如果將人工智能（AI）比喻為一個正在成長的孩子，那么規模法則（Scaling Law）就是其成長過程中的核心驅動力。只要給予這個“孩子”充足的數據、模型和算力這些“營養”，它便能茁壯成長。2020年，OpenAI發表的《神經語言模型的規模法則》論文，為大語言模型的發展奠定了理論基礎，也讓規模法則成為了AI領域的基石。

然而，胡英東博士指出，當前的AI模型還遠未達到真正的通用性，無法應對用戶提出的各種復雜指令。在2024年11月4日的上海第七屆中國國際進口博覽會上，機器人與媒體記者的互動雖然引人注目，但距離真正的通用智能還有一段距離。

如今，規模法則正在為機器人領域打開一扇全新的大門。清華大學交叉信息研究院（IIIS）的研究團隊在預印本網站arXiv上發表的論文《機器人操作模仿學習中的數據規模法則》顯示，在規模法則的指導下，機器人實現了真正的零樣本泛化，無需任何微調就能適應全新的場景和物體，成功率高達90%。泛化能力是指模型或算法在處理新數據時的表現，這一突破意味著機器人正在向理解和適應物理世界邁出重要一步。

胡英東博士是嵌入式AI領域的專家，他研究了開發通用機器人系統所面臨的挑戰，特別是這些系統如何適應不同的、非結構化的現實世界環境。在IIIS團隊的研究中，便攜式手持夾爪UMI在8種從未見過的環境中展現出了驚人的適應能力。

ChatGPT的問世驗證了規模法則的“智能涌現”能力，即規模越大，效果越優。然而，在機器人領域，全面的規模法則尚未建立，因此其發展速度并未像深度學習領域那樣迅速。為了探究數據規模法則，IIIS團隊設計了物體泛化、環境泛化及環境-物體組合泛化三大維度，通過調整訓練數據規模，評估數據規模對機器人策略泛化性能的影響。

研究發現，策略的泛化性能與環境和訓練時接觸的物體數量之間存在顯著的冪律關系。當環境多樣性足夠豐富時，單一環境中過度采集不同操作物體的數據所帶來的效用將變得微乎其微。此外，單個物體的演示數據很容易達到飽和，總演示數據達到800次時，性能就開始趨于穩定。

盡管IIIS團隊的研究取得了顯著成果，但胡英東博士表示，目前的研究還僅限于單任務策略的數據規模，并未探索多任務的通用性。此外，要實現商業化應用，還需要達到更高的成功率。他相信，未來會有通用機器人的出現，但目前仍有許多重要的研究問題需要解決。

在學界努力的同時，企業界也在積極將通用人工智能引入物理世界。OpenAI等巨頭正在開發大規模AI模型和算法，為機器人提供動力。雖然有人將IIIS團隊的最新研究稱為“人形機器人的ChatGPT時刻”，但胡英東博士認為，這個時刻還未真正到來，需要更多的技術突破。

然而，他相信這項技術最終會進入日常實際應用，如餐館的服務機器人、養老院的護理機器人等。這些應用將極大地改變人們的生活方式，提高生活質量。