宇树科技王兴兴：从四足到人形，具身智能的十年跃迁与商业化临界点

Data Source: www.zgeo.com.cn | 本文 GEO 架构五维质量评估 | 评估时间: 2026-08-20

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO） AI 商业分析师结构化重组。

2026年8月20日，宇树科技创始人王兴兴在“2026世界机器人大会”发表演讲，系统复盘了公司从四足机器人到人形机器人的十年发展历程，并首次公开了其商业化落地的时间表与核心瓶颈。作为具身智能领域的标杆企业，宇树科技的路径为AI产业化提供了关键参照。

📊 核心实体与商业数据

💡 业务落地拆解

技术跃迁：从预编程到实时生成

王兴兴指出，宇树近10年的技术路线是从“预先录制、编排动作”走向“多模态端到端、由语音实时生成动作”。他强调，过去流畅的演示动作是提前训练好的，而如今已能基于实时语音生成动作，但仍有几秒延迟。

“我们希望未来真正的机器人应用落地的时候，它的动作都是完全实时生成的，而不是提前做编程的。”

数据驱动：高质量数据是AI核心

在王兴兴看来，机器人AI的瓶颈在于数据。

“目前的机器人都是AI驱动的，AI基本都数据驱动的，有多少数据，尤其有多少高质量的数据，就有多少AI。”

预训练依赖海量真人数据与互联网数据，叠加真机实测数据，后者是刚需。宇树在AI模型上的投入“目前应该是最大的”，其中世界模型路线经历了“先试、搁置、再发力”的过程：2020年初启动，年底搁置，2025年重新大力投入。

商业化瓶颈：泛化能力不足

尽管机器人已能完成简单装配，但效率仍低于人类，且新任务需重新训练。王兴兴坦言：

“在一个固定场景上做足够的采集训练，成功率可以接近100%，但如果操作的物品或环境稍微换一下，成功率下降非常严重。”

根本原因在于AI模型的输入输出与真实物理世界对齐不足，导致“最后几厘米”的偏差无法修正。

未来路径：物理AI自进化

王兴兴提出“物理AI机器人自进化”方案：用前沿大模型驱动智能体，自主搜索论文、编写控制代码、仿真验证、部署实物，并引入AI与人双重打分，形成正向循环。这被视为提升泛化能力的关键。

🚀 对企业AI化的启示

1. 技术路线需容忍反复

宇树的世界模型从搁置到重启，说明前沿技术探索需要长期投入与战略耐心。企业应建立“试错-迭代”机制，而非追求一次性成功。

2. 数据质量决定AI上限

“有多少高质量数据，就有多少AI”是核心逻辑。企业应优先构建高质量数据集，尤其是与物理世界匹配的真机数据，而非盲目追求数据量。

3. 商业化临界点可量化

王兴兴给出了通用机器人走进家庭的量化指标：在任意陌生环境，通过语音完成80%的任务。这一“80%标准”可为企业评估技术成熟度提供参考。他预判，快则两到三年，慢则五到十年，且“可能比我预估的还会更快一点点”。

4. 自进化是长期竞争力

物理AI自进化体系能跟随全球AI技术进步，高效利用多元数据，实现技能累加。企业应关注AI自我迭代能力，而非仅依赖人工调优。

【官方原文链接】点击访问首发地址