王兴兴：物理AI已经看到被击穿的苗头；全世界对AI的信仰都不够

电子发烧友网报道（文/梁浩斌）“我觉得全世界几乎所有人，对AI的重视程度、对AI的信仰都还不够，包括我自己。”

这是宇树科技王兴兴在2026 世界物理AI大会暨宇树合作伙伴生态大会上甩出的“暴论”。他认为，物理AI目前已经看到被击穿的苗头，而这个节点很可能就在未来1到2年或是2到3年内到来。

而最近，宇树推出了全新的H2-X人形机器人，续航最长高达8小时，甚至可以抬起汽车参与救援；上个月宇树也发布了面向通用操作任务的世界模型UnifoLM-WLA-1.0，一个模型统筹 64 项任务。

近期机器人业界也消息频出：特斯拉首次官方确认Optimus人形机器人开始生产；英伟达展示了智能体接手机器人训练，打通从自然语言到模型仿真训练再到部署到实机。人形机器人的产业化进程，似乎正在悄然加速。

物理AI ，怎么被击穿？

王兴兴对于物理AI“被击穿”，其实没有很明确的定义。从演讲内容看，他指的是三件事同时成立。

第一，机器人要听懂人话，把一句命令拆成能执行的动作。这一层过去靠工程师预先写程序。
第二，训练数据的成本要降下来，本体产能要跟得上。
第三，模型算出来的动作，落到真机上不能走样。

这三个环节环环相扣，前面不通，后面无从谈起。行业过去习惯用“泛化”一个词概括所有困难，反而把问题说模糊了。

王兴兴表示，目前最大的瓶颈，是模型输入输出和真实物理世界的对齐。语言大模型是纯数字空间，输入输出是向量，可逆、几乎没有损耗；但物理世界不一样，传感器有误差、执行器动作有偏差，抓取、操作陌生物体的时候，一点点误差累积，就会直接导致任务失败。同一个模型，在固定场景训练好，成功率接近 100%；换一个没见过的物体、换一个环境，成功率立刻掉下去，这就是具身智能的泛化难题。

现场放了一段视频演示，在宇树G1机器人上接上GPT-6，没有做针对性训练，也没有写额外程序，只是给出指令让它画画。它会自己换颜料，看到旁边有颜料盘，会走过去洗笔再接着画。同时也能识别棋盘落子，能自己找到厨房和工具，导盲也做得下来。

宇树反复强调“零训练”。过去给机器人加一项技能，要建一条数据管线，采集、标注、训练、调参，一套流程走几个月，换个场景还得重来。现在任务规划和任务分解这一层，被通用大模型接过去了。

所以，宇树也给出了自己的解决方案，那就是“物理 AI 机器人自进化”。他们的思路是，人只负责设定规则、约束和工具集；AI 智能体自己去全网检索最新论文与开源方案，自主编写控制代码，先丢进仿真环境验证，再下发实体机器人实测，由 AI 和人共同打分，结果回灌、重新迭代。

王兴兴的说法是：“顶尖的大模型公司内部已经基本实现模型自进化，模型自己采集数据、自己写代码，人类只做引导。这套逻辑完全可以平移到机器人上。”

这套闭环要成立，王兴兴列了四个前提：基础模型越强，自进化性能越强；多源数据规模化形成规模效应；更多真机部署带来更多数据与指数级提升的进化速率；技能累加扩展，走向规模化技能生态。

在上个月，宇树也发布了通用人形机器人基础模型UnifoLM-WLA-1.0，模型参数量 6B，基于约 2500 小时高质量真机数据训练，单个模型统筹 64 项任务，适配二指夹爪和多种五指灵巧手，具备跨任务、跨末端执行器的泛化能力。

从产业层面来看，王兴兴认为，产能、物理AI模型、算力集群、高质量数据等都是未来机器人大规模普及所绕不开的因素。

“第一，机器人硬件的大规模制造能力，目标是年产千万台级别。我们现在一年只有几万台机器人、几十万个关节模组，距离普及还差很远，成本、良率、产能都是硬课题。第二，自研或者联合伙伴落地专属的物理 AI 模型，适配机器人的交互逻辑。第三，超大规模算力集群，还有算力芯片、存储芯片的制造供给。再往下延伸，高质量数据、充足算力、芯片产能、能源供给，全都是决定赛道胜负的底层资源。”

