0行代码看一遍秒会：具身智能迎来“GPT-3时刻”，但机器人的真实瓶颈才刚刚浮现
AI飞行客 0行代码看一遍秒会：具身智能迎来“GPT-3时刻”，但机器人的真实瓶颈才刚刚浮现
就在北京 WRC 世界机器人大会热火朝天、宇树科技敲钟上市市值破 4000 亿的这周，大洋彼岸的硅谷悄然丢下了一颗深水炸弹。
由前 Google DeepMind 机器人团队与波士顿动力核心成员创立、李飞飞与黄仁勋亲自参投的独角兽 Generalist AI，正式发布了新一代具身基础模型 GEN-1.5。
这个模型在整个机器人圈引发了类似 2020 年 GPT-3 问世时的集体震颤：给机械臂看一段 3 到 12 秒的人类动作视频，0 行代码、0 梯度微调（One-Shot），机器人当场就能把任务执行出来，10 项操作平均成功率达到 59%；如果给它 5 分钟数据微调 10 个梯度步，成功率直接飙到 83%！
更炸裂的是，当给它一个没见过的工具（比如给它一把用来扫积木的簸箕），它不再模仿“扫”，而是自发改用“推上簸箕再倒进碗里”的全新接触序列。
这标志着 Scaling Law 正式跨过数字世界，攻入了物理现实。但狂欢背后，具身智能的真正生死劫才刚刚开始。
物理提示（Physical Prompting）：把编程三个月压缩进三秒钟
理解 GEN-1.5 的突破，首先要明白传统工业机器人有多笨拙。
在过去，教一个机械臂拧特定规格的瓶盖或折叠衣物，算法工程师需要采集数万条遥操作数据、调试几个月轨迹代码。换一个新场景或新物体，整套流程就得重来一遍。
GEN-1.5 搬进物理世界的，正是当年 GPT-3 赖以成名的上下文学习（In-Context Learning）能力——官方称之为 Physical Prompting（物理提示）：
1. 零梯度更新的极速泛化：一段几秒钟的动作演示（传感器轨迹）直接塞进模型的 30 秒上下文窗口，模型参数纹丝不动，仅凭当前环境视觉与上下文演示，就能直接规划力矩与运动轨迹。 2. 预训练物理常识的“即兴涌现”：连续 8 个月、超百万真实交互场景的预训练，让模型自发具备了物理直觉。当碗被纸盖住时它会自己先掀开纸，当乐高粘在机械指尖上时会用另一只手拨下来——没有人在代码里写过这些异常处理分支，这是大规模动作预测训练后自行涌现的元认知。 3. 跨越 Sim2Real 与异构形态：即便把模拟器里录制的一段动画塞给它，真实机器人也能无缝理解意图并复现到不同的机械手架构上。
正如官方所言：当预训练越过某个阈值后，适配一个新任务的成本已经趋近于零。它不再是重新学习，而是在“提醒模型一些它早就知道的物理经验”。
狂欢背后的冷思考：短程玩具到工业闭环的鸿沟
在各路投资机构欢呼“机器人的 ChatGPT 时刻”时，我们必须保持 Kate 一贯的反 Hype 清醒：
GEN-1.5 确实是物理世界的 GPT-3，但请记住——从 GPT-3 到真正能产生商业生产力的 ChatGPT，整整走了两年半。
现在的 GEN-1.5 依然面临几个致命的工业级硬伤： – 短程玩具 vs 长程复杂工作流：目前测出的 59% 成功率全部集中在 10 秒以内的原子动作（拧瓶盖、拉拉链、扫积木）。在真实工厂和家庭中，一个长达数分钟、包含数十个因果依赖步骤的任务，哪怕每一步成功率有 90%，相乘之后的端到端成功率也会迅速跌破两位数。 – 物理世界的“容错成本”极其高昂：大语言模型吐错一句话只是文字幻觉，刷新一下即可；但工业机器人如果拧螺丝滑丝、摔碎昂贵工件或机械臂过载碰撞，一次物理失败就意味着真金白银的停线与硬件损坏。 – 躯体与大脑的价值大洗牌：宇树科技等硬件厂商的出货量奇迹证明了中国在精密制造与本体成本上的统治力，但招股书利润回落背后，暴露出的是“有躯体、无大脑”的深层焦虑。一旦通用具身基础模型在云端成熟，硬件本体将迅速同质化与白菜化，产业链价值将不可逆地向掌控物理世界大模型的软件巨头集中。
Kate 的观点与判断
面对具身智能这一轮历史性的技术转折，我有三个坚定的判断：
1. “硬编码机器人算法”的时代彻底结束了。任何试图靠写死运动学方程和规则状态机去覆盖长尾场景的机器人公司，都会在具身基础模型的泛化能力面前被降维淘汰。拥抱物理世界端到端大模型是唯一的生路。 2. 物理交互数据将成为比算力更凶险的护城河。大语言模型把互联网文本扒光了，但物理世界的高质量“手脑协同”交互数据极度匮乏。谁能通过可穿戴设备（如 UMI 夹爪）和规模化机械臂低成本采集真实“失败-恢复-纠错”的闭环数据，谁就掌握了具身时代的石油。 3. 给投资人和创业者的警告：警惕“展会 Demo 幻觉”。在展会上能连贯拧三个瓶盖，和在无人车间连续无故障运行 720 小时完全是两个物种。不要被几秒钟的 One-Shot 演示冲昏头脑，关注长程任务规划、接触力觉反馈与故障自愈率，才是判断真假落地的唯一黄金标尺。
物理世界的大门已经被大模型推开了一条缝。但要让机器真正接管人类的双手，前面依然是重山万叠。