人形机器人卖爆了，但王兴兴说“ChatGPT时刻”还没来

2026年8月20日，宇树科技创始人王兴兴现身世界机器人大会主论坛（2026WRC）。

也就是在前一天，宇树登陆科创板、成为“A股人形机器人第一股”，首日市值3418亿。答谢宴一结束，王兴兴就赴京参会。

台下坐着几千号人，都等着听这位新晋百亿富豪讲点振奋人心的东西。

结果王兴兴一开口，谈的是“瓶颈”。

“目前机器人的整体效率和泛用性还不够高，”他说，“跟人比，效率还是低。每次换个新任务，还得重新训练。”

人形机器人到底什么时候才能迎来“ChatGPT时刻”？王兴兴给出了自己的定义：“在80%的陌生场景中，能完成80%的人类给它的任务。”

王兴兴发表演讲

啥时候能到？

“快的话两三年，慢的话五年甚至十年。”

同样的猜测，银河通用创始人王鹤给到了更激进的版本，直接喊出2028年。

不过，在展会现场，我们也听到了一些观众看衰的声音：“现在还是遥控阶段，每一个机器人后面都要配一个遥控员”、“没什么用，拿来搞噱头，就是一种炒概念。”

人形机器人真的有前途吗？

这届大会逛下来，正解局的感觉是：两边都对，但都不全对。

正解局在大会现场

先说一个反直觉的观点：

今天在中国造一台人形机器人的硬件门槛，已经低到离谱。在会展现场，我们甚至看到家电企业海尔都掏出了自己的机器人。

2026年上半年，中国人形机器人出货量超过4万台，全球占比97%。

摩根士丹利预测，全球出货量要从今年的5万台涨到2030年的44.5万台，年复合增长率106%。

为什么那么快？这个道理和当年智能手机品牌百花齐放一样：供应链通了。

很多机器人企业，其实就是：“方案整合”。

DaxAI全地形智能坐骑

今天在中国做机器人本体，就跟搭积木一样简单，谐波减速器找绿的谐波，RV减速器找双环传动，电机找汇川技术、昊志机电，力传感器找蓝点触控，执行器总成找拓普集团……

这就是为什么2026春晚后，宇树、松延动力、魔法原子、银河通用等多家机器人轮番登场。

硬件已经不是护城河了，能上春晚、能在演唱会跳舞不是独门绝技，整个产业链的水位集体抬高了。

以前造一个人形机器人，得从电机开始自己绕线圈，现在直接买现成的模组拼起来就行。

琳琅满目的参展商

宇树就是吃透了这个红利。

这家公司现在是全球最大的机器人狗生产商，人形机器人出货量也排第二，2025年卖了5500多台。

这次大会他们带来了“超人”机器人，原地跳高2米，冲刺速度每秒12.66米，比博尔特还快。还有一个3米高的载人变形机甲GD01，能变四条腿，已经量产了。王兴兴在台上说的时候，底下不少人掏出手机录像。

但注意一个细节：宇树的招股书里写得明明白白，大部分客户是高校和科研院所。

换句话说，卖了不少，但真正能进工厂干活、能进家庭当保姆的，不多。

正如王兴兴说的：“这是全球机器人行业共同面临的最大瓶颈”——泛化能力不够。

2026世界机器人大会现场

什么叫泛化能力？这就像一些老师经常说的：同样的知识点，换个题目，就不会做了。

王兴兴自己举了个例子：在固定场景里，数据喂够了，任务成功率能做到接近100%。但只要换个物品、换个光线，成功率直接跳水。

这叫“实验室里的王者，现实中的青铜”。

我在现场也看到了类似的场景。某个展台的机器人，演示的时候行云流水，但只要工作人员稍微挪一下道具的位置，机器人就懵了，得重新校准。

旁边有观众小声嘀咕：“傻了吧唧的”。

为什么会这样？

因为机器人所用的VLA模型（视觉—语言—动作）和我们现在用的语言模型不一样。

大语言模型的上文决定下文，天然是一种因果关系。但VLA模型是因果倒置——你看到图像来决策做什么动作，这不是因果。

真正的因果是：你做了什么动作，世界会发生什么变化。

也就是说，VLA路线建立的只是关联关系，不是因果关系，不是第一性原理。这也是为什么现在所有人形机器人都面临同一个尴尬：在固定场景里练熟了，成功率能接近100%；但只要换件东西、换个环境，成功率立马跳水。

王兴兴说得更具体：

“最大的瓶颈，就是AI模型的输入输出跟真实机器人的对齐程度不够。比如让机器人去拿个东西，眼看着手就要碰到了，但最后那点触觉反馈、那点误差，它没法修正。就因为这点误差，整个任务的成功率就崩了。”

