今日（2025年8月9日），宇樹(shù)科技創(chuàng)始人、CEO、CTO王興興在「2025世界機(jī)器人大會(huì)」的論壇上，發(fā)表了最新演講。以下是RoboX整理出的部分關(guān)鍵演講內(nèi)容：

王興興表示，今年上半年，整個(gè)機(jī)器人行業(yè)非?；鸨?，再加上政策的支持，相關(guān)整機(jī)廠商及零部件廠商，平均每家企業(yè)至少有將近50%-100%的增長(zhǎng)，這意味著需求端拉動(dòng)了整個(gè)行業(yè)的發(fā)展。

在海外，特斯拉今年大概他們會(huì)發(fā)布他們第三代的特斯拉的人體機(jī)器人，同時(shí)包括英偉達(dá)、蘋(píng)果，META等頭部企業(yè)都在持續(xù)推動(dòng)機(jī)器人領(lǐng)域的發(fā)展。

在此背景下，王興興分享了幾個(gè)個(gè)人觀點(diǎn)：

1、關(guān)于本體的誤區(qū)

之所以機(jī)器人還沒(méi)有大規(guī)模應(yīng)用，并非因?yàn)橛布粔蚝没蛘叱杀颈容^高。他認(rèn)為其實(shí)從技術(shù)層面或者AI角度來(lái)說(shuō)，目前硬件是完全夠用的，這也包括人形機(jī)器人和靈巧手。

關(guān)鍵問(wèn)題在于量產(chǎn)，相關(guān)的工程問(wèn)題非常多。

2、具身AI完全不夠用

與硬件相比，更大的挑戰(zhàn)，還是具身智能的AI完全不夠用，這也是限制機(jī)器人尤其人形進(jìn)行大規(guī)模應(yīng)用的最大問(wèn)題。

王興興認(rèn)為，目前的智能體AI應(yīng)用，感覺(jué)類似于ChatGPT出來(lái)前的1-3年左右。目前業(yè)界已經(jīng)發(fā)現(xiàn)了類似的方向以及技術(shù)路線，但是還沒(méi)人把它做出來(lái)。

而機(jī)器人的臨界點(diǎn)應(yīng)當(dāng)達(dá)到什么程度？他表示，如果哪一天我們帶一個(gè)人形機(jī)器人來(lái)到完全陌生的會(huì)場(chǎng)，和它說(shuō)，幫忙把這瓶水帶給某個(gè)觀眾，它可以流暢地完成；或者說(shuō)「把這個(gè)房間整理一下」，它也能自己完成，那就差不多達(dá)到了臨界點(diǎn)。

“如果快的話，未來(lái)的1-3年內(nèi)還是很有可能實(shí)現(xiàn)的。最慢的話估計(jì)3-5年也可以實(shí)現(xiàn)，但是現(xiàn)在確實(shí)還沒(méi)有達(dá)到這個(gè)效果?！?/p>

3、關(guān)鍵問(wèn)題：數(shù)據(jù)還是模型？

之所以智能機(jī)器人還沒(méi)達(dá)到應(yīng)有水平，到底是模型的問(wèn)題，還是數(shù)據(jù)的問(wèn)題？王興興給出了獨(dú)特答案：

“目前全球范圍內(nèi)，大家對(duì)于機(jī)器人數(shù)據(jù)問(wèn)題的關(guān)注度，都有點(diǎn)太高了?，F(xiàn)在最大的問(wèn)題其實(shí)反而是模型?！?/strong>

他認(rèn)為，目前具身智能和機(jī)器人的模型架構(gòu)不夠好，也不夠統(tǒng)一。

“在大語(yǔ)言模型領(lǐng)域，當(dāng)有了足夠多的好數(shù)據(jù)時(shí)，就能把模型訓(xùn)練得越來(lái)越好。但是在具身智能領(lǐng)域，會(huì)發(fā)現(xiàn)在很多情況下，數(shù)據(jù)采了卻用不起來(lái)。大家對(duì)模型的關(guān)注目前是相對(duì)有點(diǎn)少，反而對(duì)數(shù)據(jù)關(guān)注有點(diǎn)太高了?！?/p>

4、對(duì)VLA模型持懷疑態(tài)度

“VLA是一個(gè)相對(duì)傻瓜式的架構(gòu)，我個(gè)人對(duì)它還是抱一個(gè)比較懷疑的態(tài)度。”

王興興表示，VLA模型對(duì)于真實(shí)世界的交互，數(shù)據(jù)質(zhì)量是不太夠用的。有個(gè)簡(jiǎn)單的想法，是在VLA模型上加RL訓(xùn)練，但綜合宇樹(shù)長(zhǎng)期的嘗試來(lái)看，VLA+RL還是不夠的，模型架構(gòu)還得再升級(jí)和優(yōu)化。

5、宇樹(shù)的做法

去年，OpenAI發(fā)布了視頻生成模型以后，行業(yè)內(nèi)產(chǎn)生了一個(gè)想法——如果生成一個(gè)「整理房間」的視頻，是不是能讓視頻生成模型直接去驅(qū)動(dòng)一個(gè)機(jī)器人去執(zhí)行？

去年，宇樹(shù)就做了這個(gè)事情——利用預(yù)訓(xùn)練的機(jī)器人動(dòng)作視頻，去控制機(jī)器人仿照?qǐng)?zhí)行。他指出，目前谷歌的全新一代的視頻生成模型，也是一個(gè)視頻驅(qū)動(dòng)的世界模型，同樣想實(shí)現(xiàn)這樣的效果。

