当王兴兴开始像黄教主那样“布道”……

在2025年世界机器人大会（WRC）上，英伟达Omniverse与仿真模拟技术副总裁 Rev Lebaredian、宇树科技创始人王兴兴、银河通用创始人兼CTO王鹤罕见同框。王兴兴也开始稚嫩地像黄仁勋教主那样“布道”。

目前，宇树科技和银河通用等机器人企业都和英伟达进行了合作，比如银河通用的G1 Premium人形机器人，就是首批搭载 NVIDIA Jetson Thor 的人形机器人之一，在工业码垛、拆垛及物料箱搬运等复杂场景中展现出流畅性与作业速度。宇树科技则在其新型人形机器人 R1上部署了英伟达全栈机器人技术，通过Isaac Sim高仿真平台优化运动与操控能力，并借助Isaac Lab系统实现快速策略迭代。

Rev Lebaredian首先抛出核心判断：过去三四十年，计算机和IT产业放大了各行各业的能力，但还影响停留在数字化的内容。IT 行业的总规模约为5万亿美元，相比全球超过100万亿美元的所有产业总量，只是小部分。他指出其他行业更大的价值在于触达物理世界的原子领域——交通、制造、物流、医疗等。“而今天，随着人工智能的出现，我们终于有了让机器具备‘物理智能’的能力，可以把物理世界和信息世界真正连接起来。”他强调，这意味着计算机的力量将进入100万亿美元的物理世界市场，而机器人正是实现这一跃迁的桥梁。

谈到英伟达，他指出，公司使命是打造专门针对“最难问题”的计算机，要推动机器人发展、物理 AI 落地，英伟达提出必须构建三类计算机：一是嵌入机器人本体的计算机，例如人形机器人搭载的 Jetson Thor；二是 AI 工厂计算机，用于在部署前通过 DGX、HGX 系统处理海量数据、训练模型；三是仿真计算机，通过物理定律生成数据并提前测试机器人，测试速度可快于现实时间。

王鹤从具身智能的底层逻辑切入。他指出，通用机器人将成为下一个价值数万亿美元、数万亿人民币市场的关键性、革命性产品。这种革命性产品背后包含多个核心要素，第一个是机器人的本体，第二是驱动它运转的具身智能模型。模型背后则是数据支撑，王鹤表示：“我们与英伟达一致认为，合成数据是推动具身智能快速落地的关键。目前，真实世界数据仅占我们训练数据的1%，其余99%均为合成数据。”“我预计未来每三年人形机器人的产值会乘10，那么我们现在头部是卖1000台，三年后就是1万台，再三年后就是10万台，如果卖几十万元一台的话，就达到了1000亿元，超过了整个工业机械臂的总产值。”

王鹤进一步表示：“在未来10年，我们将看到的是一个能够超越当前所有工业机器人量的机器人市场。再往后10年，可能是超越汽车手机这个市场量的万亿市场，所以不能低估它，但也没有大家想的那么快。”

王兴兴描绘了机器人市场：2025 年上半年，机器人整机厂商及零部件企业平均增速达 50%-100%，这一数据在全球制造业史上极为罕见。目前全球实际出货的机器人中，超 70% 由中国企业生产。这一优势源于中国完整的供应链体系 —— 宇树 R1 人形机器人的 94 个触觉传感器、微型行星滚柱丝杠等核心部件，国产化率已达 83%。对比特斯拉 Optimus 的量产计划，宇树通过 “硬件够用 + 模型突破” 的差异化路径，正在消费级市场建立壁垒。

针对行业普遍关注的数据瓶颈，王兴兴提出颠覆性观点：当前最大问题是模型架构缺陷，而非数据不足。他以 ChatGPT 发展历程类比，指出机器人模型仍处于 “前 ChatGPT 时代”—— 即使积累海量数据，因模型无法有效泛化，仍难以实现复杂场景的自主决策。例如，宇树实验室测试显示，现有模型在陌生环境执行 “递水” 任务时，成功率不足 30%。

王兴兴介绍了模型革命的三大方向。一是统一端到端架构：摒弃传统模块化设计，开发能融合视觉、语言、行动的通用模型。宇树 AI 团队正在研发的 “盘古” 模型，已实现从指令理解到动作执行的全流程闭环。二是世界模型的应用：借鉴谷歌 Genie 3 技术，通过虚拟环境模拟训练机器人应对物理交互问题。宇树测试显示，经虚拟训练的机器人在真实场景的适应速度提升 40%。三是分布式算力网络：提出 “工厂级算力集群” 概念，通过边缘计算节点解决机器人实时决策的延迟问题。宇树已与中国移动合作，在杭州某工厂部署首个分布式算力试点。

