机器人行业正迎来自己的“ChatGPT时刻”：具身AI的底层模型革命

摘要

具身AI迈入通用基础模型时代机器人行业正在经历一场范式迁移——从任务专属模型，转向具备空间与时间推理能力的通用基础模型。这一转变，被业内视为机器人领域的“ChatGPT时刻”。核心逻辑在于：模型的泛化能力本身已成...

具身AI迈入通用基础模型时代机器人行业正在经历一场范式迁移——从任务专属模型，转向具备空间与时间推理能力的通用基础模型。这一转变，被业内视为机器人领域的“ChatGPT时刻”。核心逻辑在于：模型的泛化能力本身已成为可交付的产品。当基础模型真正理解物理世界的时序关系与三维结构，企业便无需为每款机器人、每个作业场景重复采集数十万甚至数百万小时的真实世界数据。训练范式重构：游戏数据成为物理直觉的“预科班” General Intuition选择了一条非传统的路径：用数百万小时的视频游戏数据作为初始训练原料。这些数据不仅包含画面帧，更精确记录了人类玩家在特定情境下按下按键的时机与动作意图。这种高密度、强对齐的动作-感知-反馈序列，天然蕴含着人类对空间布局、因果时序和动态交互的直觉。团队发现，经此训练的基础模型，已能自主连续运行复杂游戏数小时，并可快速适配真实机器人控制任务。真实世界微调：8分钟数据撬动四足机器人行动力在物理世界验证中，该模型仅用8分钟前置摄像头采集的真实视频数据（无激光雷达、IMU等额外传感器），即完成对四足机器人的端到端行为微调。测试环境包含移动行人与随机穿行的动态物体，系统全程仅依赖单目视觉输入实现稳定导航与避障。这印证了通用模型对小样本、弱传感条件的强适应性。不做硬件厂商，专注做物理世界的“操作系统” General Intuition明确自身定位：不研发整机机器人，也不切入具体应用场景，而是打造可被广泛调用的具身智能底层模型。其目标不是替代机器人公司，而是大幅降低物理AI产品的开发门槛——正如大语言模型支撑起千行百业的AI应用，这家公司将致力于让下一代仓储物流机器人、家庭服务机器人乃至特种作业平台，都能基于同一套高鲁棒性、高泛化性的基础模型快速构建、迭代与部署。