在第八届虹桥国际经济论坛“人形机器人创新发展合作”分论坛上，宇树科技创始人王兴兴发表了主题演讲，分享了他对当前机器人产业与具身智能未来的思考。
他透露道，我国的机器人产业增速十分迅猛，我国的出口工业机器人的数据增长达到了54.9%，并预计智能机器人领域的增速应该达到了100%。
此外，王兴兴还给出了自己对于具身智能“ChatGPT时刻”的定义：
真正的具身智能在“ChatGPT时刻”是在陌生的生活场景中，如果给机器人发送语音或文字，机器人大概能实现80%左右的任务。
不过，在谈及技术进展方面，王兴兴坦承：目前机器人大模型的整体进展不及预期，“比想象中慢了点”，但强化学习的运控能力明显提升。机器人大模型还处于ChatGPT发布前的1-3年。
下面是更详细的整理，各位enjoy：
行业现状：智能机器人增速或达 100%
王兴兴透露，我国机器人产业正以惊人的速度增长——仅出口工业机器人的数据，就同比增长 54.9%。
他判断：“如果工业机器人都能有这样的增速，那智能机器人领域的平均增长，至少能达到 100%。”
在他看来，今年是整个智能机器人产业“非常非常火热”的一年，这背后离不开政策的持续加码与产业链的加速完善。
技术进展：全身运控明显提升，但大模型“略慢”
谈到技术层面的突破，王兴兴直言，机器人大模型的整体进展“比想象中慢了点”，但强化学习的全身运动控制能力却在今年迎来飞跃。
“像我们做深度强化学习的全身运控，今年相对去年进步非常明显，全球有目共睹。
但具身大模型、端到端能干活的那部分，比我预期稍微慢了一点，但总体还是非常快。”
他形容，当前机器人大模型的状态，大约相当于 “ChatGPT 发布前的 1-3 年”——方向已经明确，但距离临界点还差一点火候。
模型与数据：不能偏科，必须并进
针对外界普遍关注的“模型和数据哪个更关键”这一问题，王兴兴认为，二者缺一不可。
“简单的模型结构已经尝试了很多，但泛化能力还不够；数据质量和规模也需要进一步提升。
这两部分是相辅相成的，不能只一股脑采数据，也不能只把模型做大。
真正难的是：怎么创新模型结构、怎么采高质量数据、怎么评估数据好坏——这些都是当前行业的难点。”
具身智能的“ChatGPT 时刻”：能完成 80% 现实任务
对于何时迎来具身智能的“ChatGPT 时刻”，王兴兴给出了一个非常清晰的定义：
“真正的具身智能，是在陌生生活场景中，如果你发一个语音或文字指令，机器人能完成大约 80% 的任务。
这个场景里，机器人是没被专门训练过的。
能达到这个程度，就基本可以称为‘ChatGPT 时刻’，这是非常重要的目标。”
他补充说，希望未来一到两年内能看到这一突破，但也坦言：“说实话，现在做 AI 仍然有概率成分和运气成分。谁先实现这个目标，谁就会成为全球最领先的具身智能团队。”
技术取向：更看好“基于视频生成的世界模型”
在具身智能领域，当前主流的两条技术路径是 VLA（视觉-语言-动作）模型 与 世界模型
。
对此，王兴兴有自己的判断：
“VLA+RL 模型架构清晰，可以用仿真或真实环境训练，是目前的主流，但泛化能力还不够。
我个人更喜欢 基于视频生成的世界模型——虽然算力需求极大，中小公司跑不太动，但大公司有资源支撑，成功的概率更高。”
ChatGPT前夜，拼的是算法和速度
可以从王兴兴的发言看出，目前具身智能虽然仍处在“ChatGPT 前夜”，但方向已经清晰：
强化学习在运动层面的突破，为机器人“行动自由”打下基础；
而大模型、数据和世界模型的结合，将决定机器人能否真正“理解世界”。
正如王兴兴所说，这场赛跑既拼算法，也拼时间，更拼哪家能率先跑到那个“80%”。