王兴兴坦言，宇树最新发布的 R1 人形机器人硬件成本已压缩至 2.8 万元，其 26 个关节电机采用自研一体化设计，成本较外购方案降低 70%。这种 “硬件不赚钱、生态赚未来” 的策略，正在复制智能手机行业的成功路径。

王兴兴预测，机器人自主决策能力的突破将在 1-3 年内发生。标志性场景是：机器人在从未去过的会场，仅凭 “把水递给第三排穿红衣服的观众” 指令就能完成任务。他强调，机器人产业需要全球共创 —— 宇树的电机技术借鉴了德国精密制造经验，而其 AI 算法研发与 OpenAI 保持技术交流。针对当前 “脱钩” 趋势，王兴兴呼吁：“技术创新没有国界，就像 ChatGPT 的突破离不开全球研究者的贡献，机器人产业也需要开放合作。”

就像乔布斯在1990年代甚至更早，就人机互动、移动互联网、电子商务、云服务等等的预言，后来都成了现实。黄教主在AI方面的话也类似布道。下面分享2025年5月初在华盛顿举办的2025 Hill and Valley Forum（“硅谷与国会山论坛”，或者“山谷论坛”）峰会黄教主的演讲，由高飞整理。

一、AI作为新工业革命：三层次理解AI的框架

黄仁勋将AI定位为一场新的工业革命，通过三个层次的框架来解释AI的变革性本质。

首先是技术层面："AI是一种新技术，它的构建方式与过去的软件不同，这种新软件能做过去软件无法完成的事情。"

第二个层次是产业层面，即AI生产方式的革命性变化："在过去的软件产业中，软件生产主要依靠人类编写代码。而现在我们有了一个新的产业，这种软件是通过机器生产的。"他进一步阐述了这种生产方式的独特性："你需要一台大型超级计算机，向其输入电力，而从中产生的是'tokens'（标记）。这些标记可以被重新组合成数字、单词、蛋白质、图像、视频和三维结构等各种形式。我们称之为智能。"

黄仁勋将这种新型生产设施称为"AI工厂"，其特点在于每天持续不断地生产标记（tokens）。这与传统意义上的工厂有显著不同，但本质上是将电力转化为数字智能的生产过程。他将AI的变革性与电力的发明相提并论。

第三个层次是基础设施层面，即AI对其他所有行业的革命性影响。AI工厂，智能的生产，将回过头来革命性地改变和转变其他每一个行业。这些标记将应用于医疗、教育、金融服务、工程、软件编程、供应链管理以及即将进入的制造业等领域。

二、AI工厂：21世纪经济中的新型生产设施

黄仁勋详细阐述了AI工厂的概念及其在现代经济中的核心地位。"比如说你制造割草机，或者像卡特彼勒（Caterpillar）那样建造建筑机械。今天，这些机械主要是手动操作的。但在未来，它们将变得自主或高度自主、半自主或辅助式的。一旦它们变得能自主行动，就将由软件定义。"

这意味着制造商将需要生产驱动这些机械的软件标记（tokens）。黄仁勋进一步阐明了这种双重工厂模式的未来图景："在未来，每一家建造产品的公司都将拥有一个工厂来制造他们销售的产品，同时还会有另一个工厂来构建和生产运行在那些产品上的AI。"

三、AI的演进：从感知AI到物理AI的发展历程

黄仁勋详细阐述了AI的发展历程，将其划分为几个关键阶段，最终展望了物理AI的前景及其对政策制定者的意义。

回顾历史，大约2012年，计算机视觉、第一波AI浪潮——感知AI（Perception AI）的崛起。它是关于感知，感知世界的各种信息模态。可能是图像、声音、振动、温度等。

随后的第二波浪潮是大约五年前开始广为讨论的生成式AI（Generative AI）。AI模型已经学会了如何理解信息的含义，并进行转换。可以提示它生成图像。生成式AI本质上是一种通用翻译器，一种理解人类语言的通用翻译器。

当前，我们正处于第三波AI浪潮——推理AI（Reasoning AI）时代。这种推理AI能力催生了所谓的"代理式AI"（Agentic AI）或"代理"（Agents）："它具有代理能力...可以理解给定的任务，能够自行学习和阅读，使用计算器、网络浏览器和电子表格等工具，然后回来为你完成任务。"黄仁勋预见未来的CEO们将同时管理"生物劳动力和数字劳动力"，将人力资源部门负责前者，而IT部门将成为后者的"人力资源部门"。

最后，黄仁勋介绍了下一波浪潮——物理AI（Physical AI）。这种AI需要理解物理法则、摩擦、惯性、因果关系等概念："当我放下瓶子时，它不会穿过桌子。所有这些孩子拥有的、我们的宠物拥有的常识性物理推理能力，大多数AI都没有。"他举例说明："我在厨房柜台上滚动一个球，它越过顶部然后消失。AI认为它消失了，但你的狗知道它在另一边。它理解这个被称为'物体永久性'的概念。"

