宇树推进IPO，王兴兴谈行业痛点：硬件现阶段够用，具身智能AI拖后腿｜聚焦2025WRC

展会上的机器人 （石飞月 摄影）

本报（chinatimes.net.cn）记者石飞月 北京报道

“很多人以为我们立足让机器人做一些表演或者打格斗，但其实公司一直非常重视机器人干活这件事，我们的核心目标也是让机器人干活，包括四足机器人、人形机器人，我们做了很多数据采集和数据开源的事。”8月9日，在2025世界机器人大会（下称“2025WRC”）上演讲时，宇树科技创始人、首席执行官兼首席技术官王兴兴为公司“正名”。

宇树科技无疑是当前国内人形机器人领域最受关注的一家，2025WRC期间该公司展台周围始终人头攒动。然而，观众大部分还是看客，宇树机器人虽然一度供不应求，销量在行业中也处于第一梯队，如今整个行业的商业化距离大规模这个水平还很远。王兴兴指出，当前阻碍这一行业发展的重要因素，其实是具身智能AI（大模型）的发展水平。

机器人AI的临界点会达到什么程度呢？王兴兴描绘了一个具体场景，如果哪天在一个未见过的会场，当人类要求人形机器人把一瓶水带给某个观众，它可以顺畅地完成这件事，或者人形机器人能够将一个未见过的房间整理好，就达到了机器人的ChatGPT时刻。“快的话未来一两年或者两到三年很有可能实现，慢的话估计三到五年也能实现。”

上市流程正在推进

上个月，宇树科技已开启上市辅导，由中信证券担任辅导机构，外界对其当前的进展也十分关注。据媒体报道，王兴兴透露目前公司正在推进“中规中矩”的上市流程。“公司已经成立9年，我把上市当作高考，上市意味着企业迈向更成熟的管理和运营阶段。”

宇树科技上市的底气，一方面来自不断增加的订单，另一方面来自业绩上的支撑。

业绩方面，王兴兴此前曾透露，宇树科技去年营收已经突破10亿元。据媒体报道，宇树科技的投资人称，该公司自2020年以来已连续五年实现盈利。至于今年的收入情况，《华夏时报》记者采访了宇树科技方面，截至发稿对方未给出回复。

销量方面，王兴兴透露，宇树科技的G1差不多是今年全球出货量最高的人形机器人，Go2则是过去几年以及今年全球范围内出货量最多的一款四足机器人。据媒体引用的高工机器人产业研究所数据，2024年宇树科技机器狗年销量高达2.37万台，约占全球市场69.75%的份额，在人形机器人领域，2024年宇树科技实现交付量突破1500台。

低价是宇树科技促进销售的一个重要因素。此前发布的G1机器人9.9万元起，不久前发布的一款售价3.99万元起的小型人形机器人R1，又进一步拉低了行业平均值。“这款机器人主要用于开发和娱乐，同时也能承担部分简单任务，现在量产还没有搞定，所以发货可能会比较晚。”王兴兴透露。对于持续降价的原因，据媒体报道，王兴兴在接受采访时表示，本质上还是希望以更低的价格吸引更多人使用，有足够的出货量，才能把生态构建起来。

然而，宇树科技的成绩，以及当前其他机器人厂商公开的订单及量产情况，并不代表人形机器人已经处于大规模出货阶段，准确来说目前还处于正在慢慢加速的商业化初期。

具身智能大模型技术不足

“有人怀疑是不是目前的硬件不够好或者成本比较高，目前人形机器人的硬件，无论灵巧手还是整机，确实还不够好，要持续做得更好，但从某种意义上来说现阶段是完全够用的，最大的问题是具身智能AI不够用。”王兴兴说。

在这方面，仅靠语言大模型的技术是不够的，具身智能大模型的发展水平同样是影响人形机器人发展的关键技术。王兴兴指出，Scaling Law在语言模型已经充分验证过，但在机器人的运动控制上，大家做的才刚刚开始，目前具身智能机器人的模型架构都不够好，也不够统一。“有足够多足够好的数据，就能把大语言模型训练得越来越好，但对于具身智能来说，即便有数据也未必能用得起来。”这也是人形机器人目前没有得到大规模应用，以及人形机器人功能还不全的原因。

智参智库特聘专家袁博也对《华夏时报》记者表示，由于具身智能大模型必须要实现多模态的感知和事实决策，而目前语言大模型仅需要处理文本数据，因此具身智能大模型的复杂度和研发难度显然远超语言大模型。

至于具身智能大模型的开发具体难在哪儿，袁博从实现、训练和部署三个方面详细分析：“在实现上，具身智能机器人在真实的环境中运行，需要通过传感器实时通过视觉、语音、听觉甚至触觉感知到外部环境的变化，并实时控制机器人的动作变化和幅度，因此语言大模型甚至一般多模态大模型都无法满足具身智能的需求；在大模型训练上，语言大模型的大模型训练方法也无法满足具身智能机器人应对真实环境变化的复杂需求，需要结合真实的场景进行大规模的仿真训练，因此在训练难度上也是远高于语言大模型的；在部署上，由于实时性的处理需求，具身智能大模型无法完全采用云端部署的方式，而是可能采用端侧和云侧结合的方式部署，尤其需要适配端侧的算力资源和处理能力，因此在部署难度上也是远高于语言大模型。”

谁来主导技术研发

那么，具身智能大模型到底应该由机器人厂商自己来开发还是由大模型厂商提供呢？

本报记者注意到，早在今年3月，智元机器人就发布了首个通用具身基座模型——智元启元大模型，它开创性地提出了Vision-Language-Latent-Action(ViLLA)架构，该架构由VLM(多模态大模型)+MoE(混合专家)组成，可以利用人类视频学习，完成小样本快速泛化。

而阶跃星辰今年也分别与智元机器人、原力灵机和鲸鱼机器人签署了合作协议。以与智元机器人的合作为例，双方在基座大模型和机器人研发方面联合，围绕世界模型技术探索、具身智能领域数据合作、新零售等应用场景开展深度合作，共同探索“大模型+具身机器人”的技术突破与应用创新。

袁博就此指出，具身智能大模型的研发应该由机器人厂商主导，也可以和大模型厂商协作完成，因为具身智能机器人的产品实现极端复杂，机器人的传感器标定、决策判断、运动控制都需要非常专业的能力，并且基于真实场景相关的训练数据都掌握在机器人厂商手里，传统的大模型企业显而易见很难独立完成具身智能大模型的训练。

但是，“目前很多具身智能机器人企业缺乏人工智能大模型技术能力，也没有大模型训练所需要的GPU资源，因此和传统的AI企业合作，甚至和高校合作，也是具身智能大模型的最佳协作研发方式。具身智能大模型是具身智能机器人的大脑，也是未来具身智能机器人的核心竞争力之一，甚至是具身智能机器人可规模商用的必要条件，未来中国机器人企业在大模型上的竞争会加剧，我认为合作研发会是最快产生效益的方式。”袁博说。

责任编辑：黄兴利 主编：寒丰