图源：视觉中国
作者丨饶富英
编辑丨叶锦言
出品丨深网·腾讯新闻小满工作室
宇树科技登陆科创板的第二天，创始人、董事长王兴兴出现在了2026世界机器人大会（WRC）的会场。8月20日，他在主论坛上发表了题为《从展品到产品：人形机器人产业的下一个十年》的主旨演讲。
一年前的WRC上，王兴兴同样以行业观察者的身份亮相。彼时他谈及机器人发展现状、技术重心以及大众对具身智能的认知误区，并直言"具身智能最大的问题不是数据，而是模型架构"，判断未来2至5年，端到端的具身智能AI模型将成为行业主线。
一年之后，王兴兴在分享中，依旧花了大量篇幅谈行业：具身智能眼下最大的瓶颈是什么、人形机器人的"ChatGPT时刻"何时到来，以及一条他最新提出的"物理AI机器人自进化"路径。
在他的判断里，产业真正的临界爆发点，也就是机器人的"GPT时刻"，"快的话2到3年，慢的话5到10年"。
从四足到人形：产品矩阵与落地困境
"我们公司16年成立，到今年8月差不多整整十年。"王兴兴以时间线开场。他简要梳理了宇树的产品脉络：早期以四足机器人切入，近几年切入人形机器人；2024年推出的Unitree人形机器人，是外界目前看到的大部分同类形态产品的原型。
今年春晚，宇树机器人再度登上舞台，一曲《武BOT》让公司在大众层面进一步破圈。不过，业界目前的普遍共识是：机器人仍主要活跃在表演、科研场景。
在展演之外，宇树近几年也在探索工业和生活场景。王兴兴透露，早在2020年，公司就开始与汽车厂商合作，探索机器人在生产线上的应用，并在自家工厂让机器人参与简单测试与落地任务；目前，公司绝大部分AI团队都围绕"让机器人真正走进家庭和工厂干活"这一目标推进。
他也直言，这件事之所以还没有大规模推广，核心原因在于效率。"目前虽然可以做一些简单装配，但效率其实比人还要低一些；每次来一个新任务又要重新训练，效率进一步下降。"在他看来，只有当技术泛化能力足够好，才具备真正规模化落地的前提。
产品层面，王兴兴集中展示了几款近期迭代的机型：主打力量型动态动作、具备更大机身尺寸与更高关节输出能力的人形机器人H2；身高约3米、整机质量约500千克，可在双足与四足形态之间切换的载人变形机甲GD01；以及结合轮式移动速度与四足越障能力的轮足机器人As2-W等。
在公司战略层面，王兴兴明确表示，AI模型是目前宇树"资金和人力投入最大的一个方向"。公司自2024年起开始探索基于视频生成的世界模型，中间一度搁置，近一年重新加大投入。
王兴兴判断，未来主流的具身智能预训练数据仍将以海量互联网数据为主，并辅以一定比例的高质量真人数据和真机数据，"真人数据会更加重要一些，真机数据也非常关键，因为要让机器人跟物理世界匹配"。
行业最大瓶颈：智能泛化能力不足
演讲后半段，王兴兴将话题转向整个行业最受关注的问题：人形机器人到底什么时候能真正走进生活？
他给出的答案是：目前全世界共同的最大瓶颈，仍然是具身智能的泛化能力不足。"在一个固定场景里，只要采集训练的数据足够，成功率可以做到接近100%；但只要操作的物品或环境换一下，成功率就会明显下降。"
基于此，他给出了自己对机器人"ChatGPT时刻"的定义："如果哪一天，我们可以把一台机器人带到一个比较陌生的任意环境，它通过语音和语言模型的驱动，就可以完成大约80%的任务，我觉得这就差不多实现了机器人真正的ChatGPT时刻，也是产业真正的临界爆发点。"
他给出的时间预测区间是"快的话2到3年，慢的话5年到10年"。
为什么现在还做不到？王兴兴认为，症结在于AI模型的输入输出与真实机器人的对齐程度不够。他举例称，让机器人去移动、抓取、搬运物体，整体趋势"大差不差、都能执行"，但最后几厘米甚至几毫米的偏差没办法很好地修正，"我伸手去拿这个东西，看着卡住了，最后一点误差没办法修复，成功率就会暴跌"。
在他看来，这也是语言模型与机器人模型之间最本质的差别。"语言模型是完全数字编码的，输入输出严格限制在向量空间里，基本没有大的偏差，可以理解为它是无损的；但机器人的模型每输入输出一次都会有偏差、有损失，最终就体现在泛化和成功率上。"他同时判断，这是一个"未来几年必然可以解决的问题"，只是时间早晚。
除了指出瓶颈，王兴兴还首次系统介绍了宇树昨天刚刚对外提出的一项预研方向——物理AI机器人的自进化。思路是让机器人不再单纯"被人开发"，而是直接以顶尖大模型作为驱动，自己在网上检索最新的论文与开源方案、自己编写控制代码，随后在仿真环境中运行，再部署到真机上进行测试；测试结果由大模型自动评价，并辅以人工打分，形成"生成—验证—反馈"的闭环。
"一旦这套流程真正跑起来，它的开发效率和自我进化能力会大幅提升。"王兴兴解释，做这件事的原因有几个：一是随着底层大模型每个月、每年都在变强，自进化循环本身可以"跟随整个全球AI技术的进步"；二是相比人工采集与标注，自循环可以更充分地利用互联网数据、真实世界数据以及真机部署数据，数据利用率更高；三是随着真机部署规模扩大，测试数据和评价指标会持续沉淀。
演讲末尾，王兴兴表示，“在AI大爆发和全球高度关注的双重推动下，未来十年，机器人的进化速度可能比我预估的还会更快一些。这将是一个全新的起点、全新的开始”。