华尔街研究机构惊呼：信号正在汇聚
MIT科技评论 ｜ 2026-09-21

时间进入 2026 年，机器人似乎已经接连跨过几道过去很难想象的门槛。

北京机器人运动会的赛场上，人形机器人跑出了快于人类百米纪录的成绩；实验室里，模型看过一次示范，就能尝试此前没有专门训练过的操作；美国机器人公司 Figure AI 则把机器人分拣包裹的过程连续直播了九天。另一边，餐厅和汽车工厂也开始用产量、合格率和工时检验机器人。

然而，透过某一段视频或者一场比赛，单纯只看这些零散的进展，我们依然很难明确机器人行业真正的进展。

带着这个问题，一向擅长实地调研的投资研究机构 Citrini Research 的分析师走访了旧金山湾区十几家机器人实验室和企业，观察机器人的实际表现，不断向工程师和投资人追问美国机器人产业的现状。并最终用一份数十页的调研报告回答了一个问题：接连不断的突破，究竟把机器人带到了哪一步？

没有单一的爆发时刻，但信号正在汇聚

机器人行业常说自己在等待“ChatGPT 时刻”。Citrini 认为，这个比喻容易让人误以为，一款产品发布就能划出清晰的分界线。

ChatGPT 发布前，OpenAI 的工程师已经知道手中的技术能做什么；此后发生的，是公众逐渐认识到它的广泛用途。机器人也可能先在少数人看得见的地方取得进展，过一段时间才进入大众视野。

眼下，各种尚不完整的突破正密集出现，却没有哪一项足以独自撑起“颠覆”二字。8 月，Generalist AI 发布 GEN-1.5，展示机器人看过一次示范后学习简单操作的能力，无需再为这项任务专门训练。质疑也随之而来：它真正学会了举一反三，还是预训练时见过足够相似的场景？更直观的问题是，打开一个铅笔盒，离实用的通用机器人还有多远？

随后，Skild AI 用 S1 模型展示了最长持续约 10 分钟的任务，其中包括煎饼翻面。两家公司使用的“一次示范即可学习”或者说 In-context Learning 等说法，很容易让人想起 OpenAI 2020 年关于少样本学习的论文：物理 AI 是否也会沿着语言模型的曲线加速成长？

点 击 图 片 看 原 图

图丨Skild S1 的任务演示（来源：Skild AI）