具身智能的“ChatGPT时刻”何时到来？王兴兴：快则两到三年，慢则五到十年

8月20日，“人形机器人第一股”宇树科技登陆科创板次日，该公司创始人、董事长王兴兴在2026世界机器人大会上发表题为《从展品到产品：人形机器人产业的下一个十年》主题演讲。

王兴兴演讲

他表示，当前机器人产业正站在人工智能加速发展的新起点，但通用机器人真正进入家庭和日常生产生活，仍有赖于具身智能泛化能力取得关键突破，现阶段该领域最大的发展瓶颈仍然是具身智能的泛化能力不足。

王兴兴认为，判断具身智能是否迎来类似ChatGPT的产业临界点，可以采用一个相对直观的标准：将一台机器人带入任意陌生环境或普通家庭后，它能够根据语音、语言指令，自主完成约80%的任务。（在80%的陌生场景中，通过语音或文字指令，机器人能够顺利完成大约80%的任务）。

从时间上看，王兴兴给出了相对乐观的判断，最快可能需要两至三年，最慢可能需要五年甚至十年。

王兴兴在演讲中进一步分析了当前机器人AI模型存在的技术瓶颈。他指出，目前全球不少AI模型，在固定场景中经过充足的数据采集和专项训练后，任务成功率基本可以接近100%。但只要更换操作物品，或是稍微改变环境，机器人的任务成功率就会出现大幅下降。

他认为，这主要是因为AI模型的输入－输出与真实世界有偏差导致，大语言模型完全由数字编码组成，严格限制在向量空间里，输入－输出基本不会有太大损失，但对机器人来说，每次输入－输出都有偏差和损失，这导致目前全世界机器人模型的泛化能力和成功率稍有偏差，

“我认为未来几年是必然可以解决的问题。”王兴兴表示。

这一瓶颈也直接制约着机器人在家庭和工厂中的规模化应用。王兴兴以宇树科技G1机器人近年来在工厂、会议室整理、医疗场景等落地情况为例，指出通过实践，现阶段机器人已经能够完成部分装配和整理任务，但整体效率和泛用性不高，与人类相比仍有差距。面对新任务时，机器人通常还需要重新采集数据和训练，任务迁移效率有待进一步提高。

王兴兴指出，这不仅是宇树科技面临的问题，也是目前全球大家共同面临的瓶颈。

在模型技术路线上，宇树科技重点关注端到端模型和世界模型。王兴兴介绍，公司早在2020年初就开始探索基于视频生成的世界模型，虽然早期效果并不理想，相关工作一度放缓，但从2025年开始，公司再次加大了对这一方向的投入。目前，AI模型已经成为宇树科技资金和人力投入最大的方向之一。

王兴兴还介绍，近期宇树正在推动的是让物理AI机器人模型实现自我进化。

简单来理解，这是一套用目前最前沿、最顶尖的AI大模型驱动，宇树公司在内部设定规则和约束等，让AI自己去完成搜索、编程、生成机器人控制代码工作。

王兴兴表示，生成之后，可以在仿真环境里完成试运行，再部署到实物机器人上进行测试和打分。训练完成之后，再由AI模型和人工进行评价，确定效果如何再把结果反馈给编程智能体，形成正向训话。

为什么这么做？王兴兴表示，随着每个月、每年基础模型的提升、持续净化，自进化循环本身的能力也会同步增强。“它是非常良性，某种意义上可以跟随整个全球AI技术进步”。此外，可以更高效地使用多元数据，单纯依靠人工处理数据效率相对较低；通过自循环，可以综合利用各种训练数据，包括真实世界数据和人的数据。随着真机部署数量增加，系统还可以获得更多测试数据和评价指标，从而持续提高数据利用效率，并推动数据积累走向规范化。

