剛登陸科創板即現身WRC 宇樹科技王興興：人形機器人如何從「展品」走向「產品」？

在「人形機器人第一股」宇樹科技(688836-CN)於上海證券交易所科創板上市次日，公司創辦人、董事長兼首席技術官王興興出席了 2026 世界機器人大會主論壇。王興興發表了題為 《從展品到產品：人形機器人產業的下一個十年》 的主題演講。

演講中，他針對具身智能技術落地、產業爆發臨界點以及機器人自我進化的技術路徑，分享了個人見解與宇樹科技的最新預研方向。

預估具身智能「ChatGPT時刻」：嚴格的 80-80 判據

對於市場普遍關心的「通用機器人何時走進生活與家庭」這一實用化議題，王興興給出了較為審慎且客觀的預測。他認為，具身智能要達到類似「ChatGPT時刻」的產業臨界爆發點，最快可能還需要 2 至 3 年，慢則可能需要 5 年甚至 10 年。

王興興並未將此臨界點等同於特定場景下的技術演示，而是提出了一套更嚴格的評判標準：在 80% 的陌生場景中，機器人僅憑藉語音或文字指令，就能自主順利完成大約 80% 的任務。他指出，演講投影片中特別使用「邁向」一詞，意味著這仍是一道尚未跨越、有待產業共同突破的技術門檻。

產業核心瓶頸：精細微操的「最後幾厘米」

在泛化能力方面，王興興直言「泛化能力不夠」是目前全球面臨的最大瓶頸。在固定場景且經過充分採集訓練的前提下，機器人的任務成功率確實可以接近 100%；但只要操作的物品或所處環境稍微發生改變，成功率就會明顯下降。

他分析，具體瓶頸出現在執行任務的 「最後幾厘米」甚至「最後幾毫米」的微操階段。在此階段，機器人雖然大方向的理解與拆解沒有問題，但末端的微小觸覺反饋與位置偏差若無法即時修正，誤差就會不斷累積，最終導致拿取失敗或物體滑落。

王興興指出，這背後是 AI 模型的輸入輸出與真實物理機器人對齊程度不夠 的本質問題。相較於語言模型的輸入輸出完全在無損的數字編碼與向量空間中，物理機器人在與物理世界匹配的每一次輸入和輸出中，都必然伴隨著偏差與損耗。不過他表示，這一問題在未來幾年內預期可以得到解決。

自研技術探索：「物理 AI 機器人自進化」框架

為了提高開發效率，宇樹科技在會上展示了一套標為「預研」的 「物理 AI 機器人自進化 V1.0」框架。該技術路線設想直接利用前沿 AI 大模型來驅動物理世界的機器人計算與進化。

該框架的運作流程為：由工程師定義規則、經驗約束與工具接口，讓 AI 大模型自主在網路上搜尋最新的學術論文、優質研究成果與開源方案，並自行編寫生成機器人的控制代碼。代碼生成後，先在仿真環境中進行驗證與訓練，隨後部署到實體物理機器人上進行測試。測試結果由 AI 模型與人工評價共同進行評估與打分，再將結果反饋給編程智能體，形成正向的自循環閉環。

王興興表示，自進化體系能有效因應基礎模型能力的持續提升，提高多源數據的利用率，並隨著真機部署規模的擴大，使技能得以每天或每月持續累積沉澱。但他強調，此技術目前仍屬公司的預研技術路線，並非已獲得獨立驗證的商業化成果。

王興興在演講最後表示，宇樹科技自 2017 或 2018 年起即持續參與世界機器人大會。在當前 AI 爆發、全球高度關注的節點上，物理 AI(Physical AI)正迎來全新的起點，機器人的進化與發展速度可能會比預估的還要更快。