宇树科技CEO放出话来：明年要来的GPT-7，可能给机器人领域带来一个"ChatGPT时刻"，直接把机器人AI的难题攻下来。听着很燃，可简介里没给任何技术细节，也没有证据。翻译一下：这是信仰，不是路线图。
同一时间，真正在干活的人盯的是更细的题。arXiv上的ChunkAct把LLM智能体直接塞进机器人控制回路，让它调度感知、运动、视觉-语言-动作（VLA）这些工具，在记忆和任务规划的引导下把动作"分块"执行。思路很务实：不指望一个模型包打天下，而是让智能体学会编排已有能力。
另一篇论文干脆盯着VLA预训练的数据质量：演示数据的质量到底怎么用才有效？作者横向对比了加权、过滤、条件化三种策略，看谁在目标任务微调后涨点最多。结论没有喊口号那么响，但这类问题才决定机器人能不能稳定干活。
两条线放一起看，矛盾并不复杂。大模型迭代在加速，GPT-7带来跃迁也不是没可能；可机器人的卡点常常在数据、在工具调度、在真机泛化，不在参数量。与其等一个"时刻"，不如先把数据管好——机会是留给准备好的人的。