人形机器人卡在哪？宇树王兴兴：泛化能力是关键瓶颈，物理AI自进化开启新范式

8月20日，在北京举行的2026世界机器人大会（WRC）上，宇树科技董事长王兴兴发表了《从展品到产品，人形机器人产业的下一个10年》演讲。他在演讲中，着重谈及机器人从表演到迈入工厂，真正干活，针对具身智能技术落地、产业爆发的临界点和机器人自我进化的技术路径，分享个人观点和宇树科技最新的研发方向。

机器人“干活”为何没有大规模推广，产业瓶颈明显

宇树科技2016年8月成立，公司成立10年来，从四足机器人逐步发展到人形机器人。王兴兴指出，2014年推出的Unitree G1机器人比较成功，成为全球标杆性的产品。2026年初，公司推出的具有代表性的产品是武BoT，融合了中国经典的传统功夫文化，我们把几十个经典的中国功夫动作提前采集，进行AI训练，集成编排后再呈现再舞台上。

这个节目亮点是结合了人形机器人的技术以及中国传统功夫、舞狮文化，视频传播在海外几百亿次的播放量，这是一个典型的科技 文化交流的例子。今年2月在天坛演示，49个机器人进行集体表演。

“虽然机器人目前能够做一些简单的装配，效率比人类工程师还是更低一些，每次有新任务过来的时候，人形机器人必须重新进行训练，效率更低一些。我们希望把技术做到更好泛化的时候，再进行大规模推广。”王兴兴指出，“这是目前全球人形机器人共同的瓶颈。”

在泛化能力方面，王兴兴直言“泛化能力不够”是目前全球面临的最大瓶颈。在固定场景且经过充分采集训练的前提下，机器人的任务成功率确实可以接近 100%；但只要操作的物品或所处环境稍微发生改变，成功率就会明显下降。

对于通用机器人何时能够走入家庭，王兴兴回答较为审慎，他认为，具身智能要达到类似「ChatGPT时刻」的产业临界爆发点，最快可能还需要 2 至 3 年，慢则可能需要 5 年甚至 10 年。

他并未将此临界点等同于特定场景下的技术演示，而是提出了一套更严格的评判标准：在 80% 的陌生场景中，机器人仅凭借语音或文字指令，就能自主顺利完成大约 80% 的任务。他指出，演讲投影片中特别使用“迈向”一词，意味着这仍是一道尚未跨越、有待产业共同突破的技术门槛。

他分析，具体瓶颈出现在执行任务的 “最后几厘米”甚至“最后几毫米”的微操阶段。在此阶段，机器人虽然大方向的理解与拆解没有问题，但末端的微小触觉反馈与位置偏差若无法实时修正，误差就会不断累积，最终导致拿取失败或物体滑落。

机器人 AI依赖高质量数据，物理AI机器人进化V1.0框架上新

目前，机器人多是AI驱动，AI都是数据驱动，有多少高质量数据，就有多少AI。宇树科技也在自己采集，或者和第三方公司合作采集更多的数据给大家用。数据驱动非常重要。

“AI数据需要海量的真人数据或者互联网数据作为预训练数据，再加上部分征集数据，这是刚需的两部分数据。从量的角度来看，真人数据更加重要，时机的数据非常重要，我们需要把机器人真正与物理世界进行匹配。”王兴兴分享说。

AI模型是宇树科技投入最大的一个方向，2024年初，公司开始做基于视频处理形成的世界模型方向，2026年公司加大这个方向的研发投入。

为了提高开发效率，宇树科技在会上展示了一套标为“预研”的 “物理 AI 机器人自进化 V1.0”框架。该技术路线设想直接利用前沿 AI 大模型来驱动物理世界的机器人计算与进化。

该框架的运作流程为：由工程师定义规则、经验约束与工具接口，让 AI 大模型自主在网络上搜寻最新的学术论文、优质研究成果与开源方案，并自行编写生成机器人的控制代码。代码生成后，先在仿真环境中进行验证与训练，随后部署到实体物理机器人上进行测试。测试结果由 AI 模型与人工评价共同进行评估与打分，再将结果反馈给编程智能体，形成正向的自循环闭环。

王兴兴表示，自进化体系能有效因应基础模型能力的持续提升，提高多源数据的利用率，并随着真机部署规模的扩大，使技能得以每天或每月持续累积沉淀。但他强调，此技术目前仍属公司的预研技术路线，并非已获得独立验证的商业化成果。

王兴兴总结说，随着每个月、每年基础AI模型越来越强，自进化性能越强；多源数据规模化，驱动自进化规模效应；更多真机部署，更多数据累加，指数增长的自进化速率加快；技能累加扩展，走向规模化技能生态。