“数据瓶颈正在关闭，不会有ChatGPT时刻”

前几日，硅谷创业社群Icons组织了一场闭门晚宴，受邀嘉宾是Physical Intelligence联合创始人兼CEO Karol Hausman。晚宴结束后，组织者Georgi Koreli发布长文，记录下Karol席间的谈话内容，总结为18条判断。

这篇记录不是PI的官方发布，也没有论文或数据支撑，但它在硅谷机器人圈子里流传很广。原因在于，当所有人还在拼命采数据、卷硬件、做触觉传感器时，Karol几乎对每一条行业主流认知都提出了相悖的论断。

数据不够用了？他说瓶颈快关闭了。触觉是必经之路？他说被高估了。仿真能生数据？他说只该用来做评测。VLA还是世界模型？他说三天就能换掉。

我们的看法是，这些判断的含金量参差不齐，有些是真正的行业洞见，有些则恰好服务于PI自身的商业叙事。相比记住这些判断本身，分辨两者同样重要。

01.

最该认真听的一条：“最后5%”

行业过去两年的主流叙事是“采数据、堆规模、等涌现”，从Open X-Embodiment到百万真机数据集，从视频预训练到遥操作流水线，所有人都希望用更多数据喂养更大的模型。

Karol说这个叙事的天花板已经到了。

他提出，从0%到60%，是数据的故事。从60%到可部署，是强化学习的故事。而这段路，还没有人把它攻下来。

他的逻辑是，模型在训练初期，优化目标和用户需求是协同的，数据越多，模仿越准，成功率越高。但当模型已经能完成60%的任务时，两个目标开始错位。成功率从60%走向100%的瓶颈，已经不再是“会不会做这个动作”，而是“动作出现偏差时能不能纠回来”。

Karol的解法是强化学习。具体来说，就是训练一个通用价值函数，用语言和分数标注大规模数据，让模型学会判断一条正在进行的轨迹会不会成功，然后用这个函数给所有数据打分，反过来改进策略。

PI联合创始人兼首席科学家Sergey Levine日前在The Peterman Pod的访谈中也提出了相似的论断，他说机器人“还没到GPT-4或GPT-5的阶段”，行业还在确定模型结构、数据组合和训练方法，“还没找到那根规模化杠杆”。

Levine讲了一个细节。叠衣服测试中，机器人从洗衣筐里一次抓出两件衬衫，他以为测试失败了，但机器人把两件衣服放到桌上、分开、把一件放回筐里、开始折另一件。还有一次，机器人接到“收好餐具”的指令，它没拉开抽屉，转而打开旁边的烤箱，把勺子和锅铲放了进去。Levine把它称为“语义上说得通的错误”，它理解了“找个容器放进去”的意义，只是选错了容器。

“成功率95%的文本工具可能已经实用，成功率95%的家务机器人，意味着每执行20个任务就可能有一次需要人介入。”Levine说。他认为强化学习有机会补上最后几个百分点，“但目前还没有解决”。这也是Karol自己承认的。

这条判断的含金量最高，但也最需要看清立场。PI拥有行业内最大规模的真机数据采集管线之一，说“数据不再是壁垒”，客观上在降低竞争对手数据优势的叙事价值。而PI正在全力投入的强化学习路线，恰好是它试图建立的下一个壁垒。

02.

