🎯 情报来源：The Robot Report
加州大学伯克利分校机器人学家Ken Goldberg在《Science Robotics》发表的两篇新论文中指出，人形机器人面临”10万年数据鸿沟”，这将成为其获得现实世界技能的瓶颈。该结论与特斯拉CEO马斯克”5年内机器人将超越人类外科医生”的预言形成鲜明对比。Goldberg将在2025年10月15-16日的RoboBusiness大会上进一步阐述物理AI如何通过仿真、强化学习和真实数据加速机器人部署。
根据Goldberg的计算，训练大语言模型(LLM)使用的文本数据相当于人类10万年的阅读量，而机器人训练数据远远不足。目前通过远程操作(teleoperation)收集8小时数据仅能获得8小时有效训练材料，数据积累效率极低。在中国和美国的部分仓库中，人类仍需像操纵木偶一样指导机器人完成基础任务。
💡 核心要点
- 10万年数据缺口：训练LLM的文本数据量相当于人类10万年的阅读总量，机器人训练数据远未达标
- 5年预言存疑：Goldberg认为马斯克”5年内机器人超越外科医生”的论断过于乐观，实际需要10年以上
- 灵巧性瓶颈：机器人仍无法完成换灯泡、端酒杯等基础动作（Moravec悖论）
- 两派方法论之争：传统工程派（物理/数学模型）与数据至上派在机器人领域形成对立阵营
- 蓝领工作相对安全：管道工、电工等需要肢体灵活性的职业短期内难以被替代
📌 情报分析
技术价值：高
Moravec悖论揭示的灵巧性挑战是根本性技术障碍，但仿真训练在机器人体操等规整动作领域已取得突破（如波士顿动力案例）。
商业价值：一般
Waymo和Ambi Robotics已验证数据迭代的商业路径，但当前远程操作的数据采集成本过高（8:1产出比），规模化应用受限。
趋势预测：高
物理AI（仿真+强化学习+真实数据）将成为主流范式，Goldberg预言的”范式转移”正在发生，但完全数据驱动的方案仍需传统工程方法辅助。