王兴兴WRC演讲：迈向具身智能GPT时刻，看「两个80%」

8月19日，2026世界机器人大会在北京亦庄举行。宇树科技（688836.SH）董事长、CEO兼CTO王兴兴发表主题演讲，分享了宇树在四足机器人、人形机器人、载人机甲、多模态端到端动作生成，以及物理AI机器人自进化方向上的最新进展。宇树科技于8月19日上市，首日股价大涨460%。8月20日，截至上午10:30分，宇树科技股价跌15.03%，市值约2904亿元。

王兴兴在演讲中提到，过去几年，宇树一直在推动机器人真正走进生活、走进工厂。公司从2024年开始与汽车工厂合作，探索机器人在汽车产线中的落地应用，也在自有工厂中部署机器人做简单测试。但他也坦言，当前机器人距离大规模推广仍有差距，核心原因在于效率和泛化能力还不够：机器人虽然已经能完成一些简单装配，但效率仍低于人；每遇到新任务，往往还需要重新训练。

在他看来，全球具身智能当前最大的瓶颈，是AI模型的输入输出与真实物理世界之间仍存在偏差。语言模型的输入输出都在数字空间里，损失较小；但机器人每一次感知、决策和执行，都会引入误差和损失，尤其是在“最后几厘米”“最后几毫米”的精度修正上，成功率会急剧下降。

王兴兴判断，未来具身智能真正的“GPT时刻”，不是机器人在固定场景里完成某个Demo，而是当一台机器人被带到任意陌生环境中，通过语音或语言指令，就能完成80%左右任务。这个节点快则2到3年，慢则5年甚至10年，但一旦到来，将成为机器人产业爆发的临界点。

在演讲中，王兴兴提到：“目前全球具身智能最大的瓶颈，还是泛化能力不够。”

关于“迈向具身智能的ChatGPT时刻”, 王兴兴认为，一个标准是，在80%的陌生场景中，通过语音或文字指令，机器人能够顺利完成大约80%的任务。

“让物理AI机器人模型自进化，是当下以及未来几年全球最值得做的事情之一。”他说道。

以下为「明亮公司」根据现场速记精编后的演讲内容（未经演讲人审阅）：

#01 从天坛到工厂：机器人正在走向真实世界

大家好。前段时间，我们的机器人在天坛做了一次展示。天坛有几百年的文化和历史，当机器人出现在现场时，确实有一种非常强烈的穿越时空感：过去几百年的中国文化，和当前最新的机器人技术交融在一起，这个感觉非常震撼。

过去几年，宇树一直在推动机器人真正走进生活、走进工厂去干活。

比如2024年，我们就开始和汽车工厂合作，做汽车产线上的一些落地应用；同时，我们也在自己的工厂里部署机器人，做一些简单测试和实际应用。公司内部绝大部分AI团队，目前也都在围绕机器人如何真正进入家庭或工厂干活做研发。

为什么现在还没有大规模推广？最主要原因是，当前机器人的效率和泛用性还不够。简单来说，虽然目前机器人已经能做一些简单装配，但效率相比人类仍然偏低。另外，每次有新任务过来，机器人往往还需要重新训练，这也导致效率不够高。

因此，我们还是希望在技术更加泛化、能力更好的情况下，再进行大规模推广。这也是目前全球机器人行业共同面对的最大瓶颈之一。

今年4月，我们也刷新了一个记录：人形机器人实现了超过10米/秒的奔跑速度。这款机器人是在我们早期人形机器人H1基础上改制而来。H1是宇树第一款人形机器人，也是非常经典的一代产品。后续我们也可以在它上面加装轮式结构，使其更加灵活。

今年5月，我们还发布了全球第一款量产级载人机甲。这款机器人身高大约3米多，载人后重量大约500公斤。很多人会好奇它的应用场景，可以把它简单理解为一种“越野车”——它并不是为家庭或城市环境设计的，而是在户外徒步、复杂地形运输等场景中发挥作用。它可以变形，在四条腿模式下稳定性更好，越障能力也非常强。

#02 数据、端到端与世界模型：机器人AI正在加速演进

目前的机器人基本都是AI驱动的，而AI又高度依赖数据。

可以说，有多少高质量数据，就有多少AI能力。因此，我们也在自己采集数据，或者和第三方公司合作采集更多数据，既给行业使用，也给我们自己使用。数据驱动是机器人发展的关键。

