宇树科技王兴兴：正在推动机器人的自主进化

机器人研发还有哪些瓶颈？

作者 |魏 强

编辑 |卢旭成

10月22日，宇树科技创始人王兴兴在2026世界物理AI大会上发表演讲。他回顾了宇树科技近一年的进展，分享了对物理AI发展趋势及行业未来的思考。

王兴兴的核心观点有：

1、近期GPT-6发布后，完全零训练的情况下，大模型已能够直接控制机器人完成画画、清洗画笔、下围棋等任务。

2、未来几年大模型公司对机器智能和机器人产业的关注度将持续提高，快的话一到两年、慢的话两到三年，行业就有望看到更多进展。宇树也在推进自研模型，并与国内外大模型公司合作，共同推动物理AI更快跨过技术临界点。

3、让物理AI真正实现大规模落地，需要提升机器人硬件的大规模生产制造能力；推动物理AI模型自主研发与产业落地；建设更大规模的服务器集群和算力集群，并具备相应的算力芯片生产制造能力。

以下为王兴兴演讲节选，已整理：

我这次报告的主题是“尽可能相信AI”，这句话我在公司内部至少说了四五年。早些年公司开年会时，我也多次畅想过AI的未来，我还跟公司很多同事说过，有几家头部AI 公司的股票值得关注，有资金的话可以适当参与。如果当时大家相信这件事，一些个人投资者的财富可能已经增长了10 倍甚至几十倍。

OpenAI的一位原联合创始人曾经说过，目前全世界真正了解尖端AI模型、或者正在参与开发的人，最多可能只有5000人左右。实际上真正看到最顶尖AI效果的人非常少。即使是在OpenAI等头部AI公司里，也未必有很多人真正了解AI的潜力，以及它未来几年会发展到什么程度。

AI能力的跃升

这里简单分享一下AI已实现的一些能力。

前段时间，OpenAI攻克了372个最顶尖的数学问题。这件事在全球最顶尖的数学圈子里引发了很大的争议和轰动。数学是人类智慧金字塔的顶端，一批顶尖数学问题已经被AI 解决得比人类做得更好的程度。未来几年，AI 还有望解决更多剩余的数学问题。

第二、软件逆向工程和漏洞分析。目前很多平台和软件中存在的问题，已经能够通过AI 逆向工程得到解决。传统软件公司的技术壁垒正在受到冲击。如果你原本开发了一款传统软件，现在可以直接用AI 工具对它进行逆向分析，复现出相应功能。

第三、顶尖AI视频模型的视频生成能力。大家平时应该已经看过很多AI 视频，最大的感受是什么？AI 视频人物的表情和情绪表现，有时甚至比真正的演员还要好，这对整个行业的冲击也非常大。

前段时间，特斯拉推出了全自主的出租车服务。可能因为目前还没有在中国部署，大家感受不一定特别深刻，但这同样会带来非常大的变化，甚至会对每个人的生活产生很大的影响。

对于AI模型公司，去年我可能还持有一些怀疑态度，但到今年，我看到最顶尖的大模型公司在内部已开始实现模型的自主迭代。模型可以自己写代码、自己采集数据，人只需要适当参与和引导，剩下的事情AI 模型就可以自己跑通。到明年，人可能完全不需要参与其中。

机器人行业最大的机会

我自己每天都在思考一个问题：如果AI 将来会颠覆每个人的生活，那么最重要的机会在哪里？

前段时间GPT-6发布后，有哪些变化会对整个（具身智能）行业带来很大冲击？我们公司也做了一些测试，我简单梳理一下目前测试的一些进展。

比如，让GPT-6在完全零训练的情况下直接控制机器人，可以看到一个有趣的地方：机器人能够自己更换颜色，自己清洗画笔，我们没有专门为这些动作编写程序，它看到旁边有洗笔的颜料盘，就自己过去把笔洗干净，再继续画画。还有下围棋，落子的精准度非常高，围棋棋盘上的点很小，但它在完全零训练的情况下也能完成操作。GPT-6的一些能力已可以解决机器人的部分规划问题，包括导盲等场景。

尚未很好解决的主要是机器人和真实物体之间的交互，很大一部分属于工程技术问题，像抓取小物体这样的任务相对简单一些，但如果要装配更精细的零件、完成更复杂的操作，还存在难度。

未来几年，大模型公司对机器智能和机器人产业的关注度会越来越高，快的话可能一到两年，慢的话可能两到三年，大家就会看到更多进展。我们也在开发自己的模型，并与国内外的大模型公司开展合作，共同推动物理AI 更快地跨过临界点。

