机一寸一寸磕出来，没有云端捷径。

所以"GPT-7打穿具身智能"这句话的准确翻译是：翻译官和参谋可能迎来一次升级。但翻译说得再准，仗还是要士兵自己打。 而士兵的体能（物理载体）、作战经验（场景数据）、军规（标准），没有一样是GPT-7能给的。

还有一层更硬的分界：在很多高要求的阈值型任务里，物理世界不接受99%的把握。

对容错型任务，99%也许够用——叠被子、扫地，差了那一分只是不太好看；但对阈值型任务，差一点就是失败：拧螺丝要求拧到5度，拧到4度是松，拧到6度是滑丝；放盐要求3克，1克淡，5克咸。

问题是，行业里流传的"成功率"数字，几乎从不区分容错型与阈值型——把叠毛巾的80%和拿杯子的80%混在一起说，听起来都是"八成把握"，性质完全不同。

Figure那份56%的成绩单如果拆开看：铺床67%尚可，"收拾客厅"40%——十次里六次没收拾好，这在实验室可以接受，在家里谁敢用？

二、三把尺子量Agent：走完一整步，卡在第三步之前

我在《梁文锋为什么先修操场，而不是先卖门票》《谷歌给Agent发工牌》（钛媒体9月、10月刊）里磨过一把尺子：标准分三层——结果标准、过程标准、迭代方向标准。

Agent的自主，从来不是"自定标准"，而是"在标准内自选路径"。 注意，这三层标准量的是Agent，不是模型——模型只负责下一次预测得更准，它不存在"迭代方向"问题；Agent才必须面对"这次失败了，下次怎么改"。

结果标准：Agent走完了一整步。 走路、跑步、跳舞、格斗、固定产线动作，成功率可以拉满。

但要确定两点：其一，这一层的成功大多建立在刚性路径上——动作是工程师示教出来的；其二，结果标准只覆盖"结果对了、中间怎么走都行"的任务，一旦任务隐含刚性顺序（炒菜先放油后放盐），或带有阈值（拧到5度），结果标准立刻失效。

过程标准：刚起步，且分化清晰。把机器人放进开放环境，刚性路径的覆盖率急剧下降，柔性路径必须大幅接管——此时它需要在人给定的标准空间里自己找路径、处理例外。

这是全行业的主战场。Figure官方披露，Helix 2.5在旧金山湾区30户陌生住宅做铺床、叠毛巾、收拾客厅，420次试验整体完整任务成功率约56%（铺床67%、叠毛巾62%、收拾客厅40%；据Figure官方2026年9月发布，为单方披露，尚无第三方独立复现）。

智元GE-Act 2.0披露真机数据从300小时扩到3万小时后，100项原子任务零样本平均成功率从17.1%升至44.1%，且"尚未看到明显饱和"（据智元官方2026年9月发布）。

第三方基准口径更冷——RoboCurve测试中GPT-6 Astra简单抓取可达95%，毫米级对位插入只有10%；RoboDojo的42项任务平均成功率22.48%（据第三方公开评测，口径各异，不可横向比较）。

一句话：语义和粗操作这条路上，通用大模型确实突飞猛进；接触密集、力控密集的半条路，目前最好的系统只能做对一半。

顺带提醒一个常被忽略的事实：OpenAI官方的GPT-6测评里，没有一项是机器人任务——官方强项是推理、数学和电脑操作。

机器人圈所有的"飞跃"证据都来自第三方，而第三方证据自己就长这样：95%对10%。

迭代方向标准：没有，而且这不是时间问题，是原理问题。 今天的机器人不会把A家摔的跤变成B家的先验，不会连续三次抓滑杯子后自己总结出"这个材质要加力"。

谷歌研究机构参与的RRSI预印本（2026年9月，arXiv）提供了一个旁证：无约束的Agent自我改进，在训练分布内越改越聪明，换到分布外任务收益迅速缩水；加上正则化约束后分布外表现有所改善，但幅度有限，且高度依赖具体评测集（预印本，未经同行评议）。