当这种物理AI被放入物理对象（如机器人）中，我们就得到了机器人技术。黄仁勋强调这对美国制造业的重要性："这对我们现在非常重要，因为我们正在美国各地建设工厂。我们希望以一种利用最新技术的方式来建设。所以希望在接下来的10年里，当我们建造这一代新工厂时，它们是高度机器人化的，帮助我们应对全球范围内严重的劳动力短缺问题。"

四、全球AI竞赛：美国政府应做何种战略考量

在讨论全球AI竞赛时，黄仁勋强调了理解竞赛本质和美国自身优势与劣势的重要性。他将AI竞赛视为一场"无限游戏"，而非有时间限制的竞争。

黄仁勋从前面提到的三个层面来剖析AI竞赛：

在技术层面，最重要的是理解智力资本。"记住，全球50%的AI研究人员是中国人。"在AI工厂层面，能源是关键。"因为从根本上讲，我们将电力转化为数字标记（tokens）。就像上一次工业革命通过能源将原子转化为钢铁等物理物品、汽车和建筑物一样。而再前一代，我们将水输入一种叫做发电机的机器，产生的是电力。现在我们输入电力，产出的是标记（tokens）。"

在基础设施应用层面，黄仁勋指出，关键在于技术的应用。"上一次工业革命的赢家不是发明它的国家，而是应用它的国家。美国比任何国家都更快地应用钢铁、应用能源。当其他国家担心劳动力和马被汽车取代等问题时，美国直接采纳并大力推进。"

五、AI对就业市场的影响：重新定义工作的未来

当被问及AI对就业市场的影响时，黄仁勋提出了一个平衡的视角："一些新工作将被创造，一些工作将会消失，每一种工作都将发生变化。"

AI创造了一种新型的工作，因为它从根本上改变了软件开发的方式："过去由人类编写代码的软件在CPU上运行，现在是由机器学习生成的软件在GPU上运行。每一层——工具、编译器、方法论、数据收集和管理方式、使用AI设置护栏、使用AI教学、使用AI保持AI安全——所有这些技术现在都在被发明，它创造了大量的工作。"

在AI工厂层面，黄仁勋描绘了一个巨大的机会："我们正在开始建设7、8、10千兆瓦的AI工厂。一个千兆瓦工厂价值600亿美元。...这相当于波音公司的年收入。"建设这样的设施需要融资（创造就业）、场地和外壳建设（创造建筑工作）、机械工程师、电气工程师、水管工以及所有IT和网络工作。"整个周期大约三年。需要创造大量新的技术工种...在下一个计算平台转变中，大多数公司增长的首要关键路径将是技术工种，而不是软件工程师。"

黄仁勋强调了对技术工种的尊重和鼓励："我们的国家需要承认技术工种是受人尊敬的工作，是关键工作，是建设我们国家所必需的。所以我们要鼓励技术工种，电工、水管工、木匠、钢铁工人，整个范围的工种。我们将需要大量这样的人才。"

六、制造业、回流与数字孪生：AI如何重塑生产方式

针对制造业回流和AI在其中的作用，黄仁勋提出了几个关键观点，特别是关于数字孪生技术的潜力。

首先，黄仁勋明确指出现代制造业的本质："先进制造业今天不是关于低成本劳动力。现代制造业是软件驱动的。整个工厂都是软件驱动的。整个工厂是一个巨型机器人，它协调着内部的众多机器人。"这些先进工厂虽然有许多人，但主要依靠技术运作。

在讨论数字孪生技术时，他建议将同样的方法应用于工厂："我们应该对数字工厂做同样的事情。这些大型工厂，我们应该完全创建数字孪生，使用人工智能创建这些数字孪生，操作它，进行虚拟集成。在未来，每个工厂都将有一个数字孪生版本。"

黄仁勋还展望了数字孪生技术的更广泛应用："在未来，我希望每个人都会有一个数字孪生版本。每辆车都有一个数字孪生版本。每座建筑都有一个数字孪生版本。每座城市都有一个数字孪生版本。这种数字孪生的理念现在正在发生，而这一切都是因为人工智能。"

七、AI驱动的机器人：未来十年的普及预期

黄仁勋指出自动驾驶汽车本质上就是一种机器人，其他类型的机器人将需要更短的时间实现普及。到2030年左右，我们可能会看到AI驱动的机器人开始大规模生产和部署。他的分析还强调了两个关键因素：环境约束的重要性（受限环境使机器人更容易实现）以及现有制造商（如汽车公司）在转向机器人生产方面的潜力。