塔斯娱乐资讯网

王兴兴APEC判断:机器人逼近临界点,真正硬仗还在后面

11月17日,2026年APEC工商领导人峰会在深圳前海国际会议中心开幕。在“共建开放普惠的人工智能创新生态”专题研讨环节,宇树科技创始人、董事长兼首席执行官王兴兴围绕AI与机器人产业的真实现状、核心挑战与亚太合作发表了系列观点。其中“模型泛化能力已经接近突破临界点”的判断,迅速引发外界对人形机器人、具身智能产业化节奏的讨论。

这篇文章结合公开发言内容,客观拆解:王兴兴说的“临界点”到底指什么、机器人行业卡在哪里、他同时提示了哪些被低估的风险,以及这一判断对产业、从业者和普通公众意味着什么。
一、先还原现场:他到底说了什么
在被问到用一个“最”开头的词形容2026年时,王兴兴给出的答案是“最激动人心”。他的核心判断可以概括为三层:
第一,公众看到的进展只是“水面以上”。 他认为,普通人感知到的AI和机器人技术进步,大部分还浮在水面以上;而水面之下的真实迭代“波涛汹涌”,每天的技术突破要快得多。无论是AI大模型还是具身智能领域,水面之下的情况都非常令人激动,未来几年的方向和潜力已经可以看到。
第二,当前最棘手的瓶颈是模型泛化能力。 他描绘的理想状态是:一台机器人走进千家万户,不需要针对每个场景重新训练,一个模型就能让机器人“到任何环境、马上干活”;而现实是,换一个场景往往就要重新训练一次。他判断,今年全球机器人技术已经让人看到突破的临界点,而且可能来得比较快。
第三,模型突破只是“上半场”,量产交付才是“下半场”。 他进一步提出前瞻性问题:如果明年机器人AI模型真的实现大突破,当下和未来几年最重要的事是什么?答案是生产制造、可靠性与售后服务的规模化大考。
需要先厘清一个前提:王兴兴说的“临界点”,特指模型泛化能力接近技术突破门槛,而不是机器人已经成熟到可以全面进入家庭和工厂。 这是一个技术研发层面的判断,并不等于产业化已经走完最后一公里。
二、为什么机器人行业近两年骤然升温
王兴兴在会上梳理了行业升温的逻辑链条:纯语言、文字的大模型在个人生活和工作中的价值越来越充分地显现出来,行业自然期待下一步借助AI让机器人真正干活,解决实际工作中的问题。
这个路径并不难理解:大模型先在语言、知识、推理层面证明了价值,把“大脑”做出来;接下来要解决的,是给大脑配上“身体”和“手脚”,让智能进入物理世界。语音交互、内容生成、信息处理等软件场景跑通之后,工业制造、物流搬运、家庭服务、商业巡检等实体场景,就成为资本和技术共同关注的下一站。
同场活动中,雷军也提到具身智能机器人是巨大的产业机会,小米具身智能机器人已进入工厂开展实习,能够连续8小时完整作业。不同企业从各自路径切入,但背后指向的是同一个趋势:AI正在从数字空间走向物理空间。

三、核心瓶颈拆解:什么是“泛化能力”,为什么这么难
王兴兴反复强调的“泛化能力”,是理解当前机器人技术阶段的关键词。用大白话说,泛化就是模型能不能不靠重新训练,直接面对没见过的新环境、新物体、新任务。
1. 理想状态:一个模型走遍各种场景
理想中的通用机器人,具备类似人的适应能力:换一个家庭、换一套房间布局,面对没见过的杯子、桌椅、杂物,依然能识别物体、理解任务、规划动作并完成操作,不需要工程师重新上门调模型、重采数据。
2. 现实状态:换个场景就要重新训练
目前不少机器人方案更接近“场景定制”:在固定场地、固定物体、固定动作流程下表现稳定,一旦环境变化、物体形态变化、任务流程变化,成功率就会明显下降。要适配新场景,往往需要重新采集数据、重新训练或调优模型。这正是“泛化不足”的直接表现。
3. 难在哪里:物理世界比文本世界复杂得多
语言模型面对的是相对规则化的文字信息,而机器人面对的是开放、非结构化的物理世界:物体姿态千变万化,光照、遮挡、地面材质各不相同,操作需要精细的力控和反馈,动作失败还可能带来碰撞、跌落等安全问题。视觉识别、运动控制、规划决策、力觉反馈必须协同闭环,任何一环不稳定,任务就无法完成。这也是为什么从“能演示”到“能通用”,中间还隔着大量工程和数据工作。
四、他同时泼下的冷水:被低估的三道关卡
值得注意的是,王兴兴并非只讲乐观判断。在同一场发言中,他明确提示:即便机器人AI模型实现技术突破,产业链仍要面对多重考验。
1. 量产与供应链:从几万台到数百万、数千万台的跨度
他给出一组直观对比:当前宇树一年生产几万台机器人;未来如果需求一下子放大到几百万台甚至几千万台,整个供应链、制造体系和质量一致性的挑战会非常大。
实验室里能稳定跑通的动作,放到批量产品上,要面对零部件一致性、良率、成本控制、装配公差、长期磨损等一系列工程问题。小批量精品展示和大规模可靠交付,是完全不同量级的能力。
2. 可靠性与售后服务:规模化之后的长期考题
产品一旦进入家庭和各类工作场景,故障率、维修响应、备件供应、软件升级、迭代兼容都会成为必须解决的体系化问题。汽车工业用了上百年才建立起成熟的制造和售后体系,机器人要在短时间内完成类似积累,并不轻松。
3. 算力与安全:外界普遍低估的两项成本
王兴兴提到,未来机器人对算力系统的需求,可能远超目前大部分人的想象;此外,包括机器本体安全在内的各类后续问题,挑战都非常大。
每台机器人都需要实时感知、决策和控制,数量一旦规模化,端侧算力、云端调度、数据回传、模型迭代都会形成持续的算力压力;而机器人在与人共处的环境中运动,安全标准、故障兜底、风险边界也需要逐步建立规范。
概括起来,在他的判断框架里:模型能力是“上半场”,把能力稳定、低成本、安全地交付到千万级规模,才是“下半场”的主战场。