王兴兴称，这套逻辑形成体系并运行起来以后，整个机器人的开发效率会高很多，迭代速度也会非常快。

此次演讲中，王兴兴也回顾了宇树科技十年来的发展历程。王兴兴介绍，公司成立于2016年8月，早期主要研发四足机器人，近年来逐步拓展至人形机器人。

他表示，在人工智能加速发展、全球关注度持续提高的背景下，机器人的进化速度已经显著加快。未来十年的产业发展速度，甚至可能超过当前预期。

“这是一个全新的起点、全新的开始。”王兴兴说。

澎湃科技注意到，8月20日，宇树科技上市次日低开6.51%，开盘报790元。

以下是王兴兴演讲全文（略有编辑）：

各位嘉宾，大家好。非常荣幸在此作分享。

首先回顾一下公司的情况。宇树科技成立于2016年8月，到现在将近十年。公司最早从事四足机器人研发，最近几年开始做人形机器人。我们2024年推出的G1，是近几年比较成功的一款产品，推出后基本成为全球一个标杆性的产品。

今年年初，我们参加了总台春晚《武BOT》节目的演出。这个节目融合了中国经典功夫文化，我们提前采集了几十个中国功夫动作，经过AI训练后，把精彩动作呈现在舞台上。

这个节目最大的亮点，是将当前全球前沿的人形机器人技术与中国传统功夫文化结合起来。节目在海外传播得非常好，播放量可能达到数百亿次。我认为，这是一个非常好的科技与文化交流案例。

今年2月，我们还在北京天坛进行了机器人集群演示，现场共有49台机器人参与表演。天坛拥有数百年的历史，当机器人出现在现场时，有一种穿越时空的感觉——中国数百年的传统文化与当前最新的机器人技术交融在一起，给人非常强烈的震撼感。

过去几年，我们一直在推动机器人真正走进生活、进入工厂工作。2024年，我们开始与汽车工厂合作，探索机器人在汽车生产中的落地应用，也在自己的工厂里部署机器人，开展一些简单的测试。公司绝大部分AI团队都在研究如何让机器人真正进入家庭和工厂工作。

为什么我们现在没有大规模推广呢？最主要的原因是机器人的效率和泛化性能力还是不够高。虽然机器人已经能够完成一些简单装配任务，但与人相比，效率仍然较低。每当出现新的任务，机器人通常还需要重新训练，整体效率会进一步下降。所以我们希望能把泛化性做的更好的情况下，再进行大规模推广，这是全球机器人行业共同面对的最大瓶颈。

今年4月，H1人形机器人的奔跑速度达到约10米每秒，刷新了人形机器人奔跑速度的世界纪录，已经非常接近人类顶尖运动员的奔跑速度。这款机器人基于我们2023年推出的第一代人形机器人改制而来。

现在的机器人基本都是由AI驱动，而AI本质上是由数据驱动的。拥有多少数据，特别是拥有多少高质量数据，在很大程度上决定了AI模型的能力。所以我们正在自行采集数据，也在与第三方公司合作，采集更多数据供行业和公司使用。

从现阶段看，真正用于AI机器人训练的数据，还是以海量真人数据和互联网数据为主，再加上部分真机数据。这两类数据都非常重要，但从量上说真人数据可能会需要更多一些，而真机在真实世界中产生的数据同样不可或缺，因为我们需要让机器人真正与物理世界实现匹配。

今年5月，我们发布了量产版载人变形机甲GD01。这款机甲身高三米左右，载人后重量约为500公斤。简单来说，它有点像一辆越野车，并不是主要用于家庭或城市环境，而是可以应用于户外徒步以及复杂环境中的运输等场景。

这款机甲还可以变形成四足模式。在四足模式下，它的稳定性和越障能力更好，这也是我们将其推向预售的一个重要原因。

前几个月，我们还演示了基于多模态模型和端到端技术的AI动作自动生成。以往很多机器人动作都需要提前训练，而这套系统可以根据实时语音生成动作。

由于动作是根据实时语音生成的，目前仍会存在一定延迟。系统需要先完成语音识别，再上传到云端，由云端进行AI动作生成和动作验证，确认没有问题后再下发给机器人，整个过程需要几秒钟。

