IT时代网11月15日消息，苏黎世联邦理工学院（ETH Zurich）机器人系统实验室教授 Marco Hutter 日前表示，业界对“单个视觉语言大模型就能赋予机器人通用自主能力”的预期被高估了。与生成式 AI 不同，单纯靠扩大模型与数据规模，难以让机器人以同样速度进步，因此他认为物理 AI 的发展会慢得多。
Marco Hutter 在 Swiss Robotics Day 2026 期间指出，当前行业热衷于把生成式 AI 的“缩放定律”套用到机器人上——无论是训练视觉—语言—动作（VLA）模型，还是大量采集人类示范数据。但他认为，仅靠堆模型、堆数据无法解决可靠性与商业化难题，“我们仍处于机器人技术的早期，硬件与安全都需要进步”。
他认为，物理 AI 与生成式 AI 的根本差别，在于 AI 的判断必须转化为真实世界的运动：机器人要驱动电机与关节去触碰物体，而所需动作会因重量、形状、摩擦与接触状态而变。大模型靠增大规模、数据、算力迅速提升，但物理系统的缩放定律与纯数字世界并不相同。
对于下一步，他更看好把机器人基础模型与强化学习、大规模仿真结合起来——通过仿真与试错学习物理技能，触觉与力感知的价值被长期低估。他还强调“具身行为”（机器人自主规划长任务、监控进度并应对问题）是重要方向，并提醒不要假设“更好的 AI 会让机器人硬件变得可互换”，物理形态本身决定了机器能感知、学习与做到什么。
注：本文配图由AI生成，文中包含AI辅助创作的内容。
编辑：林一舟
