具身智能距离真正爆发的距离，或许比外界预期的更近，但关键技术障碍仍未破除。

11 月 4 日，宇树科技创始人、董事长兼 CEO 王兴兴在 2026 年世界互联网大会乌镇峰会互联网企业家论坛上表示，2027 年很大概率将成为机器人行业或机器人模型发展的临界点，明年机器人能力有望迎来大幅提升。

他判断，具身智能的 "ChatGPT 时刻 " 已近在咫尺——届时机器人能够在约 80% 的陌生场景中，通过语音或文字指令完成约 80% 的任务。

然而，王兴兴同时指出，机器人与这一目标之间仍横亘着一道他称之为" 最后几毫米 " 的技术门槛：AI 模型对物理接触和触觉的理解尚不充分，模型输入输出与真实世界之间的对齐存在偏差。

他预计，这一问题有望在未来一至三年内得到解决。消息提振了宇树科技（688836.SH）股价，当日盘中一度涨超 8%。

临界点判断：80% 场景、80% 任务

王兴兴对具身智能 "GPT 时刻 " 的定义具体而明确：机器人能够在约 80% 的陌生场景中，通过语音或文字指令完成约 80% 的任务。他认为，当前全球顶尖模型距离这一目标已经非常接近。

他指出，目前顶尖多模态模型已具备较强的空间理解和任务规划能力。机器人经过充分训练后，在固定工位执行单一任务的成功率可接近 100%，对于抓取、搬运等操作，模型也已能取得较高成功率。

然而，从固定工位的高成功率，到跨场景的通用能力，仍是两个截然不同的维度。王兴兴明确表示，这种通用能力尚未实现，而制约其实现的核心障碍，正是他所说的 " 最后几毫米 " 问题。

卡点所在：触觉与物理世界的对齐

在手机拆装、穿针引线等需要精细操作的场景中，当前机器人的表现仍不理想。

王兴兴将原因归结为：机器人对物理世界的接触与触觉信息缺乏足够准确的理解，AI 模型的输入输出与真实世界的对齐 " 差了一点 "。

"AI 模型对物理世界的接触这部分做得不是特别好，也就是 AI 模型的输入输出和真实世界的对齐还是差了一点。" 王兴兴表示，这恰恰是完成复杂操作的关键所在。

他预计，这类问题有望在未来一至三年内得到解决。一旦突破，机器人模型在理论层面的主要问题将大幅减少，行业技术曲线料将随之陡峭上扬。

自进化循环：人类角色收窄至 " 打分 "

为突破上述瓶颈，宇树正在推进物理 AI 模型的自进化机制。

王兴兴透露，几个月前，宇树已在内部启动相关探索：让 AI 模型自行编写代码，在仿真环境或真实环境中训练，再部署到机器人上测试，测试后由人或机器人打分，结果反馈给模型用于修改程序和继续训练。

王兴兴表示，全球头部大模型公司在某种程度上已在内部建立起这一自进化循环——模型能够自主采集数据、训练和迭代，人类只需少量参与评价。但在机器人领域，即便是全球头部企业，目前也尚未真正建立起这样的闭环。

在他看来，在这套机制中，人类当前最大的价值只剩两项：评价 AI 模型输出结果的好坏，以及设置目标供 AI 实现。王兴兴说：

但是渐渐 AI 模型也会学会人类的这些评价指标和偏好，就可以自己进化成越来越强的模型。

王兴兴坦言，目前包括宇树在内，机器人行业对数据的利用率仍然偏低，大量已有数据尚未得到充分利用。他表示：

对我们来说，要生产制造、部署千台或者万台机器人去测试采集数据，某种意义上是件成本很低、比较容易的事情。

王兴兴认为问题的核心不在于采集数据，而在于如何充分利用这些数据训练 AI 模型。他指出，随着基础模型能力提升，模型自主进化和数据利用效率有望同步提高。

三大布局：量产、模型、算力

技术判断之外，王兴兴也披露了宇树的战略部署方向。

他表示，宇树未来将重点攻克机器人大脑技术，并在全球范围内寻求合作。

此前在 10 月 22 日举行的 2026 世界物理 AI 大会暨宇树合作伙伴生态大会上，王兴兴公布了宇树三大布局：

一是提升机器人大规模量产能力，以适应千万级乃至亿级市场需求；

二是通过自主研发与外部合作并行，推进适配自身硬件的物理 AI 小模型落地；

三是布局超大规模算力集群，为技术持续迭代提供支撑。

王兴兴还在论坛上指出，未来世界最核心的资源将包括数据、算力、芯片产能、能源和矿产。随着机器人从固定工位走向更多开放场景，行业竞争也将进一步向模型能力、数据积累和算力基础设施延伸。

对于已走过十年、完成规模化制造布局的宇树而言，能否让模型充分释放数据价值，或将成为下一阶段竞争的核心变量。