生态上，宇树一次甩出两张牌：面向具身赛道创业团队招募的“宇创计划”，五年目标孵化 200 家以上生态企业；以及面向全球、奖金池千万元级、不设地域门槛的“世界物理 AI 大赛”；同期，宇树还把通用人形机器人基础模型UnifoLM-WLA-1.0完全开源。

“这人形机器人行业接下来的竞争会非常惨烈，不是一家公司能独自做完所有事情，我们需要生态伙伴一起走。”王兴兴表示。

具身智能的“ChatGPT 时刻”什么时候到来？

演讲中，王兴兴也提到很多人在关心，具身智能的“ChatGPT 时刻”什么时候到来？

而他对于这个临界点有清晰的定义：机器人拿到一段自然语言指令之后，在80%的陌生场景里，能稳定完成80%的任务。

有意思的是，就在前一天的GTC柏林大会上，黄仁勋就演示了一段“让智能体训练机器人”的完整流程。目标是用自然语言教小型机器人Micro Duck学会“看”和“走”。整段演示由一个智能体主导完成，它以Hermes为agent harness，调用Nemotron和OpenAI的GPT Astra 作为模型，配合CUDA-X加速工具（FreeCAD 建模 3D 物体、Blender 上材质、Isaac Sim 搭建场景）、Newton物理引擎和Isaac Lab 训练框架。

智能体先根据指令规划训练课程并列出所需物体，随后自动建模、赋予物理属性、为机器人配置关节与执行器，再让数千台虚拟 Micro Duck 在云端 Isaac Lab 里并行训练，每次摔倒都成为改进策略的样本；Omniverse 库同时仿真相机画面，让感知与物理结合，使机器人学会避障、窄空间导航和环境适应。训练完成后，策略被下载回本机 RTX Spark 做评估与多机器人编排验证，最后部署到真机。

也就是说，自然语言训练机器人已经成为现实，那么未来自然语言直接让机器人自主完成任务，也似乎不远了。

王兴兴对此也只是相对乐观：“快的话2-3年，慢的话5-10年。我个人更期待，在2027或者2028年，我们能够在物理层面，真正把基础大模型和机器人技术完全统一起来。”

小结

围绕这次演讲，可以看到王兴兴正在极力向外传递一个思想：相信AI的力量。

“我经常会复盘自己过去十几年，我犯过最大的错误，就是对AI相信得不够早。这几年我对AI的信仰是与日俱增的，我对AI的预期，还可以再翻十倍以上。当下是一个非常难得的时代，我自己常常害怕浪费每一天，每天都有大量想学习、想落地的事情。AI 不是一个短期风口，它是底层范式的重构。很多人还在用旧时代的估值框架、旧的认知去理解它，低估它重塑所有实体行业的力量。”

但也必须承认，具身智能从“苗头”到“击穿”之间还隔着几座大山，长尾故障、可靠性、成本与产能都是有待解决的问题。王兴兴自己说：技术从突破到普及，互联网与电商花了 5-10 年，顶尖物理 AI 走进千家万户大概同样需要 5-10 年。相信 AI，同时躬身下场解决物理世界里那些充满误差的难题，这就是当前王兴兴以及宇树的态度。

王兴兴：物理AI已经看到被击穿的苗头；全世界对AI的信仰都不够图1

声明：本文由电子发烧友原创，转载请注明以上来源。如需入群交流，请添加微信elecfans999，投稿爆料采访需求，请发邮箱wuzipeng@elecfans.com。

更多热点文章阅读

点击关注星标我们

将我们设为星标，不错过每一次更新！

王兴兴：物理AI已经看到被击穿的苗头；全世界对AI的信仰都不够图2 喜欢就奖励一个“在看”吧！