宇树官宣IPO后王兴兴首发声：最后悔以前没学AI

出品｜搜狐科技

作者｜常博硕

编辑｜杨 锦

在 2025 年的外滩大会上，一场名为“AI 原生时代，旧地图上没有新大陆”的圆桌论坛吸引了众多目光。

宇树科技创始人王兴兴、加州大学圣地亚哥分校终身教授苏昊、DeepWisdom创始人吴承霖以及清华大学交叉信息研究院助理教授、前OpenAI员工吴翼，四位年轻的AI领军人物齐聚一堂。

他们不仅仅是各自领域的专家，更是 AI 时代的“原住民”，可以说都在各自的领域见证着人工智能的成长。

圆桌上，四位嘉宾分享了他们作为先行者的独特视角，从各自的创业和研究经历出发，探讨了AI原生时代的新机遇与挑战。

王兴兴和苏昊深耕机器人领域，而另两位嘉宾吴翼和吴承霖则专注于软件方向，特别是智能体和强化学习。

这场圆桌以一个略带哲学性的问题作为开端：在你们眼里，什么是AI原生时代？眼前的新大陆是否已经浮现，它又长什么样？

王兴兴，这位在 2016 年共享单车大战如火如荼时，就一头扎进机器人创业的先行者，第一个接过了话筒。

他的回答充满了对年轻一代的鼓舞，他说：“我认为大家对AI模型本身的认知可以更激进一点，不用把它当作一个模型，而是真正当作一个全能型的工具集，把过去很多东西忘了，去重新学习和接受它。”

而苏昊认为：“AI改变了很多新东西，是，也不完全是。综合来看，应该说今天AI的发展对人类的社会有重大改变，这种改变还是继往开来的，还是要跟过去的很多发展连接起来的。”

吴承霖，这位在 2010 年就用 AI 炒股的“老玩家”，则从智能供给的角度切入了话题 。他指出，人类社会在过去几百年经历了从无线电到互联网，再到移动互联网的演进。而现在，AI 正在以前所未有的速度提供“更加密集的智能”。

最后发言的吴翼，这位曾任职于OpenAI的清华大学助理教授，用“快”和“新”两个字总结了这个时代。他指出，从2022年底ChatGPT出现至今，三年时间的变化已经超越了以往任何一个时代，而“新”则意味着新的机会和想法。

AI 原生时代。它既是颠覆性的，也是连接历史的。它让普通人获得了前所未有的创造力，也让整个社会进入了加速迭代的快车道，而这片新大陆有的地方已现雏形，有的地方却仍是一片“荒漠”。

尽管存在挑战，但王兴兴对未来依旧十分乐观，他认为现在创新创业的门槛已经大幅降低，年轻创新者迎来了好时代。真正可以用AI工具去实现新创意，并且在AI时代，小组织的爆发力会越来越强。

“真正让AI落地干活，现在还在大规模爆发性增长的前夜。对我个人而言，这个时代是非常激动人心的。”

王兴兴说，AI时代非常公平，只要聪明，愿意做事，荒漠中终会长出参天大树。对有志于创新创业的年轻一代，他建议“忘记过去的经验，学习当下最新的知识，全力拥抱新时代。”

以下为此次圆桌对话精编：

主持人：在 AI 原生时代，各位都是怎么踏上这片新大陆的？

王兴兴：我最早做机器人是出于兴趣爱好。我从 2009 年大学一年级开始做，第一款机器人就是双足或人形机器人。做机器人这块已经十几年了。但AI确实我觉得我过去做的最后悔的一件事，我虽然2011年非常喜欢AI，但是那时候真的是非常冷门的学科，相关的AI书籍或者神经网络都在图书馆吃灰的，我看了几本书，觉得好像能搞的东西有点少，后来没有花太多时间关注，后来很多年主要是搞机器人去了，对AI的关注度相对小一点。

最近几年因为AI领域的发展，无论是大模型，包括机器人的AI模型进展非常快，这是最近几年也是给我个人再一次的机会，把握住这个AI的时代。

现在的语言模型在信息领域，包括文字图像领域已经做得非常好，我觉得比99.99%的人都要做得好，但是真正的在让AI干活这个领域，现在整个领域都是荒漠的阶段，就是荒漠上可能长了几根小草，真正的大规模的在爆发性增长的前夜还没有到来。

我觉得AI时代都是一个非常公平的时代，我觉得比以前公平非常非常多。只要你聪明，你愿意做事，你能达到你自己想达到的目标，大家在这个荒漠上都可以长出一些参天大树出来。

