近期行业观点提出，现在火热的具身智能赛道存在明显估值泡沫，对比大语言模型的发展节奏，目前整个行业的物理交互数据积累规模，只相当于 GPT-2 时期，距离 GPT-3、ChatGPT 这种爆发节点还有很远距离，这个判断是用 GEN-1 模型 50 万小时具身训练数据做对标得出的。GPT-2 的训练数据大约 100 亿 token，大致等同于人类一生文字阅读量；GEN-1 的 50 万小时物理交互数据，和人类一辈子观察现实世界的时长接近，只是数据量级类比，不等于模型能力对等。文字数据可以靠爬虫低成本抓取，但是机器人在真实环境里的操作数据采集成本很高，摔坏设备、场景受限、标注麻烦，很难快速堆出互联网级别的海量数据，很多发布会演示效果好看，换到陌生场景就容易失效，这也是行业泡沫的核心来源。想要走到具身智能的 “ChatGPT 时刻”，先要解决数据采集、虚实融合、跨场景泛化这几个基础难题，单纯堆硬件、做演示 Demo 很难快速突破。
一、核心对标数据清单
- GPT-2 训练数据：约 100 亿 token，是语言模型规模化的起点
- GEN-1 具身数据集：50 万小时物理交互数据，为当前行业头部量级
- 人类参考标尺：人 80 年每日 12 小时观察世界，总时长约 35 万小时
- 数据差异重点：文本数据易抓取；具身真实交互数据采集慢、成本昂贵
- 关键提醒：仅为数据规模类比，不代表具身模型能力等于 GPT-2
二、语言模型和具身智能的数据特性对比表
| 项目 | GPT 系列语言大模型 | 当前具身智能模型 |
|---|---|---|
| 数据类型 | 互联网文本，静态信息 | 机器人视觉、触觉、动作交互，动态物理数据 |
| 采集方式 | 爬虫批量获取 | 真机实操、仿真模拟、动捕采集 |
| 扩容难度 | 低，存量互联网资源充足 | 很高，真机采集耗时、设备损耗大 |
| 泛化特点 | 文本语义迁移稳定 | 物理环境变量多，物体、光照、摆放一变就容易失效 |
| 行业阶段 | 已经走过 GPT-3.5、GPT-4，成熟落地 | 对标 GPT-2 早期，Scaling 规律初步验证 |
三、具身智能行业泡沫主要表现
- 发布会 Demo 效果惊艳，限定场景下成功率很高，但是开放环境稳定性差
- 资本热度高，大量人形机器人硬件项目上马，但底座数据体系没有跟上
- 混淆仿真数据和真实物理数据，仿真里面效果很好，真机落地翻车
- 把硬件样机量产等同于通用智能能力成熟，忽略底层世界模型短板
四、行业突破的关键步骤
- 降低真实交互数据采集成本，用动捕、低成本采集设备扩大数据源
- 打通仿真数据和真实数据，做好虚实迁移，减少仿真与现实的落差
- 统一数据标准，融合人机操作数据、多传感器数据，解决数据孤岛
- 持续验证 Scaling Law，确认数据量上涨之后，通用操作能力稳定提升
- 从单一固定任务，逐步向未知物体、陌生环境的开放任务拓展
五、不同视角的行业看法
- 理性派：认同 GPT-2 阶段判断，现在重点是搭建数据基建，不要急于商业化
- 乐观派：仿真技术、数据采集方案快速迭代，有可能缩短这个周期，加速到来
- 谨慎派：具身和语言模型底层逻辑不一样，甚至可能不存在类似 ChatGPT 的爆发点
【常见问题】
问题 1：戳破具身智能行业泡沫，当前具身数据积累仅达到 GPT-2 阶段，为什么说具身智能的数据积累只到 GPT-2 水平？
回答 1：戳破具身智能行业泡沫，当前具身数据积累仅达到 GPT-2 阶段，这个结论是用 GEN-1 的 50 万小时具身交互数据对标 GPT-2 的训练数据量级，二者对标人类一生接收信息的规模相近，只是数据体量上的类比，不是能力等同。
问题 2：戳破具身智能行业泡沫，当前具身数据积累仅达到 GPT-2 阶段，具身智能数据和大模型文本数据最大差别在哪？
回答 2：戳破具身智能行业泡沫，当前具身数据积累仅达到 GPT-2 阶段，文本数据可以爬虫低成本批量获取；具身智能是物理世界交互数据，需要机器人真机操作，采集慢、成本高，环境一变，数据可用性就下降。
问题 3：戳破具身智能行业泡沫，当前具身数据积累仅达到 GPT-2 阶段，是不是代表具身模型能力和 GPT-2 一样强？
回答 3：戳破具身智能行业泡沫，当前具身数据积累仅达到 GPT-2 阶段，不是能力对等，只是数据规模对标，物理世界的交互、接触、力反馈这些难题，和文本生成任务完全不一样，不能直接横向对比能力。
问题 4：戳破具身智能行业泡沫，当前具身数据积累仅达到 GPT-2 阶段，具身智能想要往前突破要先解决什么？
回答 4：戳破具身智能行业泡沫，当前具身数据积累仅达到 GPT-2 阶段，首要解决数据瓶颈，压低真实交互数据采集成本，打通仿真和真机数据，统一数据标准，验证数据量提升之后模型泛化能力的缩放规律。
【参考资料】
[2026-11-13]（戳破具身的泡沫，数据积累才到 GPT-2 水平）OFweek 机器人网
[2026-11-13]（GEN-1 数据集解读：50 万小时具身数据意味着什么）OFweek 智能硬件网
[2026-07-14]（具身智能正处在 GPT-2 阶段，Scaling 规律得到验证）搜狐科技
[2025-12-29]（具身智能最大卡点：真实机器人操作数据稀缺）36 氪
【免责声明】
本文仅为行业观点整理，不构成投资、项目选型建议。具身智能处于快速迭代阶段，该 GPT-2 阶段对标属于行业分析师类比判断，并非学界统一共识；仿真数据、真机采集方案、模型算法持续迭代，后续行业进度存在不确定性；相关赛道创业、投资风险由参与方自行承担。