在2026世界人工智能大会现场，银河通用机器人联合创始人兼首席技术官王鹤抛出了一个颇具前瞻性的判断：具身智能将在2028年迎来属于自己的“ChatGPT时刻”——届时，这一技术将实现质的飞跃，其通用能力与实用性，将达到当前大语言模型在文本交互领域所展现出的同等突破性水准。

按照他的说法，下一代具身智能基础模型，依托多模态、跨场景的海量真实世界数据进行联合训练后，有望在未经特定任务微调的情况下，自主完成新任务的成功率稳定在70%到80%之间。这个数字，恰好与ChatGPT初代模型在开放对话中展现出的泛化能力相当，也因此成为具身智能从实验室走向规模化落地的关键分水岭。那么，要实现这一目标，核心路径是什么？答案是构建高鲁棒性的预训练架构，并辅以轻量高效、任务自适应的后训练机制。

过去两年，具身智能大模型正在经历一个从“感知驱动”向“认知-行动闭环”加速演进的阶段。王鹤的判断在现场引发了广泛共鸣，也进一步点燃了产业界对物理世界智能体规模化应用的想象空间。值得注意的是，随着真实交互数据采集效率持续提升、模型收敛周期显著缩短，整个技术栈的进化节奏正在加快。

在这个趋势下，具身智能正在成为推动产业升级的新引擎。王鹤给出了几个具体方向：未来的家庭服务机器人，不仅能精准执行清洁、整理等基础操作，还能基于环境理解与上下文推理，协助老人用药管理、儿童学习陪伴乃至小型家庭能源调度等复合型任务；而在工业场景中，则可以承担柔性产线巡检、设备故障预判与协同维修等高价值工作——真正实现“看得懂、想得清、动得准”。

总体而言，王鹤对具身智能的发展持高度乐观态度。他的研判既勾勒出技术跃迁的时间图谱，也为学术研究、工程落地与商业探索提供了清晰坐标。当数字智能深度融入物理世界，一场由具身智能驱动的社会协作方式变革，已然拉开序幕。