十年宇树，一个新起点：王兴兴谈具身智能的瓶颈、破局与新纪元

飞象网讯 （孙迎新/文）8月20日，在2026世界机器人大会上，宇树科技创始人、董事长王兴兴再次带来更多不一样的东西。

而就在昨天，宇树科技正式登陆科创板。发行价150.8元，对应的市值是610亿元，打新有 980万人在抢，中签率低到万分之0.18，创下科创板开板以来的最低纪录。

一个靠机器狗和人形机器人起家的公司，硬是被资本市场追成了明星。

在世界机器人大会主题发言中，王兴兴并没有过多谈论宇树科技取得的成就，而是就当前人形机器人产业面临的核心困境，提出了一个现实的命题：“人形机器人产业真正的考题，不在能不能动，而在能不能在真实、开放、非结构化的环境里，稳定、高效地干活”

同时还有他对人形机器人产业前途的思考：“为何尚未大规模推广？主要原因是当前机器人的效率和泛化能力仍有不足，这也是目前全球行业共同面临的最大瓶颈。”

效率与泛化之困：机器人为何难进千行百业？

尽管现在的人形机器人能跑能跳，但在过去几年，人形机器人还不是这个样子。

就拿宇树来说，2024年推出的G1几乎是全球人形机器人的标准样本，市面上的竞品大多与此高度相似。但相似的外形与结构也带来了相似的问题，这些机器人在实验室或固定产线等结构化场景中，经充分训练后任务成功率很高，但一旦更换操作对象、光照条件或空间布局，性能便急剧衰减，无法像人类一样举一反三。

这也带来一个严重的问题，导致每部署一个新场景都需重新采集数据、重新训练，边际成本极高，难以规模化复制。

对此，王兴兴认为根本问题出在泛化上。

“虽然机器人已能完成简单装配任务，但效率仍低于人工；且每次面对新任务都需要重新训练，效率相对较低。”

面对当前人形机器人效率与泛化的难题，王兴兴坦言，现在让人形机器人开展大规模的市场化，还不是时候：“我们希望待技术泛化能力进一步提升后，再进行大规模推广，这也是目前全球行业共同面临的最大瓶颈。”

王兴兴认为，这不是能力不够的遮掩，而是对临界点的清醒。整个行业都在等同一个东西成熟：让机器人从一个场景一套办法，变成到哪儿都能上手。

物理世界对齐之路：具身智能如何跨越最后几厘米？

物理世界是一个可度量的世界，充斥着各种各样的精度。

即便AI模型能正确理解语义指令，并生成合理动作规划，但在执行末端仍常因毫米级感知与控制偏差而导致失败。

这种“最后几厘米”的误差，源于仿真与现实之间的鸿沟（sim-to-real gap），以及传感器噪声、机械公差、接触动力学复杂性等多重因素的耦合累积，是当前技术体系难以根除的系统性缺陷。而这种缺陷根植于技术体系的底层，不是调几个参数就能抹平的。

因此，王兴兴认为：“机器人与物理世界交互必然存在误差累积，导致最终成功率骤降。这是当前全球具身智能发展的最大瓶颈。”

王兴兴进一步表示，大模型能听懂指令、能规划出合理的动作，可到了执行的最后几厘米，甚至毫米级的那一下，常常就偏了。它不像语言模型，语言模型在封闭向量空间里传递信息，几乎无损；机器人伸手的这一下，碰的是真实的摩擦力、机械公差、传感器噪声，误差会一层层叠起来。

那如何跨过最后几厘米的瓶颈？王兴兴给出的办法是，不再去死磕单个算法，而是换一套范式：让AI来造AI。

他先把底层逻辑摊开：“AI本质上是数据驱动的。有多少高质量数据，就有多强的AI能力。”顺着这条线，宇树正在搭一套物理AI机器人自动化自进化系统：用顶尖大模型当引擎，自动检索最新论文和开源方案，生成控制代码，先在仿真里验证，再上真机测试，测试结果由AI和人工共同打分，再喂回系统。

用王兴兴自己的话，“该体系一旦运转，将大幅提升具身智能的开发效率与迭代速度，实现机器人的自我进化。”

这套打法的好处，是会滚雪球。基础模型越强，自进化循环就越强；真机部署越多，测试数据和评价指标越丰富，“数据利用率与增长曲线可获保障，实现数据飞轮效应”；技能还能“逐日累加沉淀，避免重复开发与资源浪费”。

尽管能够造出机器人，王兴兴也没把人踢出局。他特意强调：“人的经验判断对区分优劣至关重要。”这句话更深层的意义在于，AI跑得快，但好坏还得人来定。

至于判断的临界点到底在哪里？王兴兴给出一个可触摸的数字：“当一台机器人被置于任意陌生环境中，能通过语音指令完成80%左右的任务时，即标志着具身智能达到实用化临界点，产业将迎来爆发。”时间点他给得不武断：快则两三年，慢则五到十年。

十年宇树，站到了一个新路口。机器人能跑能跳的这一年已经翻篇，能不能跨过最后几厘米、真正走进千行百业，是下一个十年要交的答卷。王兴兴的话既是总结，也是展望：