连谷歌自己的研究都在承认："机器改自己"今天只发生在验证器清晰、评价器在手的窄域里。

为什么这一层最难？因为它要求Agent自己判断"什么是更好"——而至少在可见的路径里，标准永远是人写的。

这不是技术局限，是治理结构的必然：结果标准背后是验收口径，过程标准背后是安全责任，迭代方向标准背后是价值取舍。

拧螺丝拧到几度算合格，是工艺工程师定的；手术缝针间距几毫米，是行业用一万台手术换来的；同一个人叠被子，你要求豆腐块，他要求随便一卷——同一个物理世界，两套标准。

机器可以统计出"多数人怎么叠"，但它不知道你今天心情不好、叠差半档会不会挨骂。出了事，坐牢的是人，吊销执照的是人，所以定标准的权力必然攥在人手里。

一个没有行业经历的Agent，不可能自己长出行业标准——知识是从实践里长出来的，机器没有人类意义上的实践，也就无从内生这种绑定了责任与价值取舍的"活知识"。

所以第三步的缺口，本质上是一个真值缺口：迭代需要验证器，具身智能的验证器是真实世界对每一次接触给出的、不可伪造的物理反馈。

这个验证器，不在任何云端。它只在院墙里，在人的手上，在一万次失败标注出来的那一条边界上。

三、数据主权：操场上的Agent，进不了院墙

如果卡点在真值，那真值在哪、归谁所有，就是比"几年突破"更本质的问题。

不妨设想这样一个画面。假如协和医院买回一套Agent骨架之后，要做四件事：把十年的病历、术野视频、科室规范灌进去；让本院的医生陪着练——做对了给反馈，做错了纠正，把"知识"转化成"肌肉记忆"；练出来的Agent跑在院内，数据不出院；再定义自己的验收标准。

整个过程里，外部公司可以提供工具和技术支持，但数据、陪练和标准，全部锁在围墙内。协和要的从来不是"一个天生会做手术的通用Agent"，而是"接上自己HIS系统、喂自己数据、符合自己标准的协和版Agent"。

这个画面背后，是两种完全不同的Agent。

操场上练出来的Agent，是公共品。 DeepSeek这类公司用互联网文本、公开语料、自博弈轨迹，练出的通用Agent骨架——会拆任务、会调工具、会写代码。它跑在公共跑道上，规则公开，人人可用。

但操场练不出攀岩：协和的病历、普华永道的底稿、产线上"这个工件少拧半圈会断"的力控经验，都不在操场上。

院墙里练出来的Agent，是私有资产。 而行业SaaS公司天然是院墙时代的主角——它们手里已经握着数据池和流程骨架。这也引出一个被叙事遮蔽的市场事实：高质量物理交互数据的买方，从来不是大模型公司。

从目前公开的业务方向看，OpenAI本身并不直接运营物理机器人硬件，没有原生动力去大规模采集"湿手捏鸡蛋"这类真机交互数据。真正抢这些数据的是做Agent的公司。

而数据缺口是硬性的：据野村证券2026年7月报告及中国信通院《具身智能训练场研究报告（2026）》口径，全球高质量真实物理交互数据存量约50万小时，通用具身模型训练至少需要1000万小时级；规模化真机遥操作有效数据单价约500至1000元/小时，不同采集路线差异极大，无统一官方统计口径。

更刺眼的是出货结构：据IDC 2026年9月发布，2026年上半年全球人形机器人出货接近2.5万台，其中科研教育、表演展示、政府数采中心合计占比约69%——现在卖出去的机器人，近七成是"被研究、被表演、被采数据"，不是在替人干活；而这69%里的大部分，数据还回流不到厂商手里。

由此就有了那两个区分。融资数据和救命数据：巡逻、迎宾、递水、跳舞，采回来的是融资数据——好看、能上发布会、对泛化帮助有限；汽车厂总装线上下料、3C产线拧螺丝，采回来的是救命数据——动作高频、物体有限、容错有兜底，每一次失败都是标注好的负样本。

宇树2024年起已在汽车工厂等多类场景试点，方向是对的，但公开材料未披露具体车企、产线、运行时长与任务级成功率——一句话概括：有试点，没审计。出货量和数据资产之间，隔着回传协议和共建机制，这一层目前没有公开证据显示任何中国厂商已经跑通。

同域迁移和跨域迁移：训练过的五项任务，从A家搬到B家，是同域泛化——环境变了，物理标准和操作逻辑没变，这条路数据能喂养；但叠毛巾到削苹果、家务到手术，是跨域——新标准、新数据、新责任链，至少在今天已验证的工程边界之内，不存在"迁移"，只存在"转行"。

