机器人比汽车更容易造？逐际动力张巍：人形机器人大脑已达GPT-3，行业处于指数拐点

近日，在机器人领域的一场技术分享会上，逐际动力创始人张巍提出了一个引人深思的观点：**“人形机器人的‘大脑’已经达到了GPT-3的水平，而行业正处在指数级增长的拐点。”** 这一论断不仅挑战了“机器人制造比汽车更难”的传统认知，也为理解人形机器人产业的当前阶段提供了全新视角。

# 从“硬件复杂”到“智能跃迁”的逻辑重构

张巍认为，传统上人们认为汽车制造极其复杂，是因为燃油车或电动车涉及数以万计的精密零部件、严苛的供应链体系以及百年积累的工艺壁垒。然而，人形机器人虽然机械结构同样复杂，但其真正的技术瓶颈并非硬件，而是**“大脑”——即具身智能（Embodied Intelligence）的算法与决策系统**。张巍指出，当前人形机器人的感知、规划、控制能力已经可以类比大型语言模型GPT-3的水平：能够理解复杂指令、进行多模态融合，并完成动态环境下的自主决策。这种“智力”的突破，使得机器人的“制造”逻辑从“精密机械”转向“算法+算力”，而后者正是我国在AI领域具备显著优势的赛道。

# 指数拐点的依据：成本下降与技术收敛

张巍强调，行业处于指数拐点的主要驱动力来自三个方向：**第一，大模型与机器人控制的融合正以“日”为单位加速**，仿生运动、抓取、避障等基础能力在过去一年内成本下降超过50%；**第二，算力硬件的成本遵循摩尔定律持续走低**，使得单台机器人搭载的AI芯片性能接近甚至超过早期自动驾驶车辆；**第三，供应链端出现了“通用部件+软件定义”的范式**，类似智能手机的模块化制造思路，大幅降低了机器人整机的制造门槛。相较之下，汽车制造需要数十年积累的供应链整合能力，而机器人制造则更依赖“算法迭代+云计算”的轻资产模式。

# 挑战仍存：从“大脑”到“身体”的鸿沟

尽管张巍对“大脑”的进展表示乐观，但他也坦言，人形机器人仍然面临**“硬件瓶颈”与“成本平衡”**的双重挑战。目前的机械关节、电池寿命、散热效率等物理层面尚未达到全自主任务的突破点。不过，他判断，随着“大脑”能力的指数级提升，硬件问题将更快被“算法补偿”——例如通过强化学习让机器人适应更便宜的电机，从而降低整机成本。这种“智能弥补硬件”的路径，正是行业走向拐点的核心逻辑。

总体来看，张巍的观点为当下人形机器人赛道注入了一剂强心剂。如果“大脑”真的跨越了GPT-3式的临界点，那么人形机器人产业将不再是一个“科幻故事”，而是一场类似智能手机颠覆功能机的确定性变革。