点点赢北大教授杨耀东：距离具身智能的ChatGPT时刻还有一段距离

专题：中东通·高层会客厅

　　中东通·高层会客厅活动于7月8日在香港举办，主题为“思维重构、生态蓄势、节点突破、行者致远”。北京大学人工智能研究院教授；灵初智能首席科学家杨耀东出席并演讲。

　　谈到具身智能行业“内卷” 这个话题，杨耀东认为内卷非常正常。大模型包括整个具身智能赛道，发展是四个数量级的对数空间，每一格就是 10 倍的差距。所以往前推进的时候，感受到资本、技术、产品、落地各方面的压力，是非常正常的。

　　他指出，每个维度都会经历洗牌，不只是数据、模型、算力，公司数量、融资份额，还有产品研发周期、模型迭代速度、数据量增长等等，都有数量级的差距，落到个体感受上就是 “内卷”。

　　杨耀东表示，今年春晚之后，舆论上大家都在问机器人能不能真的干活。

　　“我们都非常期待具身智能的 ChatGPT 时刻，但很遗憾，目前我们还有一段距离。”他说。

　　如何迎来具身智能的 ChatGPT 时刻，是机器人真正开始干活的重要前提。目前产学界都在疯狂往前迭代，融了这么多钱也是希望加速这个进程。　　

　　他指出，具身智能机器人，目前还没有成熟的 L2 级规模化应用形态，数据生产过程本身就是重投入的制造业环节。“今年年初我们估算，数据制造与服务的收入能占到 90%，相比之下卖机器人本身赚不了多少钱，一台机器人卖不了多少价，差不多按铁的重量在卖，因为行业太卷了。”他说。

　　他表示，具身智能模型真正实现泛化、完成各类通用任务，最大的瓶颈还是数据。学界有个共识观点，大概需要 1 亿小时的人类操作数据，才能支撑模型实现能力跃迁。单从手部操作来看，国内每小时人类操作数据的采集成本大概是300元，对各家具身智能公司来说，虽然已经投了很多钱，但离 1 亿小时的总量还差得很远。

　　“而且这还是国内的成本，要是去硅谷或者美国其他地区采集这类数据，人力、时间成本还要高得多。所以从全球范围看，要训练出可用的具身智能模型，数据瓶颈是非常突出的稀缺资源。”他说。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。