我们希望，未来机器人在实际应用中，动作能够完全实时生成，而不是依赖提前编程。自动生成也存在一个特点：即使向机器人发出同一句话，它今天和明天生成的动作也可能略有差异。

我们还在推动机器人真正进入会议室工作。公司内部的会议室有时也会比较杂乱，因此，会议室整理是一个具有实际价值的应用场景。

我们在一个会议室中进行数据采集和训练，将会议室中的物品任意打乱后，机器人可以把它恢复到干净整洁的状态。由于整个过程采用端到端模型实现，目前机器人的运动效率仍然相对较慢。

这一场景中设置了七至八项不同任务，机器人可以使用一个模型在不同任务之间自动切换，同时具备一定的抗干扰能力。由于机器人需要实时识别环境并生成动作，每走一步都要进行推理，所以动作还不够流畅。相关演示视频采用一镜到底的方式拍摄，没有经过剪辑。

会议室整理具有一定实用价值，同时任务难度相对适中，因此是我们认为非常值得推进的应用方向。

在此基础上，我们还进行了语音驱动机器人工作的演示。此前的语音生成主要解决动作问题，不涉及交互和实际工作；新的演示则让机器人在语音驱动下完成具体任务。

例如，用户可以要求机器人把指定颜色的药盒放到相应位置，也可以询问机器人看到了几盒药。机器人通过多模态模型识别物体后，可以回答药盒的数量和颜色，并根据指令完成搬运。这套系统具备一定的抗干扰能力，并不是简单执行固定动作。

前段时间，我们还发布了新一代轻量化轮足机器人As2-W。这款机器人重量约20多公斤，负载能力和续航能力较强，并具备一定的防雨水能力，可以在室内和室外使用。较轻的重量使它在日常生活和工业场景中使用时更加方便。

我们把一部分人形机器人技术应用到四足机器人上，使四足机器人的灵活性得到进一步提升。我们希望这类机器人能够真正应用于户外徒步等场景。

前段时间，我们还预览了一款新的机器人。这款机器人目前开发了三个多月，还不是正式发布的产品。它的最高速度已经达到12.65米每秒，超过了人类历史上最快运动员的奔跑速度，跳跃高度也超过了人类历史上的最高纪录。

2025年，我本人、公司的产品以及宇树科技都登上了《时代》杂志的相关榜单。

回顾近几年具身智能AI模型的发展，目前主要有VLA模型和世界模型两条技术路线。今年，大家可能听到更多的是世界模型。宇树科技一直在加大对AI模型的投入，这也是目前公司资金和人力投入最大的方向。

2020年初，我们就开始探索基于视频生成的世界模型，但当时的效果并不理想，因此中间搁置了一段时间。从2025年开始，我们再次大力发展基于视频生成的世界模型。

很多人都关心，真正通用的机器人，无论是人形机器人还是半人形机器人，什么时候才能进入生活和家庭。

目前，全球具身智能面临的最大瓶颈仍然是泛化能力不足。在固定场景中，只要进行充分的数据采集和训练，很多AI模型的任务成功率基本可以接近100%；但只要更换操作物品，或者稍微改变周边环境，任务成功率就会出现非常明显的下降。

我希望，进展较快可能需要两至三年，慢一点可能需要五年甚至十年。如果有一天，我们把一台机器人带入任意陌生环境或普通家庭，它能够通过语音或文字指令完成约80%的任务，我认为就基本实现了具身智能的“ChatGPT时刻”。

这将是机器人产业真正的临界爆发点，判断标准也相对简单：把一台机器人带入陌生环境，它能够根据语言指令完成约80%的任务。

要达到这一目标，目前最大的瓶颈，是AI模型的输入和输出与真实机器人、真实物理世界的对齐程度不够。

现有机器人模型在执行移动、装配或者搬运等任务时，整体方向通常没有问题，基本能够理解并执行任务。真正的问题出现在最后几厘米甚至几毫米。机器人无法很好地修正这些细微偏差，也无法与真实世界实现足够精确的匹配。

