宇树科技王兴兴：过去十几年犯的最大错误是对AI相信得不够

第 26 届中国工博会现场，宇树科技创始人王兴兴分享了对具身智能产业的最新思考。一边是大模型迭代加速带来的乐观预期，另一边，机器人距离工厂大规模商用，依旧横亘着现实难题。

回顾十余年的创业与技术探索，王兴兴坦言，自己过去最大的认知误区，就是对 AI 的潜力相信得不够。眼下全球大模型迭代节奏持续加快，几乎每一两个月就实现一轮能力跃升。把最新大模型部署到实体机器人开展真机实测，已经能够实现不错的任务完成效果。在他看来，具身智能的技术拐点，有可能会比行业普遍预期来得更早，乐观情况下 1‑2 年或将迎来关键突破，下一代大模型甚至有望破解当下不少产业技术卡点。

他提出过行业标志性的判断标尺：当机器人进入完全陌生的环境，仅凭语音指令就可以完成 80% 任务，才算迎来具身智能的 “ChatGPT 时刻”。但技术乐观不等于商业化即刻到来。目前包括宇树在内的多家企业，已经把机器人投放到汽车制造等工厂做试点，可仅仅停留在小范围试验阶段，还做不到批量上岗。

阻碍机器人大规模进厂的核心，不在硬件运动能力，而在于物理世界的泛化难题。固定场景经过反复调试，机器人可以完成得很出色；一旦现场出现物料移位、光线变化、零件形态改动，几毫米的微小现实误差，就会造成任务执行失败。模型在仿真环境表现再好，落地到真实车间，环境泛化能力、作业效率两道关卡仍需要持续打磨。

对于不同场景的落地节奏，王兴兴给出不一样的判断：商业服务场景的落地速度，大概率会跑赢工业制造；而家庭消费端的普及还会更滞后。工业场景容错空间极低，对稳定性、鲁棒性要求严苛；部分商业服务任务对误差容忍度更高，更容易率先跑通商业模式。

同时他也提到，当前机器人的开发迭代依旧高度依赖人工介入，从模型调试到任务结果评判，都需要人来确认效果。宇树内部也在探索 “物理 AI 自进化” 体系，尝试把编码、训练、真机测试、反馈修正形成自动化闭环，但现阶段人依旧无法完全退出流程中国经济网。

硬件工程难题可以一步步攻克，但真正决定产业节奏的，是 AI 虚拟逻辑和现实物理世界的对齐能力。行业已经看见曙光，但大量真机实测、场景打磨必不可少。机器人不应当执着于人形这单一形态，形态服务任务本身，最终要看能不能实实在在解决真实世界的问题。