作者 | 汤安迪

编辑 | 周欢

9 月 24 日，杭州，第五届全球数字贸易博览会，宇树科技创始人王兴兴发表题为《从机械到灵智——具身未来进化论》的演讲。

8 月的世界机器人大会上，王兴兴刚说过人形机器人 " 效率和能力还不够 "。9 月，宇树的三米高载人机甲 GD01 登上美国《时代》周刊封面，外界对这家公司的估值想象和质疑同步膨胀。在这个节点上，王兴兴说的一半是技术判断，一半是行业定调。

1、

300 万元的机甲

" 机器人里的越野车 "

本届数贸会上排队最长的展台是宇树的，主角就是那台红色的三米高载人机甲 GD01，满载约 500 公斤，半开放式驾驶舱，宇树自研高精度伺服驱动系统和变形控制算法支撑其形态切换。

工作人员报价 "300 多万 "，同时承认：问的人很多，但一台都还没卖出去。

为什么造它？王兴兴的回应是：

" 随着 AI 与机器人底层技术成熟，大型机器人与小型机器人的研发落地并不冲突。大型机器人是行业不可阻挡的趋势，就算宇树不做，未来几年也会有其他企业推出同类产品。"

他给 GD01 的定位是：

" 我们把 GD01 定义成机器人里的越野车。"

不在城市室内使用，面向户外复杂地形，强调通过性，在野外环境执行任务。这或许是一个品类的先发占位。

2、机器人的 "ChatGPT 时刻 "

80% 的场景，80% 的任务

王兴兴对行业节奏的判断相当克制：

现在整个具身智能、人形机器人技术只发展了三四年，仍处于行业早期，距离机器人大规模走进家庭、大规模民用普及，还需要数年时间。

但他同时给了一个明确的临界点定义，具身智能必将迎来专属的 "ChatGPT 时刻 "：

当机器人可在 80% 的陌生场景中，通过语音具身能力完成 80% 的任务时，就意味着行业抵达爆发临界点。届时全球企业与各国资源将集中涌入赛道，这一产业拐点有望在未来几年落地。

80% 的陌生场景 × 80% 的任务，这是王兴兴版本的信号枪。

在这个数字之前，一切融资热、量产故事、万台订单，都还是预热。

3、

行业的瓶颈是毫米级误差，不是大脑

王兴兴表示：" 但现在行业最大的瓶颈，是 AI 模型输入输出，和真实物理世界之间的精准匹配不足。大语言模型运行在数字空间，文字输入、输出，偏差很小，几乎没有物理损失。

机器人不一样，感知、决策、电机执行，每一步都会产生偏差，偏差会不断累积。"

他进一步拆解：

机器人做搬运、移动这类大动作，大体方向没问题。但是到抓取、装配这种精细操作的最后环节，会出现几毫米的误差。

看上去动作已经到位，但是这一点点误差，没办法自动修正，直接导致任务失败，整体成功率暴跌。

" 未来谁能解决这个物理世界对齐的毫米级误差问题，机器人的核心难题就基本解决了。"

他认为瓶颈不在 " 大脑 "。

理解指令、规划任务，这些去年就已经过关了，瓶颈在 " 小脑与本体 " 的最后一公里，在数字指令翻译成物理动作时那几毫米的系统误差。身体的硬件中国能造，且是全球成本最低的；但身体与大脑之间的精细控制，目前没有人过得去。

4、

宇树自己走到哪了

关于自家进展，王兴兴给的信息量集中在 " 延迟 " 两个字上：

近几个月宇树机器人大模型持续取得进展，现已支持根据人类语音指令实时生成机器人动作并执行。

但由于语音理解、动作生成本身都是 AI 实时运算，目前执行过程中仍存在小幅延迟。让机器人听懂指令、执行有象征意义的具体动作，去年已经实现。

他的时间表是：

希望在 2026 年底或 2027 年初，任何人对机器人发出指令，均可实时生成对应动作；当任意动作生成能力足够强，机器人即可真正大规模投入实际作业。

现阶段，宇树机器人已实现长序列连续任务执行并具备抗干扰能力，但他承认 " 作业效率仍有较大提升空间 "。

5、

用 AI 闭环

把 " 一天测几十台 " 变成一天测几千台。

王兴兴认为，全球机器人行业的开发模式仍然初级：代码生成、训练部署、真机测试、问题修正，每个环节高度依赖人工，效率偏低，直接后果是真机数据稀缺，而这正是毫米级误差迟迟解决不了的深层原因之一。

他给出的解法是 AI 自主闭环：

由 AI 自主生成代码、完成训练、自动部署至机器人、开展真机测试，并自主复盘分析结果、完成正向迭代循环。

按他的计算账，这套体系落地后，" 原本一天只能测试几十个机器人，通过 AI 自主迭代体系，完全可以一天测试几百个、几千个机器人，公司只需要堆产线就可以解决这个问题。"

•END •

欢迎点击奇偶工作室视频号，看最新视频 ~

↓↓↓

Question. Write.Narrate. Believe. Become a story. 易简传媒的愿景是提问和传播商业故事，让读者更开阔，更聪明。有 2500 万微信粉丝关注我们的账号，欢迎大家关注：

↓↓↓