8月19日至23日，2026世界机器人大会（WRC）在北京举行
。大会期间 ，“具身智能的ChatGPT时刻什么时候出现？
”这一问题成为行业界及外界持续讨论的热门问题。对此
，大晓机器人董事长
、商汤科技联合创始、执董事王晓刚在接受《中国经营报》及其他媒体记者采访时回应指出，所谓“ChatGPT时刻” ，就是具身智能真正出现“智能涌现 ”
，具备更好的泛化能力 。“我觉得有两个前提：一个是数据，一个是模型
。
”

　　大晓机器人创立于2025年 ，主要布局具身世界模型 、基础模型及机器人应用
，在本届WRC期间，大晓机器人集中展示了其开悟世界模型3.〖壹〗
、 以人为中心的环境式数据采集方案2.0 ，以及面向即时零售、酒店服务和开放场景的“晓满 ”“晓新
”“晓途”三类行业解决方案。

　　要过数据和模型两道关

　　在采访中
，王晓刚从数据和模型两个维度解析了具身智能出现类似ChatGPT“智能涌现
”所具备的前提 。一方面，需要足够规模和质量的数据
。按照大晓机器人的目标规划 ，到2027年年底，数据量将达到千万小时的量级。“2025年整个行业积累的数据约为10万小时量级
，因此还有非常大的增长空间 。”王晓刚说，另一个前提是模型 ，要通过世界模型从海量数据里真正学到物理规律 、因果逻辑
。

　　王晓刚强调：“即便到了ChatGPT时刻
，它也只是一个新的起点。 ”他以大语言模型为例，ChatGPT于2022年11月底面世 ，经历了〖Three〗
、 四年的持续演进后
，才逐渐产生了现在比较高的生产力价值 。具身智能也是一样，即使观察到智能涌现 ，从这一时间点开始到机器人真正进入各种场景、形成明显的生产力变化
，还需要一定的时间
。

　　关于数据，大晓机器人自2025年开始采用的是以人为中心的“环境式数据采集技术
”。王晓刚指出 ，数据质量从L1到L5可分成不同阶段
，比如比较简单的L1，可能只有单目或双目摄像头采集的视频 ，缺少更丰富的标注，场景也相对单一 。这样的数据即使规模增加
，能够支撑的智能上限也比较有限。到了L5，从头部 、胸口到手腕会有不同类型的传感器 ，包括力触觉传感器；采集完成以后
，还需要对手部
、身体各个关节以及接触的物理对象做准确定位和追踪，并对力触觉信息进行建模
。这样的数据包含的信息密度更高 ，价值也更高。

　　“关键并不是只把采集设备做出来
，而是让数采方案、后端系统 、模型和真实场景形成紧密联动，我们才能判断什么样的数据真正能够促进模型迭代 。”王晓刚说道
。

　　王晓刚进一步表示 ，非常期待未来几个月看到世界模型的规模法则（Scaling Law）。随着真人环境式数据不断增加
，世界模型能力越来越强，对真机数据的依赖应该会越来越小 。“以前教机器人完成一个特定动作 ，可能需要上百小时真机数据；当基础模型足够强以后
，可能只需要几个小时，甚至更少的真机数据完成对齐 ，同时还能观察到新的智能涌现
。 ”

　　产业化路径“先to B，再to C”

　　记者在WRC现场观察到
，大晓机器人重点展示了其“晓满
”“晓新”“晓途 ”三类解决方案，对应的场景分别是即时零售
、酒店服务和开放场景自主作业。其中 ，“晓满
”打通机械控制、世界模型 、订单仓储全链路
，覆盖闪购仓、前置仓
、仓店一体与无人便利店等多元业态 。近来 已在烧卖购、快客达 、中石油便利店等真实场景中运行
。“晓新”面向酒店服务场景，围绕非标洗衣房等环节 ，尝试串联衣物收取
、放置、清洗和叠放等流程；“晓途 ”面向开放环境下的自主作业
，强调机器人在室内外衔接 、复杂道路通行和动态避障等场景中的适应能力。

　　王晓刚在采访中给出判断：“机器人未来要进入家庭，要经历一个先to B ，再to C的顺序 。即先在相对可控的生产和服务场景里持续验证
，等软硬件成熟度更高
、安全性和可靠性都建立起足够信心以后，再逐步进入家庭
。
”

　　基于此 ，大晓机器人选取 并展示三类行业解决方案：一是场景落地的可复制性。当前机器人落地面临的一个重要问题是硬件成本较高
，如果场景无法规模化复制，运营方很难在较短时间内收回投入 。只有场景能够持续铺开 ，产业链规模才能扩大，传感器、关节和芯片等零部件成本才有进一步下降的空间。二是这些场景拥有较大的任务上限
。即时零售并不只是简单地抓取和搬运
，还包括分拣 、补货
、装箱等多项任务；酒店服务也包含收取、清洗 、叠放
、熨烫等多个环节。随着机器人能够完成的任务越来越多，应用范围也会逐步扩大 。

　　三是这些场景的信息密度
。王晓刚认为 ，如果机器人长期只重复单一动作
，模型很难形成通用能力。即时零售和酒店服务包含多种物品、流程和突发情况，能够产生更丰富的真实交互数据 ，也与未来家庭场景中的物品总结  、分拣等任务存在一定关联 。

　　在模型和数据之外
，开源也是大晓机器人布局的重要策略
。王晓刚表示，大语言模型主要面向to C ，即使模型不开源
，也可以通过大量用户使用获得反馈。但世界模型需要部署到机器人端侧，并适配不同本体和不同场景 。如果完全闭源 ，能够实际接触和使用模型的人会比较少
，企业也难以从社区获得足够反馈
。因此，大晓机器人的开源不只是开放模型参数 ，还包括将模型部署到端侧GPU、接入运动控制系统的相关能力。王晓刚希望，在基础模型
、环境式数据和端侧部署能力逐步完善后
，面对新的硬件型号和新的任务，开发者只需要采集少量真机数据 ，就能完成模型对齐
，降低机器人应用门槛 。

　　王晓刚判断，未来半年左右 ，具身世界模型可能出现较明显的技术突破
。随着模型能力增强
，机器人可能完成一些过去没有被专门训练过的任务，并在真实工作中表现出更多泛化能力。到2027年 ，他希望看到更多机器人在即时零售、酒店服务等场景实现常态化运营 。在这一过程中
，真实场景不仅是机器人应用的终点，也是模型进化的数据来源。

　　“数据规模化必然会伴随场景规模化
。”王晓刚指出 ，场景铺得越多
，越能产生真实数据；模型能力越强，又越能支撑更多场景落地。大晓机器人希望通过模型 、数据和应用场景之间的循环 ，先在to B市场建立技术和商业闭环，再为机器人进入家庭打下基础 。

（文章来源：中国经营报）