我个人认为，真正的AI机器人训练数据，仍然需要两类核心数据：第一，大量真人数据或互联网数据，作为主要预训练数据；第二，部分真机数据，用来让机器人真正和物理世界匹配。单从数量角度看，真人数据会更多，也更加重要；但机器人真实运行数据同样不可或缺，因为它关系到模型和物理世界之间的对齐。

我们也在做基于多模态端到端的AI动作生成。过去，机器人很多常规动作演示，都是提前训练好或编程好的。但我们希望未来机器人真正落地时，动作能够完全实时生成，而不是提前写死。现在这类系统仍然会有几秒延迟，因为要经过语音处理和模型推理；而且自动生成动作有一个特点，同一句话在不同时间生成的动作可能会略有差异。但这也意味着机器人不再只是执行固定动作，而是在理解指令后实时生成行为。

比如我们让机器人根据语音指令做动作，它可以听到“先半蹲着向前走”“双手平举向前走几步再回到原点”等指令后，自动生成动作。再进一步，我们也在做语音驱动下的操作能力。机器人不仅能根据语音动作，还能真正干活，比如识别不同颜色药盒，并根据指令把指定药盒放到指定位置。这类任务不是固定动作，也具备一定抗干扰能力。

我们还在推动机器人进入会议室等真实环境干活。比如会议室整理，就是一个相对有实用价值、难度又不是特别高的场景。很多公司都有会议室，会议室经常乱糟糟，如果机器人能完成整理，就具备现实意义。我们在一个会议室场景中采集和训练，布置了7到8个不同任务，并用一个模型自动切换执行。由于是端到端实现，目前运动效率还比较慢；但它是一镜到底完成的，也可以应对一定干扰。

最近，我们也发布了新一代轮足机器人。这款机器人相对轻量化，自重大约20公斤，负载能力和续航能力比较强，也基本具备防雨水能力，室内和室外都可以使用。我们把一些人形机器人的技术重新放回四足机器人上，让四足机器人的灵活性进一步提升。我们希望这类产品能够真正落地到户外徒步等场景。

此外，我们也升级了一些小型四足机器人产品。它们目前性价比非常高，在京东、淘宝等平台上已经可以预售或零售。前段时间，我们还预览了一款新的机器人。这款产品开发时间很短，到现在大约只有三个多月，仍然只是预览产品，不是正式发布。但它的速度已经达到12.65米/秒，超过了目前人类历史上最快奔跑速度；它的跳高高度也基本超过了人类历史最高水平。

#03 机器人产业的临界点：陌生环境中完成80%任务

回顾最近几年机器人AI模型的发展，主要流派包括VLA模型和世界模型。今年大家听到最多的，可能就是世界模型方向。

宇树在AI模型上的投入一直非常大，也是公司当前资金和人力投入最大的方向。早在2020年初，我们就开始探索基于视频生成的世界模型方向。当时效果还不是特别理想，中间有过一段时间搁置；但从去年开始，我们又重新大力发展基于视频生成的世界模型。

很多人会好奇：真正通用的机器人，无论是人形机器人还是半人形机器人，什么时候能真正走进生活、走进家庭？

我认为最大的问题，还是全球具身智能的泛化能力不够。现在很多AI模型在固定场景中，只要采集和训练足够，成功率基本可以做到接近100%。但如果操作物体或环境稍微变化，成功率就会下降得非常严重。

我希望未来快的话2到3年，慢的话5年或者10年，我们能看到一个临界点：把一台机器人带到任意陌生环境，比如你的家庭，它基本可以完成80%左右的任务。我认为这就差不多实现了具身智能的ChatGPT时刻，也会是未来产业真正爆发的临界点。

这个评价指标其实很简单：你把机器人带到80%左右的陌生场景里，它通过语音和语言指令，就能完成80%左右的任务。

为什么一定要达到这个点？因为只有达到这个水平，机器人才能真正具备泛化能力，而不是只在固定Demo里表现很好。

#04 当前最大瓶颈：模型和真实世界之间的最后几毫米

要达到这个临界点，目前最大的瓶颈是什么？我认为是AI模型的输入和输出与真实世界的对齐程度还不够。

现在的机器人模型，你让它移动，或者让它把两个东西装配在一起，或者把一个物体搬到某个位置，它的大方向通常没有问题。也就是说，它大差不差能执行你的任务。但问题在于最后几厘米、最后几毫米的成功率。比如机器人去拿一个东西，看起来已经快拿到了，但最后一点触觉、最后一点误差，它没办法很好修正。最终这点误差导致成功率暴跌。

