从谷歌Genie4看机器人GPT时刻，人形机器人五年内够呛

原创 傅盛和龙虾三万 2026-10-30 19:05 北京

机器人这次真要开窍了？

机器人的ChatGPT时刻，可能真的快到了！

谷歌刚刚发布的世界模型Genie 4，让我对机器人行业有了三个更强烈的判断。

第一，未来可能根本没有独立的空间智能大模型，通用大模型最终会理解一切。

第二，困扰机器人多年的“大脑”问题，正在迎来真正的突破。

第三，未来五年人形机器人想走进千家万户干家务，基本没戏。

听起来有点矛盾吧？先看看谷歌这次到底做出了什么。

· · ·

一句话生成一个世界

10月27日，谷歌发布了新一代世界模型Genie 4。

简单说，给它一段文字，AI就能生成一个可以实时探索、互动的虚拟世界。你往前走，场景跟着变化；你让它增加人物、改变环境，它就能根据指令实时生成。

比如，你拍一张办公室的照片给它，让它在办公室里生成几个怪物。这些怪物就真的会出现在你的办公室里，还能跟里面的人实时对话。

你还可以一边玩一边输入指令，让它们继续做不同的事情。有人甚至让AI生成海底世界，潜入海底探索沉船。眼前的场景会随着你的操作不断变化，整个过程都是AI实时生成的。

难怪很多人看完都惊叹，AI怎么突然这么懂空间了？

所谓外行看热闹，内行看门道。

这些演示背后，更重要的是AI对物理世界的理解正在快速进步，有三个点会影响整个行业。

· · ·

未来可能只有一种智能

这几年，很多公司都在研究专门理解三维空间、物理运动的模型，认为大语言模型只懂文字，理解不了现实世界。

我一直不太认同这种划分。

我认为，未来可能根本没有独立的空间智能和具身智能，只有一种越来越强的通用智能。

大家总觉得，能理解空间、做出复杂动作，比理解语言高级。

可空间能力强，不代表智能就更高级。

蜜蜂会用八字舞传递方向和距离，小狗能预判飞盘的轨迹，猫能轻松跳过复杂障碍。它们的空间能力很强，但整体智能能超过人类吗？

理解语言和数学，涉及更复杂的抽象思考，未必比理解空间容易。

你看人类，既能理解语言、做数学题，也能判断物体怎么运动。说到底，这都是智能在不同方面的表现。我们为了研究方便，把它们分成语言智能、空间智能、具身智能，但没必要认定它们必须由不同的模型来完成。

过去大语言模型的空间能力弱，一个重要原因是它主要学习文字，缺少足够丰富的空间、运动和物理世界数据。

现在这些数据开始进入通用大模型，变化已经出现。

我们自己做过机械臂实验，发现GPT-6这样的通用大模型，在空间抓取任务上，表现反而超过了不少专门做具身智能的模型。后续实验中，我们还观察到更强的空间操作能力。

谷歌这次也在把Gemini和Genie 4结合起来。Gemini负责理解任务、推理规划，Genie负责模拟物理空间中的变化。

虽然今天还是多个模型协同，但语言推理、空间理解和物理模拟，已经在不断融合。

随着通用模型越来越强，再给它足够的空间数据，它最终也能理解现实世界。

未来最强的模型，可能就叫SI，超级智能，它既懂语言、数学，也懂空间和运动。我们今天人为划分的各种智能，可能最终都会融合到一起。

这也是为什么，我之前谈到李飞飞的世界模型公司时，就认为独立空间模型的技术壁垒没那么牢固。未来通用大模型一旦具备同样的能力，专门做一套空间智能模型的价值就可能受到很大挑战。

· · ·

机器人的ChatGPT时刻快到了

如果大模型开始真正理解物理世界，受影响最大的行业，就是机器人。

所以我的第二个判断是，机器人的ChatGPT时刻，可能真的快到了。

过去大家为什么总吐槽人形机器人离不开遥控器？因为它们虽然能跑、能跳、能做各种动作，但大脑还跟不上，真正让它自主干活，就没那么容易了。

机器人最难的，是自己搞清楚三个问题：东西在哪里？接下来该做什么？手脚怎么配合完成任务？

过去靠专门训练，机器人能学会某些固定动作，但环境稍微一变，就容易出问题。

现在不一样了。通用大模型开始具备空间识别、任务规划和环境推理能力，相当于机器人终于有机会装上一个真正聪明的大脑。

谷歌最近的一项实验就很有意思：利用Gemini 4 Argon生成模拟训练数据，让真实机械臂在一项操作任务上的成功率从56%提升到75%，完成时间也从35秒缩短到24秒。

这让我想到ChatGPT出现之前，那时候智能客服也能回答几个固定问题，但稍微复杂一点就不行。直到大语言模型跨过一个智能门槛，机器突然就能理解各种复杂的语言和任务了。

现在机器人可能也正在接近这个门槛。 只要数据足够多，智能必将涌现。随着通用模型对物理世界的理解越来越强，再加上足够的训练数据，机器人有机会从只能执行特定动作，走向自己理解任务、规划动作、应对变化。

所以我觉得，机器人的ChatGPT时刻，可能真的不远了。

· · ·

机器人进家干活，五年内没戏

讲到这里，大家可能觉得，身体有了，脑子有了，是不是马上就能进工厂、进家庭了？

我的第三个判断恰恰相反：未来五年，人形机器人想真正走进千家万户干家务，基本没戏。

ChatGPT从2022年底发布到现在，快四年了。

但今天的Agent，还远没有真正普及到千家万户，更谈不上全面进入各种实际工作场景。这还是纯软件领域。有摩尔定律带来的算力进步支撑，代码可以快速迭代，模型升级后，新能力很快就能交到用户手里。

机器人复杂得多。

大脑可以变聪明，但身体硬件没有摩尔定律。 机械结构、电机、电池、传感器，不可能跟着大脑一起快速升级。更别说成本、供应链、安全性、维修体系，这些都需要时间慢慢成熟。

更重要的是，实验室里成功一次，和作为产品连续成功几十万次、几百万次，完全是两回事。

比如机器人端水，哪怕成功率达到99%，一天操作上百次，平均也可能出错一次。如果端的是热汤，旁边还有孩子，谁敢放心用？

进入工厂要求更高。设备连续运行，一次失误就可能导致生产中断甚至安全事故。

商业化考验的是极高的可靠性、足够低的成本，以及长期稳定运行的能力。

而人形机器人，还远远没准备好。

· · ·

最后

所以我想说，看到Genie 4这样的技术突破，我们要能判断出未来的大趋势，但也别因为一项技术突然进步，就高估了短期内能做到的事情。

我们经常高估技术两三年内能带来的变化，却低估它十年、二十年以后能改变多少东西。

Genie 4让我更加确信，大模型的能力不会只停留在语言和逻辑推理上。它一定会继续进入空间、理解物理世界，最终进入机器人。

但这个过程绝不是两三年就能完成的，可能需要十年甚至二十年，才能真正带来整个产业的变革。

大家觉得呢？人形机器人还要多久才能真正走进我们的生活？欢迎在评论区聊聊。

跳转微信打开