这两天，2025世界机器人大会全网刷屏。而作为机器人圈“顶流”的宇树科技，其创始人王兴兴在大会上的发言再次引发关注。
“把这瓶水带给第三排那位穿蓝色衬衫的观众。”在大会现场，宇树科技创始人王兴兴向听众描述这样一个场景——当人形机器人进入一个完全陌生的环境，能够顺畅自主地完成此类随机指令时，便是机器人行业的“ChatGPT时刻”真正到来。
而这个临界点，王兴兴预测最快将在未来1-2年实现，最慢也不过3-5年。
他的判断基于一个颠覆行业共识的洞察：当前限制机器人发展的核心瓶颈并非硬件，也不是行业狂热追逐的数据，而是被普遍忽视的模型架构问题。
行业需求拉动50%-100%增长
王兴兴在大会上分享了一组“漂亮”数据：2025年上半年，机器人行业整机厂商及零部件厂商平均实现了50%-100%的增长幅度。
“增长幅度还是非常吓人的，这对整个行业来说都是十分罕见的。”王兴兴分析，这一轮爆发性增长主要得益于政策支持和市场需求的双重拉动。在需求端，制造业、服务业等领域对机器人应用的需求激增，直接带动了整个产业链的繁荣。
全球范围内，机器人行业正迎来前所未有的关注。特斯拉计划今年量产数千台人形机器人，并即将发布第三代Optimus；英伟达、苹果、Meta、OpenAI等科技巨头也持续加大在该领域的投入。在中国市场，优必选预计2025年工业人形机器人交付量将达到500台左右，是2024年的50倍。
模型才是当前机器人发展的瓶颈
在行业一片繁荣景象中，王兴兴却指出了关键误区：“目前机器人行业对数据关注太多，对模型关注太少。现在最大的问题其实是模型问题，当前的机器人模型架构不够好不够统一，即使有很多比较好的数据训练，但是也无法使用。”
这一观点颠覆了行业普遍认知。王兴兴解释，在大语言模型领域，足够多的优质数据确实能训练出更好的模型，但在具身智能领域，情况完全不同。许多情况下，行业有了大量数据，却发现根本用不起来。
“具身智能不够用的问题，究竟是模型还是数据导致的？我反而感觉目前全球范围内，大家对机器人数据这个问题的关注度有点太高了。现在最大的问题反而是模型的问题，并不是数据问题。”王兴兴强调。
这一观点与自变量机器人创始人王潜的看法不谋而合，王潜同样认为“模型能力是其中的关键”。
为什么VLA是“傻瓜式架构”
对于当前流行的VLA（视觉-语言-动作）模型，王兴兴直言不讳地表达了自己的怀疑态度：“VLA是一个相对比较傻瓜式的架构”。他指出，VLA模型在与真实世界交互时，其数据质量和能采集的数据量都存在明显不足。
王兴兴更看好视频生成模型（或世界模型）驱动控制的技术路线。他分享了宇树科技的实验成果：利用预训练的视频生成模型，先让其生成机器人完成任务的视频，再控制真实机器人执行相应动作。
“我觉得这个路线的方向可能会比VLA模型发展得要快，收敛概率还更大。”王兴兴表示。但他也指出技术难题，视频生成模型过于关注画面质量，导致GPU消耗过大，而机器人执行任务其实并不需要高精度视频。
强化学习Scaling Law亟待突破
王兴兴揭示的另一个关键瓶颈是机器人强化学习的Scaling Law（扩展定律）尚未突破。“大家也知道，目前机器人跳跳舞、打格斗效果其实不错了，但实际上面临一个很大的问题”。
“举个最简单的例子，我训练一个机器人做新的动作、跳新的舞蹈，都要重新训练，还是从头开始训练，这是非常不好的一个事情。”在机器人运动控制领域，每次训练新技能都应在前次基础上提升效率，正如语言模型领域已经实现的那样。
王兴兴强调这一突破的重要性：“全行业内，目前整个机器人在RL的Scaling Law，没有人做出来，做好。我觉得这是非常值得做的一个方向。”这一突破将实现机器人学习新技能的速度越来越快，效果越来越好。
端到端大模型、硬件成本与分布式算力是未来方向
面对未来2-5年的技术发展，王兴兴指出三大重心：统一端到端智能机器人大模型、低成本高寿命硬件、超大批量制造能力以及低成本大规模算力。
硬件方面，宇树科技已取得显著进展，将人形机器人核心部件成本降低40%，并致力于将关键部件寿命提升至3万小时以上。他们的R1人形机器人起售价仅3.99万元，能完成打拳、跑步甚至倒立行走等复杂动作。
算力架构上，王兴兴提出创新性的分布式解决方案。由于机器人本体最多只能部署峰值功耗100瓦的算力（相当于几个手机的水平），大规模应用必须依赖分布式算力网络。
“未来在工业领域大规模运用人形机器人时，工厂里面可以有个分布式的服务器，所有的机器人直接连接工厂里的局部服务器。”王兴兴描述，“或者一个小区每家每户有一个机器人时，小区可能有分布式的集群算力中心。”
这种架构既能保证通信延迟满足安全要求，又能降低用户购买机器人的初始成本。
从反对者到商业落地领跑者
王兴兴透露了一个令人意外的转变：“自己曾经最坚决反对人形机器人，宇树直到2022年都完全没有做人形机器人。”
这一战略转变的直接推动力来自客户——有客户在公司尚无产品的情况下直接下单，促使宇树在2023年开始人形机器人研发。
如今，宇树科技已将目标明确为打造“能综合干活的通用人形机器人” ，覆盖工厂、表演、家庭等多种场景。“现在宇树公司绝大多数员工，包括他本人，都在为训练机器人在各个场景干活而服务。”
商业化方面，宇树已取得实质性突破。除了娱乐表演场景（如春晚机器人扭秧歌），其与宝通科技合作二次开发的机器人已被全球最大矿业集团必和必拓采购，用于智利铜矿的危险场景巡检。
出货量有望每年翻番，百万台时代将近
王兴兴对行业前景极为乐观：“未来几年，全行业人形机器人出货量每年翻番都是有保证的，如果有更大的技术突破，甚至可能未来2-3年突然一年出货几十万台，甚至上百万台也有可能。”
这一预测建立在技术持续突破的基础上。王兴兴特别强调：“高出货量是生态建立的前提，只有更多机器人被使用，才能形成租赁、二次开发等生态。”
随着杭州具身智能应用中试基地近期启动，整合宇树科技“最优本体”与华为、阿里云等“最强大脑”的产业生态正在形成。
京东也在大会上宣布“智能机器人产业加速计划”，将在该领域投入超百亿资源，目标是三年内助力100个机器人品牌销售破10亿。
AI 创新的随机性与必然性
在演讲最后，王兴兴强调机器人领域的发展是一个全球共创的过程：“在AI领域，没有一家大公司能保证有足够的资源能永远在AI领域最领先。过去的经验已经证明，AI的创新永远伴随着一些随机性，伴随着更多的聪明年轻人。”
他以OpenAI和DeepSeek为例，说明创新无法被单一巨头垄断，而是多方共同推动的结果。这一观点呼应了自变量机器人王潜的判断：“具身模型不是语言模型的延伸，而是平行于大语言模型的物理世界中的基础模型。”
随着全球创新力量加速汇聚，人形机器人正从表演舞台走向工业车间和家庭空间。当机器人能在陌生环境中自如完成“把这瓶水带给某位观众”的指令，一个崭新的具身智能时代将正式开启。
这一刻，王兴兴预测，最慢不过3-5年。那么你认为多久会到来了呢......
