具身智能的“ChatGPT时刻”何时到来？宇树科技创始人王兴兴20日在2026世界机器人大会上表示，目前全世界最大的瓶颈是具身智能的泛化能力不够。他表示，当通用机器人在陌生环境中，能够完成约80%的任务时，产业会迎来爆发的临界点。

　　“我希望未来快的话可能2-3年，慢的话5年或者10年的时间。”他表示。

　　王兴兴表示，目前最大的瓶颈是AI模型的输入输出与机器人的对齐程度不够：现有机器人模型在执行移动、装配或搬运任务时，整体趋势正确，但在最后几厘米或几毫米的微调阶段，无法有效修正触觉误差，导致最终成功率暴跌。

　　王兴兴表示，这一问题的关键原因，在于AI模型的输入输出与现实世界之间存在偏差。语言模型的输入输出均为数字编码，文字内容严格限定在向量空间内，可逆且基本无损耗。相比之下，机器人的每一次输入输出都会引入偏差与损耗。正是这种累积性误差，导致当前全球范围内的机器人模型在泛化能力和任务成功率上表现欠佳。

　　在王兴兴看来，上述问题是未来几年内必定能够解决的。

　　发言期间，王兴兴介绍了宇树科技在技术层面的最新动向。他提到，过去数年间，业界虽已广泛运用AI进行编程及AI开发，但在机器人领域的实际应用仍显不足。为此，公司正着力推进一项工作，旨在实现物理AI机器人模型的自进化。

　　具体而言，公司计划依托当前最前沿的AI大模型作为驱动核心，自行定义规则、经验框架及约束工具，使AI大模型能够自主检索网络上最新的学术论文、顶尖研究成果及优质开源方案，并据此让大模型自动编写机器人的控制代码。相关成果的评估机制一部分由机器人模型自主完成，另一部分则引入人工评审。

　　在他看来，基础模型能力的持续跃升将带动物理AI机器人模型自进化循环的效能同步提升。随着每月、每年基础模型不断迭代升级，自进化系统本身的能力也会随之增强，形成良性循环。

　　相比效率较低的人工处理数据方式，自循环系统可将各类训练数据全面纳入使用，显著提高数据利用效率。同时，该系统支持更大规模的真机部署，随着机器人部署数量增加，测试数据和评价指标也随之丰富，从而保障数据的规模化增长与利用率提升。

　　王兴兴表示，一旦该闭环体系顺畅运行，将大幅提升机器人的开发效率与迭代进化速度。经过一段时间的持续运转，有望真正实现机器人自我进化能力的实质性跃升。

　　本文来源：上海证券报