五、合作视角:把蛋糕做大,而不是只盯眼前份额
在亚太合作议题上,王兴兴提到宇树机器人已经从国内走向海外,尤其在亚洲区域,很多层面国内代际上仍有优势。他的主张是:不要局限于当下的竞争和存量市场,而应着眼于未来整个产业规模;通过合作把蛋糕做大,蛋糕做大之后,每个人才能分到更大的一块。
他透露,宇树一直推动与国内外各国家和地区的合作,在上个月举办的生态大会上,到场合作伙伴中超过三分之一来自海外。对仍在早期阶段的机器人产业而言,供应链、场景数据、标准协同、市场开放都需要跨区域协作,单一企业很难闭环完成全部环节。
六、横向对照:“最激动人心”与“最紧迫”并不矛盾
同一场APEC活动上,李彦宏把2026年AI产业的关键词定为“最紧迫”,提醒行业:底层技术进步很快,但应用层渗透低于预期,很多企业用上AI后收入和利润没有明显提升,如果不解决落地问题,AI存在泡沫风险;王兴兴则用“最激动人心”形容机器人和AI在技术层面逼近突破的状态。
两种观感看似一冷一热,实则视角不同:
• 李彦宏更多站在产业商业化角度,关注技术能不能转化为收入、利润和真实价值;
• 王兴兴更多站在技术演进角度,关注模型和具身智能能力逼近拐点;
• 雷军等企业家则从终端产品和工厂场景切入,关注机器人什么时候真正进入产业一线。
三者并不矛盾:技术能不能做出来、商业能不能跑通、场景能不能落地,是机器人产业化链条上前后衔接的三道关。技术拐点临近是一回事,技术红利能否被规模兑现是另一回事。
七、理性看待“临界点”:这几点不能被叙事带偏
结合王兴兴本人的完整表述和产业常识,公众在理解这一判断时,需要避免几种常见的过度解读。
第一,临界点不等于全面普及。 模型泛化能力接近突破门槛,距离机器人大规模进入家庭、胜任复杂家务,仍有产品化、成本化、可靠性验证的过程。技术研发的拐点,和消费市场的拐点之间,往往还有几年的距离。
第二,演示视频不等于稳定量产能力。 现场舞蹈、奔跑、后空翻等展示动作,更多体现运动控制水平;家庭服务、工业协作等真实场景,更看重长期稳定性、任务成功率和安全冗余。判断一家机器人企业的实力,应更多看批量交付数据、场景复购、故障率和成本曲线,而不只看短视频效果。
第三,行业会经历洗牌。 任何新兴技术浪潮早期都会伴随概念热、融资热和同质化竞争。随着技术和市场回归理性,缺乏核心算法、硬件工程能力和真实场景积累的项目会被淘汰,资源会向真正能解决问题的企业集中。
第四,对个体不必过度焦虑,也不必盲目乐观。 机器人替代的是重复性、规则化程度较高的体力和流程性工作;复杂判断、灵活应变、人际协作和创造性工作,仍需要人来完成。更务实的态度是关注技术演进,同时积累机器人难以替代的专业能力。
八、对不同群体的现实启示
对机器人行业从业者:泛化能力是当前技术攻坚的主线之一,数据采集、仿真训练、运动控制、端侧部署、硬件可靠性都是长期价值方向;只做短期概念包装的空间会越来越小。
对创业团队:通用人形机器人平台级机会门槛极高,更现实的路径往往是先在特定场景做深做透,解决明确的效率和成本问题,再逐步扩展能力边界。
对关注资本市场的公众:区分有自研技术、量产能力和真实订单的主体,与单纯蹭机器人概念、基本面尚未兑现的标的;技术预期不等于业绩兑现,本文不构成任何投资建议。
对普通消费者:可以期待机器人在巡检、搬运、引导、辅助等场景逐步落地,但对“全能家政机器人”类的远期承诺,宜保持理性预期,关注产品实际可用性和安全保障。

结语
王兴兴在APEC上判断机器人技术已近临界点,本质上是一线创业者对技术节奏的乐观预判:水面之下的模型能力正在快速逼近通用化门槛,行业方向已经清晰。但他同时把量产、可靠性、售后、算力和安全这几道硬关卡摆到了台面上。
换句话说,临界点更像是一道“技术上半场”的分界线,而不是产业化的终点站。越过模型这道坎之后,机器人行业将进入更长、更考验工程能力和供应链体系的下半场。技术值得期待,节奏需要理性;真正能穿越周期的,是那些既能盯住前沿突破,也能把产品稳定交付到用户手中的企业。
#王兴兴 #人形机器人 #具身智能 #宇树科技 #APEC #机器人产业