信仰加速，估值刹车：具身智能最后一道题，王兴兴凭什么交给 GPT-7

文 | 斯马克开源

2026 年 10 月 12 日，上海第二十六届中国国际工业博览会开幕式。

宇树科技创始人王兴兴被问到 —— 机器人还要多久，才能从展品变成产品。

他说，快的话甚至一两年内就有可能。

理由是：明年 GPT-7 出来，可能直接解决具身智能问题。

同一周，宇树科技 10 月 13 日收于 436.63 元。上市首日盘中最高 1100 元 —— 10 月 8 日，该股较首日高点已累计下跌逾 61%。

摩根大通首次覆盖即给出"减持"评级，目标价 300 元。

创始人在台上把时间表往前拨，机构在纸上把估值往下压。

市场并不知道该用什么模型，给这家公司定价。

不是简单的多空分歧

时间表的三次漂移

王兴兴关于"临界点"的公开时间表，至少给过三次：

• 2025 年 8 月，世界机器人大会：顺利的话，一两年或两三年

• 2026 年 8 月，世界机器人大会：快则两到三年，慢则五年或十年

• 2026 年 10 月 12 日，工博会：快的话甚至一两年。

2026 年 8 月那一次往后退，10 月这一次猛地往前冲。

GPT-6 发布后，宇树把它部署到机器人上做任务测试，"效果实际上非常不错"。

信念被数据刷新，是工程师最正常的反应。 他说："过去十几年我犯的最大错误，就是对 AI 的相信还不太够。"

当一个产业的技术临界点预期，被锚定在外部模型厂商的节奏上时，时间表就变成了因变量。

对工程师是好事，对产品定价则是灾难。

一家公司的估值模型，需要一个可预测的自由现金流时间轴。

所以机构给出保守评级，未必是在否定宇树的技术，而很可能是在承认"我无法建模"。

也就是四个字：不可估值。

信仰不是单纯的口号

在泼冷水之前，必须先替王兴兴把道理讲透。

他曾给过一个预判：当机器人在 80% 的陌生场景中，仅凭语音指令就能完成 80% 的任务，产业拐点就到了。

但这个 80%/80% 是任务完成率，没有提及接触质量。

让机器人做一个漂亮的后空翻，比叠好一件 T 恤容易得多。

一件刚从烘干机里拿出来的 T 恤，袖子可能会翻进衣身，下摆可能压在毛巾下面。

机器人捏住一个角提起 来—— 提起来的那一瞬间，题干变了。

重力让布料重新分布，刚才视觉识别出的形状立刻失效。

因为它捏到的可能是一层，也可能是两层。

杯子移动了，形状还在。衣服一移动，形状本身也变了。

可变形物体（deformable objects）之所以是操作噩梦，根源在于每一次接触，都会改写被操作对象的状态。

人类却对此毫无感觉，我们可以一边追剧一边把衣服叠完。

神经科学有个经典实验：把受试者指尖局部麻醉，再让他划火柴。

眼睛和肌肉没问题，缺的只是指尖传回来的那点信号 —— 平时几秒钟的动作立刻变得笨拙，并且反复失败。

机器人每向"人类的日常能力"靠近一步，难度是递增的，而且越是你觉得不值一提的本事，机器越难学会。

AlphaGo 赢李世石至今十年多了，机器人还在学叠衣服。因为围棋规则就是对这个世界的完整描述，机器可以自己跟自己下，三天几百万盘，成本只是电费。

叠衣服没有模拟器。布料仿真算得越准越慢，算得越快越失真。

想要真实数据，只能让真机器人去叠真衣服，或者人戴着设备一遍遍示范。

技术短板上的最后阵地

当机器人的手指碰到物体的那一瞬间，接触时能不能传递我想要的力，而且不会打滑？

有一个概念叫力封闭（Force Closure）。它的数学基础叫摩擦锥（Friction Cone）—— 每一个接触点上，手指能施加的力被分解为一个法向压力（往物体里压）和两个切向摩擦力（防止滑动）。

