银河通用王鹤：2028年将迎来具身智能的“ChatGPT时刻”

摘要：王鹤预判，具身智能AGI时刻带来时，全行业将实现手机的量、汽车的价、大模型的增益，开启十万亿级市场，迎接第四次工业革命

产联社作者 | 郑青春

图片由AI生成

“具身智能或在2028年前迎来‘ChatGPT时刻’”。在2026年世界机器人大会（WRC）主论坛上，银河通用机器人股份有限公司创始人、首席技术官、北京大学研究员王鹤表示，具身智能的关键，不只是让机器人完成单一动作，而是用模型驱动人形机器人走向通用。

在王鹤看来，具身智能的“ChatGPT时刻”，意味着机器人能够从单一场景能力走向多场景、跨任务应用，并通过极简后训练进入真实生产和生活场景。他预计，到“十五五”结束时，银河通用将在多行业部署数十万台人形机器人。

“每一个坐在这里的人，都畅想着人形机器人走进千行百业、千家万户的那一刻。最核心的一件事，是用模型驱动具身人形机器人走向通用。”王鹤表示。

从专精到通用，王鹤介绍了银河星脑，它仿生搭建“大脑”（高层意图与轨迹生成）、“小脑”（高频全身控制）和“脑桥”（慢快沟通）。其中，大脑和小脑均为大模型，各自寻找GPT范式。

对于大脑，王鹤指出谷歌VLA和OpenAI世界模型各有局限：VLA需动作标签，世界模型不输出关节角度。银河通用全球首次提出“世界动作模型”（World Action Model, WAM），融合有标签动作数据与海量无标签人类视频数据，学习人类操作经验。

2025年3月，银河通用挂出全球首篇WAM论文，被ICCV 2025接收，至今已引领171篇后续研究。银河星脑的WAM实现了跨本体、跨任务、跨场景操作，一个模型可服务无指搬运机器人，融合仿真、真实世界和人类数据的统一范式，且仅用人类无标签视频即可持续降低动作预测损失。

对于小脑，银河通用打造了上亿参数的通用小脑，可实现实时遥控操作（如家庭照料猫、应急支援、高动态动作），无需预录轨迹。与国际顶尖英伟达通用小脑对比，银河的延迟更低、精度更高、抗干扰更强。团队验证了十万小时人类数据下小脑损失持续下降，证明了通用小脑的Scaling Law。昨天发布的小人形“银河·星仔”（Galbot ET1）已能实时识别人类舞蹈并高动态复现，甚至倒立动作，展现出物理世界原生智能体的交互潜力。

王鹤定义了“具身智能ChatGPT”的标准：在人类无需特殊学习的任务上达到70%—80%成功率，再通过极简后训练（无需专业技能）提升至场景中100%。为实现前者，他提出五级具身智能数据金字塔：互联网数据、人类数据、合成数据、真机摇操数据、真机回流数据，层层叠加。

据王鹤介绍，银河通用自2022年起已采集含标签最大的双手操作数据，并发布自研头戴+双手UMI采集装置，目前拥有50万小时高精UMI数据 + 50万小时无机械装置的人手数据，总计100万小时，供机器人学习人类动作。

合成数据方面，银河搭建“银河星防”仿真管线，攻克柔性物体、灵巧手洗牌等最难仿真，支撑转笔等突破。真机摇操数据方面，已在6个省市建训练场，并在45个城市200个点位智慧药房落地100家，宁德时代等车厂、工厂、医疗康养累计回收8万小时真实世界数据，实现持续成长。

基于上述积累，王鹤明确判断：整个行业将在2028年迎来具身智能的ChatGPT时刻。一旦达成，落地规模将井喷，到“十五五”结束，银河通用计划部署数十万台人形机器人于各行业。当前以客户共建千行百业生态为第一步，未来将开放二次开发生态，提供机模、硬件、数采设备和后训练平台，帮助更多企业建立具身智能团队；并通过国际奥林匹克人工智能竞赛培育青年人才。

王鹤表示：“我们要实现手机的量、汽车的价、大模型的增益，打开十万亿市场，迎接第四次工业革命。”

商务合作/报料，请联系微信号：18801065284