編輯 | 云昭

出品 | 51CTO技術棧（微信號：blog51cto）

臨近年底，具身智能領域發展究竟怎么樣了？

在第八屆虹橋國際經濟論壇“人形機器人創新發展合作”分論壇上，宇樹科技創始人王興興發表了主題演講，分享了他對當前機器人產業與具身智能未來的思考。

他透露道，我國的機器人產業增速十分迅猛，我國的出口工業機器人的數據增長達到了54.9%，并預計智能機器人領域的增速應該達到了100%。

此外，王興興還給出了自己對于具身智能“ChatGPT時刻”的定義：

真正的具身智能在“ChatGPT時刻”是在陌生的生活場景中，如果給機器人發送語音或文字，機器人大概能實現80%左右的任務。

不過，在談及技術進展方面，王興興坦承：目前機器人大模型的整體進展不及預期，“比想象中慢了點”，但強化學習的運控能力明顯提升。機器人大模型還處于ChatGPT發布前的1-3年。

下面是更詳細的整理，各位enjoy：

1.行業現狀：智能機器人增速或達 100%

王興興透露，我國機器人產業正以驚人的速度增長——僅出口工業機器人的數據，就同比增長 54.9%。他判斷：“如果工業機器人都能有這樣的增速，那智能機器人領域的平均增長，至少能達到 100%。”

在他看來，今年是整個智能機器人產業“非常非常火熱”的一年，這背后離不開政策的持續加碼與產業鏈的加速完善。

2.技術進展：全身運控明顯提升，但大模型“略慢”

談到技術層面的突破，王興興直言，機器人大模型的整體進展“比想象中慢了點”，但強化學習的全身運動控制能力卻在今年迎來飛躍。

“像我們做深度強化學習的全身運控，今年相對去年進步非常明顯，全球有目共睹。但具身大模型、端到端能干活的那部分，比我預期稍微慢了一點，但總體還是非常快。”

他形容，當前機器人大模型的狀態，大約相當于 “ChatGPT 發布前的 1-3 年”——方向已經明確，但距離臨界點還差一點火候。

3.模型與數據：不能偏科，必須并進

針對外界普遍關注的“模型和數據哪個更關鍵”這一問題，王興興認為，二者缺一不可。

“簡單的模型結構已經嘗試了很多，但泛化能力還不夠；數據質量和規模也需要進一步提升。這兩部分是相輔相成的，不能只一股腦采數據，也不能只把模型做大。真正難的是：怎么創新模型結構、怎么采高質量數據、怎么評估數據好壞——這些都是當前行業的難點。”

4.具身智能的“ChatGPT 時刻”：能完成 80% 現實任務

對于何時迎來具身智能的“ChatGPT 時刻”，王興興給出了一個非常清晰的定義：

“真正的具身智能，是在陌生生活場景中，如果你發一個語音或文字指令，機器人能完成大約 80% 的任務。這個場景里，機器人是沒被專門訓練過的。能達到這個程度，就基本可以稱為‘ChatGPT 時刻’，這是非常重要的目標。”

他補充說，希望未來一到兩年內能看到這一突破，但也坦言：“說實話，現在做 AI 仍然有概率成分和運氣成分。誰先實現這個目標，誰就會成為全球最領先的具身智能團隊。”

5.技術取向：更看好“基于視頻生成的世界模型”

在具身智能領域，當前主流的兩條技術路徑是 VLA（視覺-語言-動作）模型 與 世界模型。對此，王興興有自己的判斷：

“VLA+RL 模型架構清晰，可以用仿真或真實環境訓練，是目前的主流，但泛化能力還不夠。我個人更喜歡 基于視頻生成的世界模型——雖然算力需求極大，中小公司跑不太動，但大公司有資源支撐，成功的概率更高。”

6.ChatGPT前夜，拼的是算法和速度

可以從王興興的發言看出，目前具身智能雖然仍處在“ChatGPT 前夜”，但方向已經清晰：

強化學習在運動層面的突破，為機器人“行動自由”打下基礎；

而大模型、數據和世界模型的結合，將決定機器人能否真正“理解世界”。

正如王興興所說，這場賽跑既拼算法，也拼時間，更拼哪家能率先跑到那個“80%”。