这是目前全球具身智能最大的瓶颈：AI模型的输入输出和真实世界之间存在偏差。为什么机器人会有这个问题，而一般语言模型或多模态模型没有这么严重？因为语言模型的输入输出是数字编码的。一个文字输入、一个文字输出，都严格限制在向量空间里，基本不会有大的偏差。简单来说，它的输入输出损失很小，甚至可以理解为没有物理损失。

但机器人不一样。机器人每一次输入和输出，都会有偏差和损失。感知会有误差，动作执行会有误差，接触会有误差，物理环境也会变化。这就导致当前全球机器人模型的真正泛化能力和成功率仍然较差。

不过，我认为这个问题在未来几年必然可以解决，只是需要时间。

#05 让物理AI自进化：用AI提升机器人开发效率

昨天我们也提出了公司正在预研的一件事情：让物理AI机器人模型自进化。

过去几年，大家已经大量使用AI做编程和开发。但我觉得，在机器人领域，AI真正用于机器人开发本身还相对欠缺。因此，宇树最近正在推动的一件事，是直接让物理AI机器人模型自进化：使用当前最前沿、最顶尖的AI大模型来驱动机器人研发，再结合我们设定的规则、经验、约束和工具，让它自己去网上搜索最新论文、最好的研究成果、优秀开源方案，然后自己编程，生成机器人控制代码。

控制代码生成后，可以先在仿真环境里运行，也可以调用大模型状态去控制实物机器人。之后，我们会在实物机器人上部署测试，再进行评价和打分。这个评价和打分，一部分由机器人AI模型自己完成，另一部分也可以由人参与。人的经验非常重要，因为人很容易判断哪些结果是好的，哪些结果是坏的。

一旦这套逻辑体系运行起来，机器人开发效率会高很多，迭代速度也会非常快。当这个流程持续运行一段时间，就有可能真正实现机器人自我计划能力和控制能力的提升。

举一个简单例子：左下角可以是一个Coding智能体，它自己编写机器人控制代码。现在很多简单的深度强化学习算法，已经可以让Coding程序实现不错的自动编程效果。

然后，我们把这部分代码放到仿真环境中验证和训练；训练好以后，再放到实物机器人上测试；测试后，由AI模型和人共同打分评价，再把反馈给到编程智能体，形成一个正向循环。

真正使用时，这套系统会比这个简单示例复杂很多。但我认为，这是当下以及未来几年全球最值得做的一件事情之一。

为什么要这么做？

第一，随着每个月、每一年基础模型能力的提升，这个自进化循环本身的能力也会进一步提升。它可以跟随全球AI技术进步不断变强。

第二，它能更高效地使用多元数据。人工处理和使用数据效率非常低，而自循环可以把各种训练数据、真实世界数据、人的数据都用起来，效率更高。第三，随着真机部署越来越多，我们会有更多测试数据和评价指标，数据利用率和增长率也会更有保障。

更重要的是，它可以让技能积累下来。不是今天开发一个技能，明天又浪费掉，而是每天、每个月都可以累加技能，形成持续进化。

#06 未来10年，机器人进化速度可能比预期更快

宇树最早大概是在2017年或2018年第一次参加世界机器人大会，过去近10年，我们对这个行业的发展感受非常深。今天，在AI大爆发、全球关注度非常高的新阶段，机器人进化速度已经大幅提升。

我认为，未来10年机器人发展的速度，可能比我预估的还要更快一点。这是一个全新的起点，也是一个全新的开始。

真正值得期待的，不只是某一台机器人跑得更快、跳得更高，而是机器人能否进入真实世界，能否在陌生环境中完成大多数任务，能否通过AI自进化不断提升能力。

如果有一天，我们把一台机器人带到任意家庭、任意工厂、任意陌生场景，它都能通过语言指令完成80%左右任务，那么具身智能就会迎来真正的确定性时刻。

谢谢大家。