三百六十行最底层的规律可以共通，但每行的验收标准、反馈信号、迭代目标，是在各自机构的私域流程里长出来的"活的约定"，公域文本里只有目录，没有血肉。

四、结语：该盯着看的三件事

语言模型可以把剑谱写得越来越厚，但刃口崩了该调多少度，只能在车间里一锤一锤试出来。

模型是概率的，物理世界是确定的；从"猜得大概对"到"做得确定对"，隔着几十万小时没人替你采的真机数据。

所以关于具身智能，值得盯的从来不是谁家又放了一段惊艳演示，而是三件事：评测有没有第三方考场——下一次再听到"突破"，先问多少场景、什么任务、失败怎么统计、阈值型任务占几成；数据有没有回流闭环——哪家公司的机器人在真实产线上跑出了可回采的数据飞轮，哪家就在攒真资产；标准主权在谁手里——工业场景的标准在客户的工艺工程师手里，医疗场景的标准和数据一起锁在院内，家庭场景的标准在消费者的退货权手里，通用大模型从法理上很难直接进入这些私域闭环。

时间表会继续前移，也继续有人买单。真正决定具身智能何时进你家的，不是GPT-7什么时候发布，而是那些没人拍视频的车间里，被一条条采出来、标注好、喂进Agent的物理数据。

模型可以等，Agent不能等。它们不上热搜，但它们说了算。

【信息说明】

1. 王兴兴三次表态：2025年11月5日进博会"人形机器人创新发展合作"论坛（新华网：http://www.news.cn/energy/20251106/0ee9e5e4f67a482884b7ee537912895d/c.html，含"明后年""80%陌生生活场景完成约80%任务""目前全世界AI研发仍存在一定的概率性和运气成分"；环球网补充报道：https://m.huanqiu.com/article/4P1IPdSYZUR）；2026年8月20日世界机器人大会主论坛，演讲《从展品到产品：人形机器人产业的下一个十年》（中国网：http://news.china.com.cn/2026-08/21/content_118657739.shtml；光明网：http://tech.gmw.cn/2026-08/20/content_38954217.htm，含"固定场景下成功率可以接近100%""陌生环境泛化仍有瓶颈"及"物理AI自进化"相关表述）；2026年10月12日上海工博会开幕式圆桌（上海证券报·中国证券网：http://www.cnstock.com/commonDetail/800713，含"快的话甚至一两年内就有可能，因为明年GPT‑7出来，可能直接把具身智能问题打穿"）。以上均为媒体现场报道转述，工博会环节暂无官方完整逐字实录。
2. Figure Helix 2.5评测数据（30户住宅、420次试验、整体约56%、铺床67%/叠毛巾62%/收拾客厅40%）据Figure官方2026年9月17日发布，为厂商单方披露，尚无第三方独立复现报告；测试任务由厂商选定、家庭由其联络招募、判定采用全有全无口径。
3. 智元GE-Act 2.0数据（300至30000小时、G1-OP零样本成功率17.1%→44.1%、未明显饱和）据智元官方2026年9月发布，基于其内部测试条件，公开复现工作较少。
4. GPT-6相关：OpenAI官方GPT-6/GPT-6 Astra发布与系统卡中，机器人控制不在官方主评测项内；RoboCurve（简单抓取约95%、毫米级对位约10%）、RoboDojo（42项任务平均22.48%）为第三方评测，口径各异、结果不可直接横向比较；"GPT-6接入机器人效果非常不错"为王兴兴工博会现场转述，无配套公开量化指标。
5. 数据缺口（全球高质量真实物理交互数据约50万小时、需求至少1000万小时级）据中国信通院《具身智能训练场研究报告（2026）》及相关券商研报口径，为机构测算；规模化真机遥操作有效数据单价500—1000元/小时据野村证券2026年7月报告及行业调研口径，不同采集路线差异较大，无统一官方统计口径。
6. 2026年上半年全球人形机器人出货接近2.5万台、科研教育/表演展示/政府数采中心占比约69%，据IDC 2026年9月发布口径。
7. RRSI论文结论（分布内自我改进有效、分布外收益缩水、正则化改善有限且依赖评测集）据arXiv预印本（2026年9月），未经同行评议，各评测集结果差异较大，故采用定性表述；灵巧手单价及真机损耗为行业公开报价量级，非统一指导价。
8. "操场Agent/院墙Agent""翻译官与参谋""融资数据/救命数据""有试点，没审计""标准永远是人写的"（含责任归属论证）、"物理世界不接受99%"（含容错型/阈值型任务之分）均为作者分析框架、比喻或推演，非行业官方结论；协和医院、普华永道等机构的场景描述，是基于公开行业合规要求（数据不出院、审计底稿保密等）做出的一般性产业逻辑推演举例，不构成对任何具体机构的评价；"迁移=转行"的表述适用于今天已验证的工程边界。

本文基于公开信息独立撰写，文中涉及对企业的分析与判断，均为作者基于公开资料的研究性观点，不构成投资建议，亦不代表对相关企业的任何立场。相关数据以企业官方披露为准。