触觉被高估，但这话得拆开听

Karol说，触觉传感被高估了，相对于集成之痛，增益之小让人失望。PI的替代方案是在夹爪上装一颗摄像头，读取夹爪形变反推受力，把触觉问题变成视觉问题。

这句话在行业里传得很广，但逻辑需要拆开看。

Karol和触觉传感器打了多年交道。他的批评指向的不是“触觉信息”这件事本身，而是两个具体的工程问题。

第一，传统电子类触觉传感器的集成成本和可靠性令人失望，装上去容易，但让它在真实环境中持续工作很难。第二，触觉数据天然稀疏，只有接触物体的瞬间才有信号，大部分时间是空值。

所以PI的方案不是放弃触觉，而是用连续视觉信号替代离散触觉信号。在夹爪上装摄像头、读形变反推受力，本质上是一种视触觉方案。这与国内瞬恒智能团队的“用相机看接触”思路异曲同工。

但行业对触觉的投入是不是浪费了？现在下这个结论为时过早。

RSS 2026研讨会上，NVIDIA的Jessica Yin展示了Osmo Glove磁触觉手套，Yunzhu Li展示了压阻触觉皮肤，Stanford的Mark Cutkosky从生物学角度论证了触觉的不可替代性。

国内的数据更加直观。据行业供应商数据，2025年第四季度起，触觉传感器在灵巧手上的装配率从此前约10%快速升至年末超50%，目前带触觉传感器的灵巧手占比已达60%以上。2026年7月，智在无界推出新一代隐式触觉世界动作模型Being-H0.8，首次把触觉模态纳入大规模预训练。

这些投入背后有一个PI方案目前绕不开的物理限制，夹爪摄像头能读取形变，但只能看到夹爪接触面的信息。当需要感知整个机械手表面的多点接触分布，或者需要在接触前预判物体表面的摩擦特性和刚度，摄像头方案的信息带宽不够。

更本质的问题是，PI的VLA架构以视觉和语言为核心输入，天然偏好视觉信号。说“触觉被高估”，和PI的技术栈高度自洽。这一立场属性需要被看见。

 

03.

其它值得思考的判断

跨具身泛化：有效，但不是零成本

同一套模型跑在人形、机械臂、无人机、汽车、拖拉机、挖掘机、手术机器人上，跨越的硬件形态越丰富，单平台表现反而越好。Karol坦诚他也说不清原因。但Levine在访谈中表示，面对一台从未见过的全新机器人，模型仍需要该具身的少量数据。“零样本换机器人”是被夸大的宣传，跨具身泛化提升的是迁移效率，不是零成本迁移。

仿真近期只该做评测

Karol提出，仿真的瓶颈不在渲染保真度或运动控制，而在资产创建，这需要为世界里每个物体建模它的形变特性，没有可规模化的做法。而真实世界采集更快，还不带分布偏移。

这和Agility Robotics联合创始人Jonathan Hurst的观点形成了呼应：物理世界的建模复杂度远超当前任何仿真系统的处理能力。在仿真里把操作数据做对，比在真实世界采集还难。

VLA还是世界模型？三天就能换

很多公司把VLA还是世界模型的选择当成核心技术壁垒，甚至把整个品牌路线押在某一种架构上。但在Karol眼里，这只是一个三天就能换掉的技术选择。拿三天就能换的东西当护城河，本质上是对行业核心矛盾的误判。现阶段真正重要的，是数据质量、多样性和部署深度，没有一样和架构强相关。

硬件可靠性是第二瓶颈

尽管有海量机器人从中国出货，Karol直言至今没有一个足够稳健、可供真实部署的平台，这一平台要能持续在线、在人身边保持安全、经得起日常使用。他和Hurst从不同角度确认了同一件事：模型跑通了，但硬件跑不起来。这是一个真实的缺口，也是摆在硬件公司面前的机会。

西方执行器和部署是创业机会

Karol明确建议创业者去做的有两件事。

一是西方的执行器。如果中国的执行器被限制，西方没有本土答案，而这条供应链的问题比多数人查得更深：稀土精炼、磁材、线圈用铜、电池，以及制造know-how本身。

二是部署。理解ROI、嵌入工作流、远程介入，知道机器人在什么时候该请求帮助。

他说，“如果它很容易，那多半是个错误的切入点，因为它大概率比你以为的更不管用，而且所有人已经在那儿了。”同时表示，做部署的公司会在无意之间握有最好的数据，而这份数据是其他所有人都会想要的。