例如，当机器人伸手抓取一个物体时，从视觉上看已经接近抓住，但最后一点触觉反馈和细微误差可能无法得到有效修正，最终导致任务成功率大幅下降。

这是目前全球具身智能面临的最大瓶颈：AI模型的输入和输出与真实世界之间仍然存在偏差。

为什么机器人会出现这一问题，而一般的语言模型或多模态模型相对不明显？语言模型处理的是经过数字编码的文字，输入和输出被严格限制在相应的向量空间中，通常不会产生较大偏差，信息损失也相对较小。

但对机器人来说，每进行一次输入和输出，都可能产生偏差和损失。这是目前机器人模型泛化能力和任务成功率仍然不足的重要原因。不过，我认为这个问题在未来几年一定可以得到解决，只是还需要一些时间。

接下来介绍一下我们正在推动的一项工作。

过去几年，大家已经广泛使用AI进行编程和AI开发，但在机器人研发领域，对AI的使用仍然相对不足。

我们近期正在推动物理AI机器人模型的自进化。具体来说，就是使用当前前沿的AI大模型驱动机器人研发，同时由我们设定规则、经验、约束条件和工具，使智能体能够自主搜索最新论文、研究成果和开源方案，并自主编写机器人控制代码。

代码生成后，可以先在仿真环境中运行和验证，再用于控制实体机器人。我们会把相关程序部署到实体机器人上进行测试，并对测试结果作出评价和打分。

一部分评价可以由机器人AI模型完成，另一部分由人工参与。人的经验非常重要，因为人能够很容易判断机器人的动作和任务执行效果是好还是坏。

如果这套逻辑形成完整体系并运行起来，机器人的开发效率会得到明显提高，迭代速度也会进一步加快。只要这一流程持续运行，就有望真正提升机器人的自我进化能力。

目前，一些编程智能体已经可以自主编写机器人控制代码。对于部分相对简单的深度强化学习算法，智能体的自动编程效果已经不错。

这些代码首先在仿真环境中验证，训练完成后再部署到实体机器人上测试。测试完成后，由AI模型和人工进行评价、打分，判断实际效果，再将评价结果反馈给编程智能体，由其继续修改和优化代码，从而形成正向循环。

这里展示的只是一个最简单的示例，真正应用时会更加复杂。我认为，这是当前以及未来几年全球机器人行业非常值得推进的一项工作。

为什么要这样做？主要有几个原因。

第一，随着基础模型能力逐月、逐年提升，自进化循环本身的能力也会进一步增强。这是一个良性循环，某种意义上可以持续受益于全球AI技术的进步。

第二，自循环机制可以更加高效地使用多元数据。单纯依靠人工处理和使用数据，效率相对较低。通过自循环，我们可以综合利用各种训练数据，包括真实世界数据和人的数据，从而提高数据使用效率。

随着实体机器人的部署数量不断增加，系统可以获得更多测试数据和评价指标，数据利用率和增长速度也能得到保证，并逐步实现数据积累的规范化。

第三，机器人每天、每月获得的新技能可以持续保存和积累，而不是今天开发出一个技能，明天又把它浪费掉。真正利用AI大幅提高机器人的开发效率和进化效率，是未来非常值得推进的一件事。

我认为，这可能开启物理AI机器人自进化的新纪元，未来会有越来越多的人和企业推动这一方向。

过去将近十年，宇树科技也多次参加世界机器人大会。我们大概在2017年或2018年第一次参会，对行业这些年的变化感受非常深刻。

站在新的十年起点上，特别是在AI加速发展、全球关注度不断提高的背景下，机器人的进化速度已经显著加快。未来的发展速度，可能比我现在预估的还要更快。

这是一个全新的起点、全新的开始。

谢谢大家。