问题出在最后几厘米，甚至最后几毫米。

而且这个数据的训练样本很少。大语言模型可以去吃整个互联网的资料，可全球合规可用的真实机器人交互数据，不到大语言模型训练数据的1/20000。

语言模型团队已经用到了100万亿Tokens的语料，可具身智能需要的物理世界数据，信息密度远低于语言，目前还差了万倍以上。

Vbot维他动力的轮足机器狗

搭配Cosplay做展台巡游表演

这就需要行业重新去建立一个世界模型，让机器人去真正理解这个世界。

银河通用的王鹤就强调：世界模型是通往通用具身智能的必要选项，它让机器人能“三思而后行”，在脑子里推演N种可能，再挑最好的那个。

当然，重构世界模型，这又是一条漫长的研发之路。

当然，在机器人实现“ChatGPT时刻”之前，整个行业是需要变现和商业化的。吃饱肚子，才有力气打仗。

目前，关于人形机器人的商业化，很多企业都做出了自己的探索。

宇树科技主打商业表演。2025年，他们的人形业务收入超过四足，整体毛利率约60%，截至2026年5月，单款双足人形机器人累计下线约11000台，G1成了全球标杆。

上海的智元机器人也是这个路径。2025年出货量超4000台，全球第二；2026上半年以9700台出货量位居全球第一，市场份额超43%。

云深处轮足机器人

我们在很多科技展会上看到机器人，基本都是智元提供。

苏州的星海图，2026年初完成10亿元B轮融资，估值破百亿，挤进第一梯队。2026年二季度发布G0.5模型，在海外第三方评测体系RoboDojo拿了第一。

在本次大会论坛，星海图提出了一个判断：“未来整个产业的价值，会逐渐从整机向智能迁移。”今年要交付千台级模型驱动的真实生产力机器人，明年目标4倍增长。

商演之外，深圳的优必选主攻“进厂打工”。2025年营收20.01亿，同比增53.3%，全尺寸具身智能人形机器人收入8.2亿，同比暴增2203.7%。今年1月，Walker S2进入了欧洲空客制造工厂，这意味着中国人形机器人第一次通过航空制造验证。

优必选机器人全方位展示人形机器人工业、商用、家庭消费应用成果

京东打法也很有意思。他们不做本体做场景。前文说到，机器人缺场景数据，京东做的就是这个。

在宿迁，京东发动全城帮他们搜集数据，他们和星海图合作搞了全机器人前置仓，现场布置约700个SKU，从抓取、拣选到订单打包100%自主作业，单日完成100多单，全程没人管。

京东主办的“AI进入物理世界”论坛，已经成了WAIC具身智能四大技术核心论坛之一。

宇树科技GD‑01载人变形机甲

合肥的科大讯飞，则是依托讯飞星火大模型的能力，定位“大脑供应商”，把认知智能、多模态交互能力打包卖给机器人本体厂。

作为春晚“机器人四子”之一，魔法原子的MagicBot Z1已经能做360度托马斯回旋之类的特技动作，今年也加速冲刺上市。

还有一些企业主打细分领域。比如上海的傅利叶智能，专注医疗康复机器人，已经完成了通用人形机器人GR-1等多轮迭代，2026年准备往工业等场景延伸。

还有北京的睿尔曼智能科技，专注厨房机器人——咖啡机器人、炒菜机器人、下面条机器人，客户很明确：广大想减少人工成本的餐饮店老板。

总的来说，大家都想让自己的机器人干更多的活，而干活的前提，就是得更智能。也就是星海图负责人提出的判断：

“未来整个产业的价值，会逐渐从整机向智能迁移。”

北京通用人工智能研究院智能表情机器人

这个判断跟摩根士丹利的预测不谋而合：全球人形机器人出货量要从2026年的5万台涨到2030年的44.5万台。等出货量突破10万台，产业重心会从硬件转向智能。

这也是为啥2026年上半年，主打具身大脑的企业融资占比超过五成，纯硬件本体厂商融资不到两成。

在2026WRC上，我们发现蚂蚁灵波科技则走了一条更纯粹的“大脑供应商”路线。搭载灵波全栈大脑2.0的机器人同时跑通了药房、工厂、仓库三种截然不同的真实场景。

在上海国大药房，机器人已正式上岗承担夜班药品分拣，无需对门店做任何硬件改造，就能自主接单、识别药品、完成分拣。

截至今年8月，灵波全系列开源模型在GitHub上的Star数已突破3万，位居国内具身智能项目第一。

优必选优世界

回到最开始的问题，人形机器人的ChatGPT时刻什么时候来？

正解局的观察是：硬件的拐点已经来了，但智能的拐点尚需时日。

中国供应链的成熟度，已经让造一台能走、能跑、能后空翻的人形机器人，变成了搭积木的事。

可被“最后几毫米”卡住的，不是某一家公司，是整个行业。

VLA的因果倒置、世界模型的进化、场景的数据饥渴，这三座大山任何一座没搬开，机器人就没法真正“进家庭、进工厂干活”。

起点已到，拐点没到。

桦之坚ZERO巨型概念人形机器人

离开会场的时候，正解局看到一个大爷拉着孙子往外走，孙子嚷嚷着要再看一会儿机器人跳舞，大爷说：“有啥好看的，就是个高级玩具。”

大爷说得不对，但也没完全错。

今天的机器人确实是“高级玩具”，但十年前的新能源汽车，不也被叫做“电动爹”吗？

罗马不是一天建成的，机器人也不是一天学会干活的。

对人形机器人产业来说，2026年不是ChatGPT时刻，但已经是ChatGPT的前夜。

✎

THE END

【关于正解局】

正解局是专注产业经济研究的财经内容机构，长期从产业视角解析城市、企业与区域竞争，提供产业趋势与城市发展深度报道与产研服务。欢迎政府、企业及机构邀约合作和调研。