他还提到，进入门槛确实塌了。下载一个开源模型，用少量数据微调，就能拿到生命迹象。一家与他们合作的部署公司，三个月就把机器人放进了物流场景，这件事过去要花五到七年。硬件更便宜了，智能也现成可得，这就是他认为当下是历史上创办机器人公司最好时机的理由。

不会有ChatGPT时刻

Karol认为，机器人会走Waymo的路子，从来没有过一个单独的Waymo时刻，然后突然之间它们就到处都是了。机器人会先出现在商业场所，然后是工业场景，然后是人的身边，然后是简单的家庭应用，在某个时刻人们一抬头，它已经发生了。

家庭是最后一个问题。没有两个家是一样的，任务种类极多，重复性又低，一台家用机器人必须会做很多事才对得起它的存在。

先做成事，护城河自然出现

Karol的理解是，先把它做成，才配拥有护城河。护城河会自然出现，因为这个问题实在太难了。做部署的人握有数据，做硬件的人握有平台，做模型的人握有智能，三者交叉的地方，壁垒才会长出来。

比起技术路线的判断，这条其实更接近他的底层价值观：把实验真正跑出来，不带偏见地看证据，然后不管多希望什么是真的，只对真正奏效的东西加倍下注。

 

04.

这对我们意味着什么

Karol的判断如果放在中国具身智能产业的语境下，有几层特别的意义。

一是硬件供应链。Karol说执行器供应链比多数人以为的更深，涉及稀土精炼、磁材、线圈用铜、电池和制造know-how。这些环节恰恰是中国具备完整产业链优势的领域。但如果全球供应链断裂，这种优势会变成双向的卡口，中国的出口依赖和西方的供应缺口是同一个问题的两面。Levine在访谈中对中国产业的判断更直接：中国的优势不在于演示单个动作有多流畅，而在于“一个新设计能否迅速找到供应商，硬件能否以足够低的成本投入训练，部署产生的数据能否回到模型”。这是一套完整的产业条件，而不只是某一项技术指标。

再是触觉。Karol说触觉被高估，但中国触觉传感器产业正处于快速上升期。2026年7月，智在无界推出隐式触觉世界动作模型Being-H0.8，打通视觉、触觉、动作、物理状态四类信息的统一表征。国内灵巧手厂商因时机器人2025年交付量突破1万台，触觉传感器装配率攀升至60%以上。这些投入是否会被PI的“夹爪摄像头”方案证明是无用，目前没有定论。但它至少说明，中国产业界在触觉这件事上做了和PI不同的押注。

跨具身泛化方面，2026年8月宇树和智元在不同形态机器人上共用同一套模型的演示引发行业关注。这和PI的跨具身实践方向一致，但实现路径不同。PI靠真机数据跨硬件训练，国内部分团队更依赖仿真桥接。Karol说真实世界采集更快且不带分布偏移，如果这个判断成立，重注仿真的团队或许需要重新评估投入产出比。

05.

这些判断的现实意义

这18条判断里最具现实意义的，不是任何一条具体的技术路线判断，而是Karol关于“诚实”的那段话。

他说，大部分弯路的发生，是因为诚实的那条路太难走，而人们选择相信了更容易的那个说法。他们从学术界带出来的是这样一套纪律：把实验真正跑出来，不带偏见地看证据，然后不管多希望什么是真的，只对真正奏效的东西加倍下注。

2026年的具身智能行业，正处于叙事过剩的阶段。每家公司都在讲自己的故事，每个融资轮次都在制造新的概念，这些叙事彼此竞争，但很少有人停下来问一句：这奏效了吗？

Karol的18条判断本身也是一种叙事。它的价值不在于告诉你答案，而在于提供了一份“什么问题值得重新思考”的清单。分辨哪些是真洞见、哪些是立场话术，需要每个读者自己去做那件“难走的诚实的事”。