苏昊：我是2006年开始读博士，当时就做人工智能研究。我一开始的入手是一个子系统，就是计算机视觉。2008年，我做了ImageNet这个项目，开始看到Jeff Hinton的 AlexNet在图像识别上的重大进展，开始觉得机器人感知的解决不是不可能的。

在2017 年左右，我开始推动具身智能这个概念。我开始觉得软硬联合迭代很关键，如果不创业，具身智能和机器人结合的梦想是很难实现的。

吴承霖：我很早的时候就在用AI做一些有意思的事情。最开始是因为我在2010年的时候想用AI炒股票。在2022年ChatGPT发布的时候，我有一个观点是它的代码能力很强，我可以基于它来做完整的AI coding。我2023年6月30日开源MetaGPT，构建了一个开源社区，现在这个开源社区有超过15万的点赞。

吴翼：我是受伯克利和OpenAI两个地方影响特别多。用时髦的话讲，我应该算是第一波真正去研究通用智能体的researcher。我们大概 10 年前发表了一篇论文叫Value Iteration network，是领域内第一篇真正研究强化学习泛化性的文章。后来我又和 OpenAI的同事做了一些多智能体工作。

主持人： AI 原生时代给机器人和智能体产业带来了什么改变？

苏昊：机器人的智能化可以看成三个阶段。第一阶段是基于规则，第二阶段增加了感知能力，但感知、规划和控制是三个隔离的阶段。大语言模型等框架的重大进展，合在一起就是具身智能热。至于数据问题，我认为单一数据类型不能完全解决这个问题。语言数据、视频数据、带反馈的控制数据，包括激励数据都很重要。

王兴兴：我曾说过行业过度关注数据问题而忽视模型架构缺陷，但这不代表数据不重要。我只是觉得大家平时说数据说得比较多，模型说得少一点。目前机器人领域的数据质量问题非常大。我一直希望能提高数据的利用率。从模型的角度，目前尤其对多模态的融合做得不太理想。

吴承霖：数据和算法是两个决定性要素。在智能体这个领域，需要大量的高质量标注数据。这可能是人给，也可能是用另外的智能体给，或者用模拟器来给。另一个问题是算法。我倾向于认为业界有一些解，这些解掌握在少数人手里。

吴翼：那肯定是机器人更难落地。我觉得 AI 时代很重要的事情是减少噪音。如果大家能把强化学习做对，你可能不需要这么多模型，因为能力是可以涌现出来的。我现在在做机器人大脑，最近还做了一个大脑机器人去跟人一起踢足球。

主持人： 对于这片新大陆上的组织，各位有什么想分享的？

吴翼：我回国后有一个疑问，在AI时代，组织是不是越大越好？有没有可能有一种激进的模式，我就是三十个人，能做十年前需要三百人甚至一千人做的事情？这在AI时代有可能是真的。

王兴兴：AI时代对于小组织爆发的能力越来越强大。我一直觉得目前纯AI领域的团队有非常顶尖的几个人才就可以做非常多的事情。但我们公司做硬件，面临的组织问题其实是挺大的。

我们当下公司最大的一件事情第一是我们非常缺顶尖人才。第二是管理和组织上的问题，很多情况下人多了反而效率更低了，人多了反而工作推来推去。

苏昊：在具身智能的研发中，既有软件又有硬件。软件开发要快速迭代，硬件开发要纪律和品控。搞软件的人不太懂硬件，搞硬件的人也不是真的懂软件。打破这个壁垒难度相当大。人要有破除原来框架的勇气，不要过于依赖原来的经验 。

吴承霖：我觉得要从三个角度来看。第一，智能体是一个很好的生产者。第二，它的另一个强项是规划。如果分工本身是由AI来做，可以降低巨量的隐性成本。第三，我们怎么去对待这个工具？我们要求所有人非常激进地使用AI和管理AI。

主持人：你们作为先进入这片新大陆的人，如果给之后的人一个建议，让他们能够更好地在新大陆上存活下来，你们会说什么？

王兴兴：我个人现在最大的感受是，大家可以把过去很多已经现存发生的事情，能忘的尽量忘了，重新把当下最新的东西重新学。对过去经验的依赖，对未来的决策不是好事。

苏昊：不要焦虑，拥抱未来，该来的肯定会来 。

吴承霖：要有足够好的批判性思维和motivation（动力），保持自己的热情不要放弃 。想清楚自己在哪方面比AI更强 。

吴翼：我同意兴兴说的，首先你要忘掉过去，但是不要忘掉历史。因为人类大概就是历史一直在重复，所以知道一点过去踩过的坑是好事。

运营编辑 |曹倩审核｜孟莎莎