宇树科技创始人王兴兴在 2026 世界机器人大会上，给出了具身智能真正爆发的量化门槛：把机器人丢进 80% 的陌生环境，仅靠语音或文字指令，它能完成约 80% 的任务。目前行业连这个门槛的边都摸不到——固定场景任务成功率可接近 100%，但换张桌子、换个杯子，成功率立刻断崖式下跌。他预测这个「ChatGPT 时刻」快则 2-3 年，慢则 5-10 年，核心卡点就是 AI 模型与物理世界之间的「最后几个毫米」信号损失。

为什么机器人能下赢世界冠军，却叠不好一件衣服？1988 年莫拉维克提出的这个悖论，精准解释了当前具身智能的尴尬：对人类极难的逻辑推理，对 AI 反而简单；对人类本能级的感知运动（如走路、抓取），对 AI 却难如登天。根源在于人类数亿年进化已将行走、抓取写入了基因「专用硬件」，而抽象推理只是近万年的上层建筑。理解这个悖论，就能看穿遥控器为何存在——不是硬件不行，是机器人「大脑」对物理世界的理解还卡在婴儿阶段。

「遥控」争议并非中国特供。2026 年初，《华尔街日报》爆料特斯拉 Optimus 演示中的自主动作依赖工程师远程操控，手部精细操作失败率超 60%。Figure AI 的 33 小时自主分拣直播也被观众揪出「半秒响应延迟」「预判式动作」等可疑痕迹。同一时间，国内第二届机器人半马 40% 队伍已实现自主完赛。这揭示了一个行业性真相：所有厂商都在用遥控器过渡，区别在于谁在坦诚面对、谁在刻意隐藏，而数据飞轮正从每一次人为操控中积累。

遥控器不只是过渡品，更是未来自主机器人的「养料」生产线。当前全球有效具身训练数据仅 50 万小时，缺口超 99%，而每一次人为遥操都在产生真实交互数据。本届机器人运动会已积累 2500 小时真机数据，对应 12 个场景、44 项作业。但挑战同样严峻：行业数据显示采集数据的有效率仅 10%——90% 因多维传感器时间同步偏差被废弃。2026 年被定义为「数据元年」，贵州已首创将具身数据采集纳入专项资金，合肥建成 6461 平米的机器人训练场。遥控器退场的速度，取决于这些数据工厂的生产效率。

第二届人形机器人运动会场景赛上，一台自主机器人在「打包入库」中碰歪了第一个纸箱，随后所有药盒都码歪了——它没有发现错误，也没有修正程序。这个场景抛出一个远比技术更棘手的问题：如果机器人进入工厂后因「泛化能力不足」造成批量产品损坏或安全事故，责任归谁？是算法提供商、本体制造商，还是部署方？当前的 L2-L3 分级体系只定义了技术能力，还没有厂商敢于触碰「故障归责」和「安全兜底」的契约框架。