去年开始，我希望机器人能够跨过这样一个时刻，完成大约80%的任务时，只需要通过语音和语言指令。我希望到今年年底或者明年，你买一台机器人放在家里，直接告诉它“帮我把这个房间整理一下”，它就能把房间整理好。

目前最大的问题是什么？是对物理基础和精细操作能力的提升。更具体地说就是AI模型的输入、输出与真实机器人之间的对齐问题，还没有得到很好解决。大模型对一些基础问题和误差的修正能力已经很强，但在物理世界里，传感器会有误差，执行器在输出动作时也会有误差。

物理AI如何突破研发瓶颈

物理AI要突破研发瓶颈，最重要的事情是什么？

首先，机器人硬件的大规模生产制造能力。我们现在一年要生产几万台机器人，几十万个关节电机和模组，如果要实现真正的大规模普及，目前的产能还远远不够。大家可以想象一下，如果未来很多工厂、商场和家庭里都有一台机器人，市场规模会非常庞大，年产量至少可能达到千万台。因此，在生产规模和成本控制方面，宇树科技以及全球同行都还有很多工作要做。

第二，自主研发或者与合作伙伴共同推进物理AI模型落地。我们公司肯定会加大投入，争取把自己的物理AI模型做出来、做得越来越好。同时，我们也会继续与国内外的大模型公司合作，毕竟我们是一家机器人公司，直接开发与全球头部多模态大模型公司完全一样的模型并不现实，但我们可以把机器人和工业AI 相关模型做得更好。

第三，如果要大规模部署机器人，一定要更大规模的服务器集群和算力集群，也需要相应的算力芯片生产制造能力。过去我们开源了很多数据集，我们也会持续开源更多数据，包括机器人相关的数据和家庭应用产品。从去年开始，我们采用了预训练的深度强化学习方法。对于每一个动作，我们都可以进行批量、大规模训练。很多人可能不知道，我们训练动作的效率非常高，因为我们有自己的预训练全身运动控制模型，我们最终希望提升机器人真正的控制效果。

我觉得今年最重要的一件事，是我们公司也在开发“宇树预演”，也就是物理AI机器人的自进化。刚才提到，目前全球最顶尖的大模型公司已经开始在内部推进自主进化，对于机器人公司来说，这件事同样可以实现。

我们希望建立一个完整的循环：让AI模型自己搜集论文、自己写代码，先在仿真环境里训练，再到真实环境中测试；测试结果由AI 模型打分，也可以由人参与打分，然后把评分结果反馈给模型，让它重新写代码、调整方案。随着正向循环的形成，模型和机器人算法的迭代速度就会越来越快。

这和过去的开发方式很不一样。

过去每位机器人开发工程师都要自己写代码、自己调试程序，效率相对较低。我们展示的案例中，左下角是AI智能体自己写代码，左上角是在仿真环境中进行测试和训练，右上角则是在测试环境中验证结果，再将结果反馈给自主评价系统。这样的测试循环，与当前大模型公司开发个人AI助理的基本原理是相通的。

为什么要做这件事？因为模型能力每个月都在提升，模型能力越强，自主规划和迭代的能力也会越强，我们需要人工参与的程度就会越来越低。同时，我们还可以利用更多数据参与自主迭代，并进行更多真实场景的部署和测试。这件事非常有价值。

让人类文明上一个新台阶

最后，我还想分享几个自己每天都在思考的问题。

当下真的是一个非常好的时代。过去几千年的文明积淀，过去几百年人类没有机会做成的事情，我们这一代人有机会去实现超级智能或者AGI，也有机会让人形机器人把生产力提升到一个新的台阶。

现在，我每天都有很多想做的事情，也有很多新东西需要学习，无论是机器人领域，还是其他相关行业，我很害怕浪费每一天。

另一方面，这个行业非常火热，未来市场空间很大，但竞争也非常惨烈。我们需要每天做得更好，只要我们和所有合作伙伴持续进步，未来就属于我们。

我们也需要共同努力，让人类文明迈入下一个纪元。这是一件非常有使命感的事情：真正让人类文明迈上新的台阶，让全世界的人都从繁重劳动中解放出来，让机器人承担繁重劳动、生产物资，再把这些物资分配给所有老百姓，甚至房屋也可以由机器人来建造，再通过相应的分配机制分配给大家。