人形機器人迎來飛躍！逐際動力張巍：智能水平已達 GPT-3 階段

在 2026 年世界人工智能大會上，人形機器人再度成為全場焦點。逐際動力創辦人張巍於會中發表主題演講，直言當前人形機器人正處於指數成長的飛躍階段，其內建的「機器人大腦」智慧水準已達到類似 GPT-3 的階段，並強調這並非線性進步，而是一次突破性的技術躍遷。 張巍指出，逐際動力自 2022 年成立以來，便以技術為核心，定位為一家產品型公司。他坦言，機器人本體的製造難度相對較低，真正的挑戰在於如何將人工智慧與物理世界的真實數據結合，從而實現更高效、更貼近現實的智慧應用。在他看來，物理 AI 正是驅動整個產業發展的核心關鍵。 張巍進一步解釋，現階段的具身智慧技術發展，可以理解為「機器人大腦」已經進入類似 GPT-3 的初級階段。這個大腦並非單一模型，而是由多個不同功能的模型所組成，包括語言模型、視覺模型、任務規劃模型等，彼此協同運作，形成一個完整的系統。他認為，未來的重點在於如何讓這些技術在毫秒等級內即時協同，並與硬體進行最佳化整合。 人形機器人從實驗室走向實際應用的路途，過去幾年一直面臨高成本、低泛化能力的瓶頸。然而隨著大規模語言模型與視覺模型的快速進展，機器人開始具備理解指令、辨識環境、規劃動作的能力。張巍以 GPT-3 作為類比，正是因為 GPT-3 代表著語言模型從「能說」到「能理解」的關鍵轉折點，而人形機器人目前也正處於這樣一個從「能動」到「能思考」的轉折期。 逐際動力在業界以「軟硬體一體化」策略聞名，強調演算法與機械結構的深度耦合。張巍在演講中提到，機器人要在非結構化環境中穩定作業，必須仰賴即時感知與決策能力。傳統的機器人控制多採用預先編程的路徑規劃，但面對動態變化的環境，這種方式顯然不夠靈活。如今，結合大模型與強化學習，機器人已能自主調整動作，甚至透過視覺回饋修正抓取姿勢。 不過，張巍也坦言，從 GPT-3 到 GPT-4 的躍進並非一蹴可幾，人形機器人同樣需要時間累積數據與訓練。他認為，目前業界普遍低估了物理世界數據的取得難度。與純文字數據不同，機器人需要在真實環境中反覆試驗，才能學會如何應對重力、摩擦力、光照變化等變數。這也使得具身智慧的發展速度，遠比純語言模型更為緩慢。 在演講中，張巍特別強調了「毫秒級協同」的重要性。他解釋，機器人的語言模型可能花了數百毫秒理解指令，視覺模型又花數百毫秒辨識物體，任務規劃模型再花數百毫秒決定動作順序，這些延遲疊加起來，就足以讓機器人在動態環境中「反應遲緩」。因此，未來必須將這些模型壓縮、優化，讓它們能夠在極短時間內完成推理，並與硬體控制迴路無縫銜接。 逐際動力目前正積極投入「端到端」的機器人學習框架，試圖跳脫傳統模組化的設計，讓機器人直接從感測器數據到動作輸出，減少中間環節的延遲。張巍認為，這條路雖然困難，但卻是讓機器人真正具備「智慧」的必經之路。他也透露，團隊正與多家半導體廠商合作，開發專為機器人設計的邊緣運算晶片，以滿足即時運算需求。 對於人形機器人的商業化時程，張巍保持謹慎樂觀。他指出，目前機器人的成本仍然偏高，尤其是在感測器、關節馬達與高精度減速器方面，仍有不少降本空間。但他也觀察到，隨著供應鏈成熟與規模化量產，未來五年內人形機器人的價格有望大幅下降，屆時將有機會進入家庭、養老、物流等服務場景。 世界人工智慧大會上，張巍的演講引發了與會者熱烈討論。不少業界人士認為，將人形機器人的智慧水準比擬為 GPT-3 階段，既點出了當前的技術邊界，也暗示了未來巨大的成長潛力。正如 GPT-3 催生了後續的 ChatGPT 熱潮，人形機器人也可能在未來幾年內迎來屬於自己的「iPhone 時刻」。 逐際動力作為中國具身智慧領域的指標性新創，其技術路線與市場判斷備受關注。張巍最後總結，物理 AI 的發展不僅需要演算法突破，更需要硬體與數據的全面配合。他相信，只要持續在「機器人大腦」與「機器人身體」之間找到最佳平衡，人形機器人將在不遠的將來，真正走進人類的日常生活。