在近期行业大会上,宇树科技创始人王兴兴抛出一个极具冲击力的判断:具身智能最快明年就将迎来属于自己的“ChatGPT时刻”。作为国内人形机器人赛道的标杆企业掌舵人,他的这番预判,迅速在机器人、大模型产业圈引发热烈讨论,也为火热的物理AI赛道划定了一个清晰的时间预期。
王兴兴对具身智能“ChatGPT时刻”,定下一个广为业内引用的“两个80%”标尺:机器人进入80%的陌生环境,仅凭自然语言、文字指令,就能独立完成80%的任务。这也是区分当下舞台表演型机器人,和真正具备通用实用能力机器人的分界线。今天市面上不少人形机器人,在预设好的展厅、固定场景里行走、抓取、做动作十分流畅,可一旦换一个陌生环境,物品摆放、空间布局改变,任务就很容易失败,泛化能力不足,是长期困住行业的核心瓶颈。一旦跨过这条分界线,机器人就不再是展品,能够走进工厂、商业场景乃至家庭,带来生产力层面的变革,就像当年ChatGPT问世,彻底改变生成式AI行业一样。
之所以给出最快明年就能突破的乐观判断,王兴兴的依据来自大模型迭代速度。他在交流中提到,AI模型更新节奏极快,几乎每隔一两个月就能看到明显能力跃升。团队已经把GPT-6接入自家机器人平台开展大量实测,任务规划、环境导航、动作编排的表现超出预期。按照这个迭代节奏,他预判明年推出的GPT-7,很有可能直接击穿当前具身智能的技术瓶颈,补齐模型和物理实体之间的短板。同时他坦言,复盘过往十多年,自己在技术判断上最大的失误,就是低估了AI进化的速度,对AI的潜力相信得还不够。
但乐观预判之下,他并没有回避行业最难啃的硬骨头。王兴兴反复强调,具身智能当下最大的卡点,不是电机、减速器、传感器这类硬件,而是模型与真实物理世界的对齐难题。大模型擅长理解文字、图像,做逻辑推理,可真实世界充满不确定性:物体重量不同、地面有坡度、光线忽明忽暗、物品摆放随意,AI在仿真环境里跑通的方案,落地到实体机器人身上很容易失效。虚拟仿真和现实物理之间的鸿沟,是所有具身智能团队共同面对的难关,也是能不能顺利抵达拐点的关键变量。
从落地顺序来看,王兴兴认为商业化会分层推进,不会一步直接走进千家万户。工业场景、B端商业服务场景,会率先吃到具身智能突破的红利。工厂环境相对可控、任务边界清晰,搬运、巡检、装配辅助这类标准化工作,更容易实现规模化落地;家庭场景复杂度最高,家居环境千差万别,杂物、布局没有统一标准,会是更靠后的目标。他甚至提到,乐观情况下,最晚到今年底、明年,机器人就有机会听懂指令,独立完成整理房间这类居家基础任务。
宇树本身也在为这个拐点做技术储备。王兴兴透露,团队正在预研物理AI机器人自进化体系,这套体系依托大模型驱动,机器人可以自主采集数据、在仿真环境试错、自动生成控制代码,完成闭环迭代。不再完全依靠工程师一行行编写动作程序,让机器人自己在试错当中学习,这也是解决泛化能力不足的一条核心路线。长远规划上,宇树瞄准2027至2028年,希望搭载自研物理AI大模型的机器人,实现更大幅度跨越,真正走进普通家庭。
对于这个预判,产业界看法分化明显。看多的从业者认为,大模型能力持续外溢到机器人领域,算力、仿真工具同步成熟,拐点提前到来具备基础条件。一旦通用人形机器人实用化,将打开万亿级的全新市场,替代大量重复性、高危、繁重的体力劳动,带来堪比电力、蒸汽机的生产力变革。
不少理性的行业研究者则保持审慎态度。他们提醒,“ChatGPT时刻”是一个理想化的产业分水岭,大模型能力强,不等于直接适配机器人。除了对齐问题,还有成本、续航、安全、法规、运维一系列配套难题。就算模型层面取得突破,想要大规模量产、稳定商用,依然要跨过漫长的工程化周期。历史上机器人行业多次出现乐观预判,最后都因为工程难度延后落地,不能仅凭模型测试效果,就低估实体机器人产业化的难度。
资本市场也在持续关注这条赛道。最近两年,宇树、以及多家国内外人形机器人企业持续拿到大额融资,算力芯片、伺服电机、减速器整条上游产业链同步扩产。资本押注的逻辑,正是赌具身智能会复刻大模型的爆发路径。但资本的耐心同样有限,如果拐点迟迟无法兑现,赛道很容易迎来一轮洗牌,资源向少数具备软硬件一体化能力的头部企业集中。
放在全球竞争格局里,具身智能也是中美科技竞争的新战场。特斯拉Optimus、Figure等海外团队持续迭代,国内宇树、小米、华为等玩家同步加码,大家的目标一致,路线各有区别。王兴兴的判断,代表国内头部硬件厂商的信心:依托国内完整的机器人硬件产业链,叠加大模型快速追赶的红利,我们有机会在物理AI浪潮里占据一席之地,而不是单纯跟随海外路线。
总而言之,王兴兴抛出的“最快明年迎来具身智能ChatGPT时刻”,不是板上钉钉的结论,而是一份来自一线创业者的趋势判断。它给整个行业定下了一个激动人心的目标,同时也点透了最核心的矛盾:大模型的智慧,如何稳定、安全地落地到物理世界。明年是不是拐点,答案不在于发布会的炫酷演示,而在于机器人能不能在不受彩排的陌生环境里,稳定完成普通人交代的任务。