具身智能的“ChatGPT时刻”何时到来？王兴兴：快则两到三年，慢则三到五年

在2026世界机器人大会上，宇树科技创始人王兴兴就大众最关心的议题，即通用机器人（无论人形或半人形）何时真正进入家庭与日常生活，发表了系统性的技术判断与产业展望。

一、核心瓶颈：泛化能力不足，物理对齐是最大难关

王兴兴直言，当前全球具身智能面临的最大问题，是泛化能力远未达标。在固定场景、特定任务下，AI模型成功率可接近100%，但一旦操作物品或环境发生细微变化，成功率便急剧下滑。他给出的临界点判断是：当一台机器人被带入任意陌生工作环境，仅凭语音或语言指令就能自主完成约80%的任务时，便意味着具身智能的“ChatGPT时刻”到来，这也是产业真正的爆发节点。这一目标，他预计快则两到三年，慢则三到五年有望实现。

而抵达这一临界点，当前最棘手的技术障碍在于——AI模型的输入输出与机器人物理控制之间的对齐程度严重不足。王兴兴以分拣任务举例：机器人能理解整体意图并拆解动作，但在最后几厘米甚至几毫米的微操阶段，触觉反馈和误差修正能力欠缺，导致误差累积、成功率暴跌，物体往往在最后关头掉落。这与语言模型形成鲜明对比——后者输入输出均为数字编码，在固定向量空间内无损耗传输，而机器人每一次物理动作都伴随真实世界的偏差与损耗，这正是泛化能力难以突破的根源。但他明确表示，这一问题在未来几年内必然能被攻克。

二、破局之道：让AI大模型驱动机器人自我进化

在此基础上，王兴兴重点介绍了宇树科技正在全力推进的前沿方向——直接让AI大模型驱动物理世界的机器人计算与进化。其运作逻辑是：使用顶尖AI大模型，由人类设定规则、经验约束和工具接口，随后让AI自主检索网上最新学术论文、优质研究成果及开源方案，自动编写并生成机器人控制代码。代码生成后，先在仿真环境中运行调试，再部署到实物机器人上测试，并由AI模型与人工共同进行评价打分，最终将反馈结果回流给编程智能体，形成完整的正向闭环。

他展示了一个基础示例：左下角为代码编写界面，AI可自主生成包含复杂逻辑的控制代码，且当前简单强化学习和自动编程项目在代码生成方面已表现不俗。这一流程一旦稳定运行，将极大提升机器人开发效率与迭代速度，最终实现机器人自我进化能力的跃升。

三、自循环体系的四大核心价值

王兴兴详细阐述了这一自循环体系带来的多重优势：

跟随基础模型共同进化：随着基础模型能力按月、按年持续提升，该闭环能力同步增强，形成良性循环，直接分享全球AI技术进步的成果。

高效利用多元数据：人工处理数据效率极低，而自循环体系可融合训练数据、真实世界数据、人类反馈数据，大幅提升数据使用效率，并支撑更大规模的真机部署。

实现数据规模化：真机部署数量增加，带来更多测试数据与丰富评价指标，保障数据利用率与增长速度。

技能持续沉淀与累积：可按天、按月沉淀技能库，避免“开发一个、浪费一个”的低效模式，这是他认为至关重要的一点。

王兴兴最后强调，真正利用AI大幅提升机器人开发效率与进化速度，是当下及未来数年全球最值得探索和投入的方向之一。这不仅关乎技术突破，更将开启物理世界AI对话的全新时代。他呼吁更多研究者与从业者共同投入这一领域，合力推动通用机器人早日走进千家万户。