“具身智能的ChatGPT时刻什么时候来？”这是2026世界人工智能大会上被反复追问的问题。银河通用机器人创始人兼首席技术官王鹤给出的答案是：2028年底前。
两个80%，就是那个时刻
王鹤认为，具身智能达成“ChatGPT时刻”的核心标志可以量化为两个数字——两个80%。在80%的陌生场景中，机器人通过语音或文字指令，能够顺利完成约80%的任务。这一标准对标的是当年数字模型达到的对话水平——未经专门训练的任务上直接达到70%到80%的成功率。
这不是一个模糊的愿景，而是一个可衡量的技术节点。类比ChatGPT在自然语言处理领域引发的范式转变，具身智能的“ChatGPT时刻”意味着通用机器人从实验室走向真实世界的能力拐点。
两条腿走路：预训练+后训练
为什么是2028年？王鹤的判断基于两个可观测的技术趋势：数据积累速度和模型收敛趋势。
在他看来，敲开这一里程碑的关键条件是“强大的预训练模型加上高效后训练范式”。银河通用本身就是这一路径的实践者——公司开创了“大规模仿真合成数据预训练+少量真实数据后训练”的虚实融合新范式。用10亿级合成大数据端到端训练VLA大模型，以视觉作为输入，实时输出机器人末端执行器的运动指令。
这条路的底层逻辑是：物理世界的数据采集成本远高于数字世界，但合成数据可以规模化生产。即便像银河通用这样的头部公司，2025年量产目标也仅超1000台，远不足以支撑亿级真实数据采集。合成数据不是替代品，而是让模型先“见过世面”的必要手段。
2030年：从技术拐点到消费浪潮
王鹤的预测不止于2028年。他进一步判断，2028年实现“ChatGPT时刻”之后，再过四年——2030年——具身智能机器人将引领全新消费浪潮，大幅推动社会生产力与劳动力升级。
这个节奏与数字世界的ChatGPT有相似之处：技术突破之后是商业扩散，商业扩散之后是社会重构。
一个更宏观的判断：中国的机会
在此前的公开讨论中，王鹤还表达过一个更宏观的判断：“具身智能是中国的机会。”他坚信具身智能的“AlphaGo时刻”和“ChatGPT时刻”都会在中国实现，“如果0到1在中国完成，1到100必定会在中国成熟”。
这个判断的背后是中国在制造业场景、供应链完整性和政策支持上的综合优势。具身智能不像纯数字模型那样可以凭空迭代，它需要真实的物理场景、真实的工业需求和真实的量产能力来共同驱动。
从实验室到货架，两年跑通一件事
银河通用成立于2023年5月。两年多时间，团队把“端到端VLA大模型”第一次搬上了真实产线、真实货架——不靠轨迹预编程，而是靠眼睛、大脑和手的实时配合，在拥挤的零售货架前完成抓取、避障、交付。公司在智慧零售、工业制造等场景实现了规模化部署，与宁德时代、博世集团等头部企业达成战略合作。
从真实产线到2028年的时间表，王鹤的预测不是空转的理论推演，而是从已经跑通的商业闭环里长出来的判断。2028年底之前，两个80%能否兑现，取决于接下来两年数据积累和模型收敛的速度——而这两件事，恰好是目前产业界投入最集中的方向。
