11月5日，在进博会第八届虹桥国际经济论坛“人形机器人创新发展合作”分论坛上，宇树科技创始人王兴兴发表主题演讲，谈及机器人产业发展与具身智能未来时直言：“今年机器人产业非常非常火热，今年上半年包括现在我个人相对比较乐观估计，全中国智能机器产业平均每家公司增长至少超过50%-100%。”

他进一步补充：“中国今年工业机器人对外出口增长速度超过51%，在工业机器人领域都有51%的增长，那我觉得在智能机器人领域平均应该有100%的速度。今年非常火热，非常感谢各种政策的支持。”至于海外市场，王兴兴提到：“海外更加不用说了，海外目前几家巨头公司依旧对这个领域非常重视发展，包括特斯拉、英伟达等都非常重视，而且进展速度也比较快。”

结合国内外产业动态，王兴兴也对具身智能(机器人大模型)的现状、挑战与未来做出明确判断。

谈及当前具身智能的核心进展，王兴兴坦言，尽管深度强化学习在机器人全身运动控制等领域的进步“全球有目共睹”，且每月技术迭代速度仍在加快，但具身智能大模型、尤其是“端到端能干活”领域的进展，“比我原本想象的稍微慢一点”。不过他仍保持乐观：“目前的状态类似ChatGPT发布前的几年——行业已明确发展方向，但还未达到真正突破的临界点，全球都在聚焦这一关键突破点。”

对于具身智能的“ChatGPT时刻”，王兴兴给出了具体设想：“我希望在明年或后年，无论是宇树还是全球其他公司的实验室，能实现这样的效果——在机器人完全陌生的生活场景中，通过语音或文字指令，它能完成80%左右的任务。”他举例说，比如让机器人“帮我拿杯水”“给某位记者朋友递一份东西”，即便场景和物体均未经过预训练，机器人仍能独立完成任务。他认为，若能达到80%的成功率，将是极具突破性的技术，基本可视为具身智能的“ChatGPT时刻”。

“未来一年到两年当然希望我们公司能实现，但说实在目前全世界做AI很多还是概率成分，看运气，有些运气好的就做出来了。我觉得如果明年、后年谁能把下面的目标实现了，毋庸置疑应该是全球最领先的具身智能AI模型。”王兴兴说。

谈及行业面临的核心瓶颈，王兴兴提到，“现在有些人对数据非常非常关注，有些人对模型非常非常关注，我个人感觉目前模型和数据两个方案都还需要改进一下。”他表示，简单的模型结构已经过大量尝试，但其泛化能力仍不足；行业虽希望获取更大规模、更高质量的数据，但数据采集效率与质量评判标准，目前仍是全球行业共同面临的难题。“不能盲目追求‘数据量堆砌’或‘模型规模扩大’，而应在模型结构创新、数据采集方式优化及质量把控上投入更多精力，这也是宇树乃至全球行业都面临的重要课题。”

对于当前主流的两种具身智能模型，王兴兴表示，一是VLA模型与VLA+RL模型。这类模型可以用仿真环境做训练，也能用真实场景做训练，是当下非常非常主流的选择。但泛化能力相对来说不是特别够。“我们公司内部实验过，在一两个场景里，只要数据质量足够好、数据量有几百上千条，成功率基本能做到100%；可稍微换个操作物体、变个场景，成功率就会暴跌。”

二是基于视频生成的世界模型。王兴兴介绍，这类模型挑战在于算力门槛高，中小型机器人公司基本“跑不动”，因为视频生成对算力需求非常非常大，需要很多算力卡支撑，反而大的AI公司、互联网公司资源更丰富，做出来的概率更大；其次是模态对齐难，视频生成的指令和机器人实际运动没办法很好对齐，视频归视频、机器人运动归运动，两者匹配在一起误差比较大。