库仑摩擦定律要求：

捏得越轻，能抵抗的横向滑动就越小

μ 是一个难以捉摸的魔鬼。

钢铁对钢铁大约 0.5，橡胶压塑料大约 0.7，软硅胶指尖压金属能到 1.0 以上，而两块湿塑料之间，可以低到 0.2。

而且摩擦不是常数，会随压力、湿度、表面磨损动态变化。

仿真引擎里填了一个 0.7，真实世界里可能是 0.5 也可能是 0.9，取决于材质、温度、磨损程度、表面有没有灰尘。

柔性物体的仿真成本比刚性物体高出几个数量级，也是为什么接触动力学被公认为 Sim2Real 鸿沟里最难攻克的。

每一个接触点能贡献一个六维的"力旋量"（三个力 + 三个力矩）。所有接触点的力旋量合起来，构成一个六维空间里的凸多面体，叫做抓取旋量空间（Grasp Wrench Space, GWS）。

原点必须落在这个凸包的内部

只要原点在内部，那么无论外部从哪个方向来一个扰动力，机器人都能找到一组合法的接触力把它抵消掉。

原点越靠近内部中心（ Ferrari–Canny ε ——原点处能塞进去的最大球的半径），抓取就越抗扰动。

如果你完全不靠摩擦、只靠几何卡死物体，那叫形封闭（Form Closure），但那在三维刚体上至少需要 7 个接触点，条件苛刻到几乎只存在于专用夹具。

所以现实世界里的抓取，几乎全部是在玩一场关于摩擦系数 μ 的游戏。

王兴兴说过："每当有新任务时需重新训练，整体效率低于人。"（据公开报道转述）

而"复杂物理交互仍是具身智能公司的最后阵地" —— 这是他把 GPT-6 接到自家机器人上测完之后给出的判断。

语言模型并没学会什么是语法

王兴兴把赌注押在 GPT-7 上，逻辑是通用大模型已证明自己在语义理解和空间泛化上的能力，下一步攻的是物理交互这一关，而 GPT-7 有可能"把问题打穿"。

赌注押对了方向，但很可能押错了机制。

不是算力不够，也不是模型不够大，而是 数据的形态不对。

语法不描述世界"是什么"，只是元素之间合法的组合关系。

摩擦锥不是杯子的属性，也不是手指的属性，是手指的材质 × 物体的表面 × 当时的压力 × 环境湿度，四者之间的一种约束关系。

所以 GPT-7 就算再强，能给具身智能的，只是更强的语义先验和任务分解能力。

"打穿"接触这一关所需要的，是一种全新的、必须从物理世界重新采集的数据模态。

灵巧操作面临一个哲学性难题 —— 聚焦单一任务可以超越人类，而面向泛化任务则缺乏足够量级的数据来驱动高维动作空间。

当前最难的，恰恰是抓取与不同材质处理这些基础动作。

近年驱动器层面的差距已明显缩小，但传感器层面的差距依然最大。

视触觉在带宽、帧率上进展明显，但在标准化、稳定性、弹性体耐久性上仍有待突破。

所以，我们别再期待 GPT-7 什么时候来，如果王兴兴解决不了接触的问题，那就需要他给出一个更加诚实的态度。

作者声明：

本文首发钛媒体，文中凡涉及个人判断、定义与预测之处，均为推测或个人观点，不构成对任何企业的指控，亦不构成任何投资建议。图表为作者依据公开数据与学术原理绘制， 为数学原理与概念示意，非精确计量。

附：本文参考信源A 级｜官方公告 / 权威媒体一手报道
1. 工业和信息化部办公厅、国务院国资委办公厅《关于联合开展 2026 年度人形机器人与具身智能实景实训专项行动的通知》（工信厅联科函〔2026〕256 号）
2. 中华人民共和国工业和信息化部官网转载《经济日报：开启人形机器人作业模式》
3. 中国证券网（上证报）《王兴兴：明年 GPT-7 可能"直接把具身智能问题打穿"》（2026-10-12）
4. 澎湃新闻《王兴兴最新预判：具身智能的转折点，一到两年内就会来》（2026-10-12）
5. 第一财经《"GPT-7 可能将具身智能问题打穿"，机器人爆发会提前到来吗？》（2026-10-12）
6. 中国新闻网《学者共探具身新未来》（智源研究院学者研讨会，2026-08-28）
7. 科普中国网《具身智能走进现实，还要攻克哪些技术难关？》
8. 新华每日电讯《何以"灵巧"手》（2026-06-26）
9. 北京日报网《机器人迈向具身智能新时代，产业化需突破三大挑战》
10. 央广网《人形机器人可望不再"无从下手"》（2026-09-14）