王兴兴「炸裂」发言：对VLA持怀疑态度，数据并非最关键问题

今日（2025年8月9日），宇树科技创始人、CEO、CTO王兴兴在「2025世界机器人大会」的论坛上，发表了最新演讲。以下是RoboX整理出的部分关键演讲内容：

王兴兴表示，今年上半年，整个机器人行业非常火爆，再加上政策的支持，相关整机厂商及零部件厂商，平均每家企业至少有将近50%-100%的增长，这意味着需求端拉动了整个行业的发展。

在海外，特斯拉今年大概他们会发布他们第三代的特斯拉的人体机器人，同时包括英伟达、苹果，META等头部企业都在持续推动机器人领域的发展。

在此背景下，王兴兴分享了几个个人观点：

1、关于本体的误区

之所以机器人还没有大规模应用，并非因为硬件不够好或者成本比较高。他认为其实从技术层面或者AI角度来说，目前硬件是完全够用的，这也包括人形机器人和灵巧手。

关键问题在于量产，相关的工程问题非常多。

2、具身AI完全不够用

与硬件相比，更大的挑战，还是具身智能的AI完全不够用，这也是限制机器人尤其人形进行大规模应用的最大问题。

王兴兴认为，目前的智能体AI应用，感觉类似于ChatGPT出来前的1-3年左右。目前业界已经发现了类似的方向以及技术路线，但是还没人把它做出来。

而机器人的临界点应当达到什么程度？他表示，如果哪一天我们带一个人形机器人来到完全陌生的会场，和它说，帮忙把这瓶水带给某个观众，它可以流畅地完成；或者说「把这个房间整理一下」，它也能自己完成，那就差不多达到了临界点。

“如果快的话，未来的1-3年内还是很有可能实现的。最慢的话估计3-5年也可以实现，但是现在确实还没有达到这个效果。”

3、关键问题：数据还是模型？

之所以智能机器人还没达到应有水平，到底是模型的问题，还是数据的问题？王兴兴给出了独特答案：

“目前全球范围内，大家对于机器人数据问题的关注度，都有点太高了。现在最大的问题其实反而是模型。”

他认为，目前具身智能和机器人的模型架构不够好，也不够统一。

“在大语言模型领域，当有了足够多的好数据时，就能把模型训练得越来越好。但是在具身智能领域，会发现在很多情况下，数据采了却用不起来。大家对模型的关注目前是相对有点少，反而对数据关注有点太高了。”

4、对VLA模型持怀疑态度

“VLA是一个相对傻瓜式的架构，我个人对它还是抱一个比较怀疑的态度。”

王兴兴表示，VLA模型对于真实世界的交互，数据质量是不太够用的。有个简单的想法，是在VLA模型上加RL训练，但综合宇树长期的尝试来看，VLA+RL还是不够的，模型架构还得再升级和优化。

5、宇树的做法

去年，OpenAI发布了视频生成模型以后，行业内产生了一个想法——如果生成一个「整理房间」的视频，是不是能让视频生成模型直接去驱动一个机器人去执行？

去年，宇树就做了这个事情——利用预训练的机器人动作视频，去控制机器人仿照执行。他指出，目前谷歌的全新一代的视频生成模型，也是一个视频驱动的世界模型，同样想实现这样的效果。

“我觉得这个路线的方向，可能比VLA模型的收敛概率还大。但是我没有验证不敢打包票，目前该方法的问题就是，视频生成模型太考验视频生成质量了，导致对GPU的消耗有点大。但是对机器人来说，如果遇到并不需要很高精度的视频生成质量，还是可行的。”

6、机器人的Scaling law才刚开始

王兴兴指出，目前宇树等品牌的机器人，在跳舞、格斗等动作上，实现的效果还不错。但是要想进一步整体提升能力，还面临着一个很大的问题。

“目前，机器人领域的Scaling law，大家做得非常不好。举个最简单例子，如果我有一个新的舞蹈要去训练，那么每次加入新的动作，都要重新训练，而是从头开始训练，这是非常不好的。我们是希望我每做一个新训练的时候，是可以在之前的训练基础上去做AI训练的。”

他认为，做AI训练的时候，理论上应该训练速度越来越快，学习新技能的效果越来越好。但是全行业内目前还没人能做出来，这是非常值得做的一个方向。

因为这在语言模型上已得到过充分验证，但是在机器人的运动控制上面，大家才刚刚开始。

“在未来2-5年，最重要的还是端到端的具身智能AI模型，模型本身是非常最重要的。”

7、硬件工程优化

更低成本、更高寿命的硬件，哪怕对于已经发展100多年的汽车行业来说，如果要做一辆很好的汽车出来，工程量还是非常大的。

“对机器人行业来说，未来可能每年要生产几百万、几千万甚至几亿台的人形机器人。如果要大批量生产制造出来，它的工程量的挑战还是非常吓人的一件事情。”

8、算力部署的局限性

目前，在人形机器人上，或者在移动机器人本体上，没办法直接部署很大规模的算力。这是因为它的尺寸和电池都有限，它部署的算力功耗也是有限制的。

王兴兴称，在人形机上，最多只能部署峰值功耗约为100瓦的算力，且平时工作时算力只有几个手机的水平。但是，未来的机器人对于大规模算力的需求肯定是毋庸置疑的，而且可能会是分布式的算力。

因为，大家都希望机器人工作的通信延迟比较低。此时如果数据中心或者算力中心在异地，延迟实在是太大了。所以他认为，未来如果一座工厂里有100个机器人，也可以配备集群的分布式服务器，这样其安全性和通讯延时是可以接受的。

再比如，如果一个小区中每家每户都有机器人的时候，该小区也可以有分布式的集群。并且如果有一个新客户想买一台人形机器人的时候，他不需要给这部分算力的建设花钱，成本也会更低很多。

“我觉得分布式集群是未来在机器人领域非常重要的构成。”王兴兴说道。

9、全球共创的重要性

他认为，机器人领域是一个全球共创的过程，包括中国、美国的很多的大企业，大家在过去的很多年和当下，都做了很多贡献，也希望共同推动行业进步。

“在AI领域，没有一家大公司能保证只要有足够的人、有足够的资源，就能永远保持在AI领域领先。OpenAI和DeepSeek已经证明了AI的创新，永远伴随着一些随机性。所以很多情况下，需要每家公司或者每家高校都做出很多贡献，进行全球共创。”