为什么人形机器人还没有大规模应用，为什么其功能还不够完善？
这也是宇树科技创始人王兴兴最常被问及的一个问题。在2025世界机器人大会主论坛上，王兴兴是媒体关注度最高的“明星”。
他坦言，智能体机器人当前整机硬件发展虽然还不完美，但从技术层面或AI角度来看，硬件是“完全够用的”，人形机器人规模化应用的最大挑战是“AI完全不够用”。他认为，目前智能体AI应用就像ChatGPT诞生前夜，“业界已经发现了类似的方向与技术路线，但还没人把它做出来”。
王兴兴演讲。摄影/李明子
人形机器人的Chat GPT时刻会是什么样子？
假如人形机器人被带到一个陌生的会场，被要求将一瓶水递给某位现场观众，这台机器人不但能听懂指令，自主行动，还能比较顺利地找到这位观众，将水递过去。简言之，人形机器人即便在陌生环境下也能自主完成一些通用指令。王兴兴认为，距离这一时刻的到来，快则1—3年，慢则3—5年。
而目前智能机器人还没达到理想效果，究竟是数据问题，还是模型问题？
与业内常见观点不同，王兴兴认为，目前全球范围内对机器人数据问题的关注度过高，而真正的挑战在模型方面。“目前具身智能和机器人的模型架构不够好，也不够统一。”
对于主流的视觉-语言-动作（VLA）模型，王兴兴反而持怀疑态度。“VLA是一个相对傻瓜式的架构。”王兴兴表示，目前VLA模型对真实世界的交互，数据质量还不够。由此产生的一个简单的解决办法是，在VLA模型上加强化学习算法（RL）进行训练，但综合宇树科技的长期实践来看，VLA+RL的方式仍“不够用”，模型架构还需继续升级优化。
主论坛现场。摄影/李明子
去年，OpenAI发布了视频生成模型以后，行业内产生了一个新想法——如果生成一个“整理房间”的视频，是不是可以让视频生成模型直接驱动机器人执行？宇树科技去年就在做这件事。不久前，谷歌发布了全新一代的视频生成模型，同样想实现这样的效果。
“这个路线方向可能比VLA模型的收敛概率更大。但是我没有验证，不敢打包票。”王兴兴同时指出，这一路线的问题是，视频生成模型非常注重视频生成质量，导致对GPU的消耗较大。
在王兴兴看来，目前机器人在跳舞、格斗等动作上已经有了不错的实现效果，但要想进一步提升整体能力，行业还面临着一个很大的问题——机器人领域强化训练的缩放定律（Scaling Law）做得还不够好。举例来说，训练机器人跳一段舞蹈，每增加一个新动作，都要从头开始训练。而理想状态下，机器人学习新动作，理应以此前训练结果为基础，这样才能提升训练的速度和效果。该定律在语言模型上已得到过充分验证，但是在机器人运动控制方面，才刚刚开始探索。
“在AI领域，没有一家大公司能保证只要有足够的人和资源，就能永远保持领先。”王兴兴认为，OpenAI和DeepSeek的发展已经证明，AI领域的创新永远伴随着一些随机性，每家公司和高校都做出了很多贡献， AI与机器人的发展需要全球共创。
宇树科技于今年7月开启IPO辅导。在论坛期间，王兴兴接受央视采访时谈及上市，他表示:“我们公司也在推动一些中规中矩的上市流程。”王兴兴称公司上市像高考，“是企业迈向更成熟管理、更成熟运营的一个阶段性的事情，也是对我们过去九年多时间的一个交代”。
宇树科技最新人形机器人R1价格降至3.99万元起。王兴兴表示，“价格下降速度非常快，更小型的机器人会更便宜”。关于未来机器人可能免费普及的问题，他认为：“当机器人真正能干活后，全球对机器人的概念会发生很大改变。”王兴兴预测：“未来几年全行业人形机器人出货量将保持每年翻番，若有技术突破，2到3年内年出货量可能达几十万甚至上百万台。”
记者：李明子
编辑：闵杰
