王兴兴「错配」梁文锋？

来源：字母榜

宇树科技的股价还在持续下跌。市值从上市首日的4449亿元高点，跌至2400亿元，截至8月24日收盘，市值较最高点蒸发了2000亿元。

然而比股价更值得关注的是，宇树接下来要怎么走。

8月20日，也就是宇树上市第二天，王兴兴出现在北京世界机器人大会论坛。十多分钟的分享里，AI成为了高频词汇。

他谈到AI实时生成、实时识别，也谈到AI模型投入，更透露了宇树正在预研的一件事：

让物理AI机器人实现“自进化”。

王兴兴讲的每一件事，最后都指向一个关键要素：AI大模型。特别是最后一点，王兴兴说，要实现“物理AI自进化”，要用目前最前沿、最顶尖的AI大模型来驱动。

而这恰恰是宇树目前不太擅长的部分。不过，宇树找到了DeepSeek。今年8月，两家公司已经达成合作，围绕AI大模型与具身智能相关技术展开合作。

说到具身智能公司和AI大模型公司的合作，就不得不提当年Figure AI和OpenAI的合作。2024年，OpenAI在投资Figure AI后，双方签署了三年合作协议，合作开发人形机器人AI模型。但是仅一年后，FigureAI终止合作，转向自研。

于是问题来了：

王兴兴和梁文锋，会不会重走Figure AI和OpenAI的老路？

为什么宇树需要DeepSeek？

对于宇树来说，过去几年，模型研发已经有了一些积累，但显然投入不足，进展缓慢，所以找到一个顶尖的AI大模型公司合作，是一个比较自然的选择。

先来看宇树目前的模型研发进展。

当前，具身智能大模型没有一个统一的技术路线，但VLA和世界模型，是行业重点探索的两个方向。行业甚至也在探索两者融合的技术路线。

宇树也在摸索，采取了“两条腿走路”的策略，并行研发两种模型。

所谓VLA（视觉-语言-动作）模型，简单来说，就是让机器人把看到的东西、听到的指令，转化为具体动作。2026年1月，宇树开源发布了通用VLA模型“UnifoLM-VLA-0”。在自家的G1人形机器人上，通过UnifoLM-VLA-0，仅靠单一策略就能高质量完成12类复杂操作任务。

但这个模型并不是从零开发的，它是基于开源的 Qwen2.5-VL-7B 做底座、继续预训练出来的。训练数据也来自开源数据集。换句话说，宇树更像是“站在巨人的肩膀上”，而不是严格意义上的自研。

还有一点，那就是VLA可能不适合机器人这个产业。

从本质上来讲，VLA其实是一种“反应”。模型看到什么，才会做什么，对于做了之后发生的事情，一概不管。VL还A缺少泛化能力，今天在这个场景能做的事情，明天稍微换个方式，哪怕是完全相同的任务，也得重新训练。虽说VLA有其价值所在，不过正是由于它的种种缺点，才逐渐被各种自动驾驶、机器人公司抛弃。

那么哪种模型更适合机器人？显然是现在最火的世界模型。

王兴兴此前也谈到了宇树对世界模型的探索，宇树早在2020年初就开始做基于视频生成的世界模型。但效果不理想，一度被搁置。

然而从去年开始，宇树又重新捡起基于视频生成的世界模型。

2025年9月，宇树开源发布了通用WMA（世界模型–动作）模型“UnifoLM-WMA-0”；2026年5月，又发布了WVLA2.0 模型，核心优势是可长时序自主规划、支持多步物理预判等。

过了一个月，野村国际给宇树背书，称搭载WVLA2.0的G1能够在受干扰的会议室中，无遥操完成六项连续任务。

但它有一个非常明显的弊端，WVLA2.0是本地模型，跑在G1本地的Jetson Orin NX上，它的算力约为100TOPS，导致WVLA2.0的推理闭环约90ms（约每秒10次迭代），也就意味着，它只能做一些简单的推理，做不了复杂的长思维链推理。

它知道东西在哪，也知道该它能干什么，却很难在接到任务后，想明白自己应该去干什么。

说到推理，自然而然就想到了DeepSeek。

一个典型案例便是具身智能公司智平方。它发布的机器人“AlphaBot 2”，拥有很强的学习能力。原因之一就是其搭载的VLA大模型“GOVLA”，将DeepSeek的技术融入到了其中，提升了模型的推理能力，赋予机器人对长程复杂任务的理解和分析。

所以，DeepSeek能够给宇树带来的改善之一，无疑就是推理。

回到宇树和DeepSeek这边，根据双方公开披露的信息，合作主要包括三个方面：双方联合开展AI大模型和具身智能技术探索；DeepSeek探索具身智能业务时，优先买宇树产品；宇树研发具身智能大模型时，优先选DeepSeek相关模型训练服务和技术方案。

而DeepSeek近期也上线了多模态视觉理解模型。这意味着，未来双方的合作，理论上也可能从语言和推理能力，延伸到视觉理解、环境感知等更贴近机器人的能力。

王兴兴需要梁文锋，还有一个重要原因：他希望AI能代替人，参与机器人研发。而这需要顶尖的AI大模型来驱动。

王兴兴认为，困扰机器人模型泛化能力的一个重要瓶颈，是AI模型的输入和输出，与真实机器人的对齐程度还不够。而要解决这个问题，就要把机器人的“最后一厘米”工作交给AI，他将这这个技术之为“物理AI机器人自进化”。

他设想的路径是，宇树设定一些规则，让AI自己搜索论文、研究成果以及开源方案，自己编程生成机器人的控制代码，并在仿真环境中进行测试，再去控制实物机器人，由AI模型进行测试，进而反馈形成正向循环。

