据路透社 9 月 18 日晚间报道，清华大学机器人学助理教授、千寻智能联合创始人兼首席科学家高阳预计，最快从明年开始，人形机器人就能听懂口头指令并完成大多数通用任务，但真正进入家庭、承担实用工作仍需更长时间。这番表态把人形机器人「何时能干活」的时间表，又一次推到了公众视野中央。

行业等待自己的「ChatGPT 时刻」

高阳指出，中国人形机器人的硬件能力近年快速提升，冲刺、跳舞甚至按指令完成后空翻都已不成问题，竞争重心随之转向软件，目标是提高机器人的智能水平，让其承担更多具备实际经济价值的任务。这一领域通常被称为具身智能。

整个机器人行业都在等待属于自己的「ChatGPT 时刻」——足以把前沿技术变成面向广大客户的实用产品的软件突破。OpenAI 在 2022 年推出 ChatGPT 后，生成式人工智能迅速进入大众市场，同时也证明了商业化的潜力。

在高阳看来，「大脑」是整个机器人技术栈中最薄弱的一环。他预计，到 2027 年年中，千寻智能有望达到「GPT-3.0」级的里程碑。「届时，你可以直接用自然语言与机器人交流，它会执行一系列合理的物理动作，尝试完成任务。」

从倒水叠衣到连续工作流

报道显示，为了训练机器人，千寻智能在全国安排了约 1000 名合同人员收集真实世界数据。目前，该公司的机器人在结构化客厅环境中完成简单任务的成功率已达到 90%。

高阳回忆，公司成立之初，机器人只能做好倒水、叠一件衣服这类单独任务；如今，机器人已经可以在大范围空间内行动，并连续完成复杂的工作流程。不过，旋开瓶盖等精细动作，以及处理此前没有遇到过的任务，依然是机器人需要攻克的难题。

关于落地节奏，高阳给出了分阶段判断：未来一两年将是工业应用的初始窗口；两年后，会看到机器人进入商业服务场景，执行较简单的任务；相比工业和商业服务，进入家庭要困难得多。

清华背景的年轻团队

千寻智能（Spirit AI）成立于 2024 年，是一家聚焦具身智能的创业公司。高阳现任清华大学交叉信息研究院助理教授、清华大学具身视觉与机器人实验室主任，本科毕业于清华大学计算机系，博士就读于加州大学伯克利分校。在其带领下，千寻智能组建了一支平均年龄不到 30 岁的团队，并先后完成多轮融资，其中 2025 年 3 月的 5.28 亿元 Pre-A 轮由阿美风险投资旗下 Prosperity7 Ventures 领投。

该公司自研的 Spirit v1 系列具身基座模型，已在国内首次攻克柔性物体长程操作难题，机器人可顺畅完成叠衣服等连续复杂任务；首款商用级人形机器人 Moz1 也已进入宁德时代、京东 MALL 等真实场景开展试点。

对具身智能赛道而言，高阳的判断既是乐观预期，也是清醒提醒：听懂人话只是起点，真正把机器人送进千家万户，还有一段不短的路要走。