芝能科技出品

当物理世界开始“阅读”逻辑，英伟达GTC大会会场却弥漫着一种紧张而兴奋的气息。

过去几年，AI的热潮主要停留在数字世界：文本、图像、模型推理，但今年的焦点已转向具身智能（Embodied AI）。

宇树科技创始人王兴兴的《如何迈过具身智能的ChatGPT时刻》，回答一个困扰机器人学界半个世纪的问题：为什么让机器写诗如此轻松，而让它像三岁孩子一样稳稳倒一杯水却极难？

ChatGPT的爆发让数字世界迎来了逻辑涌现，而物理世界正屏息以待它的“破茧时刻”。

01

重塑边界：

什么是真正的“ChatGPT时刻”

过去十年，机器人行业一直停留在“提线木偶”阶段。

无论是工厂里挥舞的机械臂，还是餐厅里滑行的送餐机器人，它们本质上都是规则的奴隶：程序员写下if-else指令，定义在A点做什么，在B点避开什么。

王兴兴称，这种“结构化环境下的优异表现”，只是伪智能。

真正的具身智能，需要泛化能力：当你把机器人放进一个它从未见过的厨房，它应像初入职场的学徒，通过视觉扫描环境，识别洗手池、抹布和杯子，并根据一句“帮我洗个杯子”，自主规划出抓取、冲洗、控干的动作序列。

为了量化这个概念，他提出了“80-80法则”：在80%的陌生环境中，仅凭语言指令完成约80%的任务。

◎ 环境陌生度：机器人的感知编码能力必须足够强大，即便光线昏暗、杂物堆积，或地形复杂，它仍能准确定位目标。

◎ 任务完成率：机器人必须在没有预演的情况下，处理诸如“杯子滑落”“水流溅射”等突发动态问题。

只有跨过这条线，机器人才能从“昂贵的工业摆件”变成社会基础设施。至于时间表，这个“ChatGPT时刻”最快1-2年内到来，慢则2-3年。

数字世界可以通过算力暴力突破，但物理世界面临重力、摩擦和不可预测的突发状况——这里的挑战不仅是比特（Bit）的碰撞，更是原子（Atom）的较量。

02

核心技术挑战：

三大深水区

具身智能之所以迟迟未至，是因为它必须解决三个底层技术难题，王兴兴形象地称之为机器人的“小脑发育不足”“阅历贫乏”和“记忆断层”。

● 动作表达的高维陷阱

 抓取一个生鸡蛋的动作，看似简单，但其实涉及数百个肌肉纤维与神经末梢的高频协作。对于人形机器人而言，这意味着几十个关节自由度（DoF）的毫秒级同步。

目前大多数机器人只能完成离散动作，如“走过去”“伸手”“抓取”，但现实中动作应像丝般顺滑、连续组合。瞬态控制尤为关键：湿滑地面行走时的平衡调整，要求模型具备极高推理速度和动作编码解码能力。

● 数据的贫矿难题

与大语言模型不同，机器人无法吞下整个互联网来“训练”。王兴兴提出“混合喂养”策略：

◎ 互联网视频为主食：通过观看人类操作视频，机器人建立对物理世界的初步认知。

◎ 仿真合成数据为点心：在数字孪生世界中进行亿次跌倒、抓取尝试。

◎ 真机微调为灵魂：利用少量高质量真实数据对模型进行微调和对齐。

这里的核心不是数据量，而是数据利用效率。

● 强化学习的规模效应迷思

强化学习在AI领域被视为通往AGI的钥匙，但在机器人上存在“阅后即焚”的问题：训练一次开门可能需要大量数据，但这些经验往往无法复用。

王兴兴强调，需要建立可积累的策略库，让新任务学习可以借用旧任务逻辑碎片——就像学会骑自行车的平衡感会迁移到骑摩托车。

03

硬件与应用进化：

从实验室到社会基础设施

硬件演进是具身智能落地的基础。宇树科技的产品呈现出清晰阶梯：从小型研究平台到工业作业，再到复杂环境生存能力。

● G1：人形机器人的极客先锋

 身高1.3米的G1紧凑灵巧，不追求威猛，而是验证在有限体积内如何塞进足够自由度与传感器。它成为全球开发者研究动作算法的标准化平台。

● H1：工业肌肉劳力

 身高1.8米的H1关注生产力和安全。在中大型作业场景，它需与人保持2-3米安全距离，独立完成作业岛任务。这代表未来工厂机器人逻辑的重构：不再是邻座帮手，而是独立数字工匠。

● As2：轻量化巡逻者

 四足机器人As2用于复杂地形巡逻，高防护、高负载、长续航。它为AI算法积累真实室外环境数据，是“ChatGPT时刻”到来前的特种兵。

AI端的发展也在硬件上实现落地：世界模型和VLA（视觉-语言-动作）模型让机器人能够在仿真与真实环境中进行“白日梦”，预测动作结果和环境反馈，逐步提升生产场景胜率。

全球协同与开源策略，让知识碎片和算法积累不再局限于单个实验室，而是形成可迁移的产业级智能生态。

小结

具身智能的未来是社会生产力和生活方式的重塑。王兴兴认为，当黎明破晓，机器人将成为“铁同事”，与人类在物理世界共处，而我们需要理解、规划并善用这场技术变革。

       原文标题 : 机器人行业临界点：王兴兴聊具身智能的“ChatGPT时刻”