简单来说，就是让AI逐渐接管原本由人类工程师完成的一部分机器人研发工作。

而要做到这一点，王兴兴提到，要用目前最前沿、最顶尖的AI大模型来驱动。

从这个角度看，DeepSeek之于宇树的意义，也在于为后者建立“物理AI机器人自进化”闭环提供模型能力支撑。

但有意思的是，在通往AGI之路上，王兴兴和梁文锋的理念，并不完全一样。

梁文锋曾这样表示，说AGI的路应该是CoT思维链-Agent-持续学习-自我迭代，最后当一切都完事了，才会应用到具身智能身上，以实现AGI。

他认为通往AGI之路，DeepSeek目前只有一条主线，就是模型能力本身，视频生成、世界模型等都不是DeepSeek的核心路线。

在梁文锋的判断里，相比于“AI看懂物理世界”，具备持续学习能力才是AGI的关键。他认为，一旦AI具备了持续学习的能力，实现自我迭代后，届时就可以取代人，然后才是具身智能。

所谓“持续学习能力”，就是AI能够自己给自己找训练数据，自己给自己找BUG，然后自己开发自己的下一个版本，最终实现自我迭代。

也就意味着，梁文锋认为，AI的持续学习能力是通往AGI的关键突破口，而没有把世界模型视为通往AGI的必经环节。

显然，王兴兴的思路则有所不同。

早在2024年7月世界人工智能大会上，他就说过：“具身智能是实现AGI的最有效途径，OpenAI的大方向大概率是错的。”

王兴兴甚至认为语言模型未必是具身模型的必选项。在他眼中，基于视频生成的世界模型才是AGI的关键，一旦视频生成的动作和机器人动作实现对齐，机器人数据难题会从根本上被解决，机器人计算模型也就诞生了。

2025年10月在IROS 2025上，王兴兴给出了他对AGI的定义，随便找一个场景，把人形机器人拉过来，直接跟它说要做什么事情，它一下就能学会做，而这就是AGI。

所以王兴兴路线和梁文锋路线存在明显差异：梁文锋认为世界模型只是AGI的分支，王兴兴却将其视为AGI的核心。

甚至在招股书里，宇树也提到，WMA模型有望引领具身智能技术能力的根本跃迁。

AI教母李飞飞曾发文称，世界模型领域押注的都是一件事情：只要拥有足够丰富的世界模型，智能体就能够看见世界、构建世界，并在其中行动。

因此，这次宇树和DeepSeek的合作，也让王兴兴和梁文锋在AGI上的分析，产生了碰撞。

OpenAI曾经也是Figure AI的合作伙伴。

2024年，OpenAI在投资Figure AI的同时，与其签署了三年的合作协议，共同开发下一代人形机器人AI模型。譬如双方研究如何让AI模型在人形机器人上工作，如何让语言模型在人形机器人上发挥作用等。

两家公司的合作逻辑，与今天的“宇树+DeepSeek”确实有相似之处：一家拥有机器人身体，一家拥有更强的AI模型能力。

合作很快就有了成果。

2024年3月，FigureAI公开了一段人形机器人Figure 01的视频。机器人具有视觉能力并能表述所见画面，当人类提问后，机器人“思索”2-3秒后便能顺畅作答。当时Figure就表示，这是因为OpenAI的模型提供了高级视觉和语言能力。

但是一年后，Figure AI终止了合作，转向自研机器人AI模型。

Figure创始人Brett Adcock在接受“TechCrunch”采访时解释称：要在现实世界中大规模解决具身人工智能问题，就必须对机器人人工智能进行垂直整合。他甚至表示，“AI不能外包，就像硬件不能外包一样。”

但事情的真相可能并非如此。Figure和OpenAI之间，是从“情人”变成了“敌人”。

2024年2月，OpenAI联合微软、英伟达、贝佐斯等投资了Figure AI，并与其签署协议共同开发下一代人形机器人AI模型。

与此同时，OpenAI还通过内部创业基金“多点下注”，先后投资了挪威人形机器人公司1X Technologies、机器人初创公司 Physical Intelligence 等多家企业。

但OpenAI并不满足于只做“投资人”。2025 年初，解散机器人团队近四年的OpenAI被曝重新组建机器人团队，开始招募硬件工程师。

OpenAI与FigurAI分手后又过了一年，到了2026年6月，OpenAI直接官宣，将视频生成团队Sora整体转向机器人研发，成立OpenAI Robotics事业部，由Sora之父、DALL-E 创始人Aditya Ramesh挂帅，把Sora积累的世界模拟技术直接迁移到机器人训练上，短期聚焦工业辅助机器人，长期目标是消费级人形机器人。

也就是说，OpenAI已经从“给机器人提供大脑的供应商”，变成了亲自下场做机器人的竞争者。

把“队友变对手”的逻辑，套到宇树和DeepSeek身上，问题就变得尖锐了。

如果有一天，DeepSeek 决定把“具身智能”从路线图的终点，变成自己亲自下场的业务，就像OpenAI当年那样，那么宇树就有可能是下一个Figure。

但至少现阶段，双方的利益是错位的。

DeepSeek在宇树IPO中战略配售了1.41亿元，锁定期三年；双方的合作条款里明确写着，DeepSeek探索具身智能业务时，优先购买宇树的产品。也就是说，DeepSeek现在仍然是把宇树当作“身体提供方”，它需要宇树的机器人和真实物理世界的数据，来验证自己AGI路线的最后一级。

当年的OpenAI并不需要Figure的身体来证明自己，它的重心始终是GPT。相反，今天的DeepSeek，很需要宇树，甚至可能比宇树需要DeepSeek还需要宇树。

（转载自：字母榜）