据MIT Technology Review 2026年10月8日报道，尽管人工智能在机器人领域接连取得突破，人形机器人和通用机器人距离真正改变普通人生活仍有漫长距离。特斯拉CEO埃隆·马斯克宣称，人形机器人Optimus将成为“史上最大产品”，有望在2027年底前上市销售。然而，多位顶尖机器人学者对此泼下冷水，认为当前AI方法无法应对物理世界的无限复杂性。
明星身高机器人遇见先进AI
谷歌DeepMind的ALOHA 2机器人展示了AI如何让机械臂执行复杂任务。这款设备由两条机械臂、夹爪和摄像头组成，搭载最新的视觉-语言-动作模型（VLA）Gemini Robotics。在演示中，它能够将面包片放入自封袋、把葡萄装进保鲜盒，再整齐码入午餐盒。伦敦帝国理工学院机器人学教授爱德华·约翰斯指出：“今天的VLA模型能在训练过的任务上表现不错，但一旦遇到全新任务，几乎必然失败。”据DeepMind前技术主管潘纳格·桑凯蒂透露，公司正试图收集“尽可能多的数据”来模拟人类演示，但缺乏像语言模型那样海量的文本数据源。
明星年龄
寻找真正通用性：数据困境
机器人通用性的核心瓶颈在于训练数据的匮乏。特斯拉Optimus依靠仿真和真实世界部署收集数据，但成本极高。Agility Robotics联合创始人乔纳森·赫斯特直言：“以为靠更多数据就能实现通用性，这是一个根本错误的假设。”他解释道，真实世界中变量爆炸式增长，例如煮咖啡这一简单动作就涉及厨房布局、咖啡机型号、杯子形状、食材状态等无数变量。赫斯特认为，通过VLA实现通用性需要“覆盖机器人可能做的所有事情的完整数据”，这近乎无穷无尽。“图灵三巨头”之一的杨立昆（Yann LeCun）在2026年1月达沃斯论坛上表示：“在语言领域成功的方法，对高维、连续、带噪声的机器人数据无效。你必须使用其他方法。”
明星老公世界模型：另一条路径
面对数据困境，多家机构转向“世界模型”——一种能够预测物理世界动作后果的AI系统。英伟达和谷歌DeepMind正在开发此类技术，而明星创业公司World Labs（由斯坦福AI研究员李飞飞联合创立）在2026年2月获投10亿美元（据路透社报道），随后于9月底被AMD以82亿美元收购。杨立昆共同创立的AMI Labs也在2026年3月融资10亿美元。然而，李飞飞在2025年底将这一领域描述为“尚在萌芽”，承认“基础方法仍在建立中”。世界模型仍处于研究阶段，但已显露出潜力。
明星夫妻
突破？Physical Intelligence的π0.7
位于旧金山的创业公司Physical Intelligence（简称PI）专注于开发可适配任何机器人的“通用大脑”。其VLA模型π0先后推出多个版本：2024年首版π0公司称其为“当时最强大的通用机器人策略”；2025年春季的π0.5加入网络标注图像，提升了多样性；2025年秋季的π0.6引入强化学习。2026年4月发布的π0.7首次展现出“组合泛化”能力——通过重组已学技能完成从未见过的任务。在一段演示中，机器人被要求“把红薯放进空气炸锅”——它从未受过专门训练，却成功完成了部分操作。加州大学伯克利分校教授、PI联合创始人谢尔盖·莱文表示：“这是我们第一次令人信服地看到组合泛化，模型能够对没有专门数据收集的任务做出可用的尝试。”当然，该能力仍十分有限，研究人员发现训练数据中恰好有两个相关案例，才使这一“突破”成为可能。
| 项目 | 技术路线 | 训练数据规模 | 当前能力 | 局限 |
|---|
| --- | --- | --- | --- | --- |
|---|
| 特斯拉Optimus | 仿真+真实世界数据 | 未公开 | 工厂搬运、家庭演示 | 多数演示远程操控，自主性低 |
|---|
| DeepMind ALOHA 2 | VLA模型（Gemini） | 数万小时遥操作 | 组装午餐、折叠衣物 | 新任务失败率高 |
|---|
| Physical Intelligence π0.7 | VLA+轻量世界模型 | 超10,000小时演示+开源 | 组合泛化（红薯进炸锅） | 依赖训练集中相似案例 |
|---|
| World Labs（视空间智能） | 世界模型 | 大规模视频+3D扫描 | 尚未公开商业化 | 基础方法仍在建立 |
|---|
“70%成功率等于失败”
尽管实验室中机器人能完成越来越复杂的任务，但实际部署仍需极高可靠性。MIT Technology Review指出，许多令人惊叹的演示（如特斯拉Optimus跳舞、英伟达CEO黄仁勋在2025年3月舞台上与机器人互动）其实是由人类远程控制或预先编程的。《信息》杂志曾披露，黄仁勋身旁的机器人背后有一名操作员在幕后操控。约翰·赫斯特称：“在工厂或家庭里，90%的成功率还不够——你无法接受机器人10次中失败1次。70%的成功率则意味着它根本不能用。”这种实验室与真实世界之间的巨大落差，正是短期无法改变普通人生活的核心原因。
未来展望：耐心与路径之争
机器人学正站在分岔路口：一边是延续当前VLA路线、持续扩大数据规模；另一边是探索世界模型等更根本的认知框架。PI的π0.7展示了短期进步的可能，但正如李飞飞所言，“基础方法仍在建立”。莱文认为未来可能需要“多管齐下”，将遥操作数据、互联网视频和真实世界部署相结合。而赫斯特则更悲观：“我们可能需要一个全新的突破，就像深度学习之于计算机视觉那样。”
Q1: 人形机器人何时能进入家庭？
A1: 短期内不太可能。尽管特斯拉宣称2027年上市，但多数专家认为，当前AI系统无法处理家庭环境的无限变量，且成本（Optimus预计2万美元）和安全性仍是障碍。至少还需5-10年才可能出现初级辅助机器人。
Q2: 世界模型能解决机器人通用性问题吗？
A2: 有潜力但尚未成熟。世界模型能让机器人预测动作后果，减少对训练数据的依赖。但该领域仍处于早期科研阶段，李飞飞承认“基础方法尚未确立”。短期内，VLA+世界模型的混合方案更可能落地。
综上所述，AI在机器人领域的突破令人振奋，但人形机器人真正进入日常生活仍需十年以上的耐心。技术路线的分歧、数据瓶颈和安全可靠性挑战，意味着短期内人类不会看到家用机器人像智能手机一样普及。