“我覺(jué)得這個(gè)路線的方向，可能比VLA模型的收斂概率還大。但是我沒(méi)有驗(yàn)證不敢打包票，目前該方法的問(wèn)題就是，視頻生成模型太考驗(yàn)視頻生成質(zhì)量了，導(dǎo)致對(duì)GPU的消耗有點(diǎn)大。但是對(duì)機(jī)器人來(lái)說(shuō)，如果遇到并不需要很高精度的視頻生成質(zhì)量，還是可行的。”

6、機(jī)器人的Scaling law才剛開(kāi)始

王興興指出，目前宇樹(shù)等品牌的機(jī)器人，在跳舞、格斗等動(dòng)作上，實(shí)現(xiàn)的效果還不錯(cuò)。但是要想進(jìn)一步整體提升能力，還面臨著一個(gè)很大的問(wèn)題。

“目前，機(jī)器人領(lǐng)域的Scaling law，大家做得非常不好。舉個(gè)最簡(jiǎn)單例子，如果我有一個(gè)新的舞蹈要去訓(xùn)練，那么每次加入新的動(dòng)作，都要重新訓(xùn)練，而是從頭開(kāi)始訓(xùn)練，這是非常不好的。我們是希望我每做一個(gè)新訓(xùn)練的時(shí)候，是可以在之前的訓(xùn)練基礎(chǔ)上去做AI訓(xùn)練的?！?/p>

他認(rèn)為，做AI訓(xùn)練的時(shí)候，理論上應(yīng)該訓(xùn)練速度越來(lái)越快，學(xué)習(xí)新技能的效果越來(lái)越好。但是全行業(yè)內(nèi)目前還沒(méi)人能做出來(lái)，這是非常值得做的一個(gè)方向。

因?yàn)檫@在語(yǔ)言模型上已得到過(guò)充分驗(yàn)證，但是在機(jī)器人的運(yùn)動(dòng)控制上面，大家才剛剛開(kāi)始。

“在未來(lái)2-5年，最重要的還是端到端的具身智能AI模型，模型本身是非常最重要的。”

7、硬件工程優(yōu)化

更低成本、更高壽命的硬件，哪怕對(duì)于已經(jīng)發(fā)展100多年的汽車行業(yè)來(lái)說(shuō)，如果要做一輛很好的汽車出來(lái)，工程量還是非常大的。

“對(duì)機(jī)器人行業(yè)來(lái)說(shuō)，未來(lái)可能每年要生產(chǎn)幾百萬(wàn)、幾千萬(wàn)甚至幾億臺(tái)的人形機(jī)器人。如果要大批量生產(chǎn)制造出來(lái)，它的工程量的挑戰(zhàn)還是非常嚇人的一件事情?！?/p>

8、算力部署的局限性

目前，在人形機(jī)器人上，或者在移動(dòng)機(jī)器人本體上，沒(méi)辦法直接部署很大規(guī)模的算力。這是因?yàn)樗某叽绾碗姵囟加邢?，它部署的算力功耗也是有限制的?/p>

王興興稱，在人形機(jī)上，最多只能部署峰值功耗約為100瓦的算力，且平時(shí)工作時(shí)算力只有幾個(gè)手機(jī)的水平。但是，未來(lái)的機(jī)器人對(duì)于大規(guī)模算力的需求肯定是毋庸置疑的，而且可能會(huì)是分布式的算力。

因?yàn)?，大家都希望機(jī)器人工作的通信延遲比較低。此時(shí)如果數(shù)據(jù)中心或者算力中心在異地，延遲實(shí)在是太大了。所以他認(rèn)為，未來(lái)如果一座工廠里有100個(gè)機(jī)器人，也可以配備集群的分布式服務(wù)器，這樣其安全性和通訊延時(shí)是可以接受的。

再比如，如果一個(gè)小區(qū)中每家每戶都有機(jī)器人的時(shí)候，該小區(qū)也可以有分布式的集群。并且如果有一個(gè)新客戶想買一臺(tái)人形機(jī)器人的時(shí)候，他不需要給這部分算力的建設(shè)花錢，成本也會(huì)更低很多。

“我覺(jué)得分布式集群是未來(lái)在機(jī)器人領(lǐng)域非常重要的構(gòu)成?！蓖跖d興說(shuō)道。

9、全球共創(chuàng)的重要性

他認(rèn)為，機(jī)器人領(lǐng)域是一個(gè)全球共創(chuàng)的過(guò)程，包括中國(guó)、美國(guó)的很多的大企業(yè)，大家在過(guò)去的很多年和當(dāng)下，都做了很多貢獻(xiàn)，也希望共同推動(dòng)行業(yè)進(jìn)步。

“在AI領(lǐng)域，沒(méi)有一家大公司能保證只要有足夠的人、有足夠的資源，就能永遠(yuǎn)保持在AI領(lǐng)域領(lǐng)先。OpenAI和DeepSeek已經(jīng)證明了AI的創(chuàng)新，永遠(yuǎn)伴隨著一些隨機(jī)性。所以很多情況下，需要每家公司或者每家高校都做出很多貢獻(xiàn)，進(jìn)行全球共創(chuàng)?！?/p>