宇树科技创始人王兴兴：机器人AI还没突破临界点，是当前最大瓶颈

每经记者：孔泽思 每经编辑：陈梦妤

近两年，随着新一代人工智能出世，以及资本市场加强对未来产业的投入，人形机器人开始逐渐从科幻走向现实。从资本市场近期表现看，人形机器人概念持续火热，部分公司涨停连板。花旗分析师指出，预计未来25年，人形机器人市场规模将达到惊人的7万亿美元。

与此同时，人形机器人部分产品也已开始出售交付，大有批量“进厂打工”趋势。如2024年5月，特斯拉研发的二代Optimus人形机器人已进厂实训，计划2025年年底前量产销售。在国内，如宇树科技、达闼科技等厂商均已在人形机器人领域有所布局。

除了工业领域，人形机器人离我们的生活还有多遥远，何时能“飞入寻常百姓家”？当前行业发展难点又有哪些？

近日，杭州宇树科技有限公司创始人兼CEO王兴兴接受了《每日经济新闻》记者（以下简称NBD）采访。

5年内将有终端产品

NBD：2023年，国内很多人形机器人开始“进厂打工”，您怎么看这个现象？宇树人形机器人的落地现状和未来规划是怎样的？

王兴兴：我觉得这是一个趋势。我们过去几个月与蔚来的汽车工厂有合作，就现场部署了人形机器人做搬运。这个领域目前基本处于试点阶段，大家觉得这个方向有价值，就共同推进落地部署，不过目前还没有到真正的商业闭环阶段。

我们公司主要是卖本体，如果是做科研教育、AI公司或者个人买来玩，我们完全欢迎。

此外，工业领域也在推进，比如我们希望去工厂帮忙做一些简单的生产装配，或者一些简单的搬运工作，蔚来汽车工厂就是典型例子。我们其实没有给自己定目标或者逼迫那么紧，还是尊重整个市场的反应，等技术、产品和大家接触到一定程度，已经展现出更好的商业势头了，我们再大规模去推广。

NBD：在人形机器人技术迅速发展的当下，面临的最大瓶颈是什么？目前人形机器人应用领域中，哪些方面有可能实现突破性进展？

王兴兴：当下的最大瓶颈，包括人形机器人、四足机器人等，是基层AI在全球范围内都没有达到一个像初代GPT或者初代通用AI的能力，这也是目前整个行业最大的问题。

目前机器人本身，比如双臂机器人或者工业机器人，如果加了AI以后产生的能效比人低，如速度比较慢、精度比较差、能干的活比较少，其实很难替代人在工业领域的价值，整个商业闭环没法跑通。如果机器人AI的能力能突破一个临界点，使得工厂的基本工序能够高效运转，同时成本也相对较低，那么就可以实现商业闭环并大规模推广，我认为这将是非常有价值的。

当然，目前硬件方面也存在一些挑战，例如机械臂的负载能力不足、精度不够以及成本较高，但这些都属于工程技术层面的问题。所以，最大的问题还是整个机器人AI没有突破一个临界点，目前在具身智能或者机器人AI这个领域，当下大家还觉得机器人有点笨拙，只能干一些固定的活，但我个人比较乐观。再过三四年，不会超过五年，比如在工业或服务业，能有终端产品出现。

机器人需要更高级功能

NBD：近期人形机器人火热至极，但公司早期也不看好人形机器人，请问宇树是怎样调整发展战略的？

王兴兴：2020年以前就有很多投资人问我，你们做不做人形机器人，我非常斩钉截铁地说不做，但为什么2023年初又开始做人形机器人了？其实最早在2009年和2010年，我自己做过小的仿生人形机器人，当时远没有达到我的预期，最大原因是当时全球人形机器人的控制技术不是特别理想，性能上不去，没办法看到实用价值，当时我就坚持不做人形机器人。

到了2021年、2022年，全球科技对人形机器人非常关注，并且在2022年底大语言模型出来以后，AI技术产生了质变，已经看到AI赋能机器人带来的潜力。大家可能想象不到，2022年底，我们还没做人形机器人，但已经有一些客户找上我们想买人形机器人。我觉得社会的共识、热度，客户对它的期待程度，已经足够了，所以我们2023年开始正式做人形机器人。

我们一直希望公司的商业化进程能够保持积极正向，确保我们的产品受到市场的欢迎和社会的认可。当年选择做四足机器人，是因为行业已经初现端倪，而现在选择进军人形机器人领域也是基于相似的市场洞察。

NBD：从目前人形机器人的研发来看，大模型可重点解决哪些技术问题？主要应用在哪些方向？大模型和人工智能的应用有望降低研发成本吗？

王兴兴：目前大家说大模型，一般在说大语言模型或者多模态模型，实际上这部分是可以给机器人用的，2023年我们就结合了OpenAI的大语言模型接口，但实际上大语言模型本身是机器人模型的一部分，并不是全部。

比如跟机器人沟通的时候，肯定需要语言部分，但实际上我个人认为机器人的AI模型，本质上和语言模型还是有很大区别。举个最直观的例子，在工厂里工作的机器人，其实并不需要具备语音功能。只要它能够完成任务，进行工作就足够了。

机器人具身智能的核心在于其执行任务的能力，而不仅仅是对话。手机已经可以完成简单的对话任务，因此机器人需要更高级的功能。然而，这部分的训练其实与大语言模型关系不大，更多地依赖于模仿学习。此外，该模型的结构与大语言模型的结构也存在较大差异。这是目前大家已经看到的方向了，但是整个体系没有大语言模型那么成熟。

在机器人具身智能领域，每家公司的想法都不太一样，技术路线和共性都不太一样，这就导致了其实很难评价发展路径，是正确还是错误。举个最简单的例子，在大语言模型圈，ChatGPT模型出来以前，就有非常多语言模型结构，但大家现在已经忘了，因为发现GPT模型的架构更有价值。现在人形机器人具生智能有点像ChatGPT出来的前一两年，大家已经发现了这个方向，要往这个方向做，但还没有哪家敢说自己的方向绝对正确。