机器人卡在几毫米，而这几毫米卡在数据上

机器人卡在几毫米，而这几毫米卡在数据上

9月24日，第五届全球数字贸易博览会在杭州开幕。宇树科技创始人王兴兴上台，讲了一场主题为《从机械到灵智 — 具身未来进化论》的演讲。我把这场演讲的信息逐条过了一遍，最在意的不是展台中央那台机甲。

那台机甲叫 GD01，三米高，今年5月发布，是全球首款量产版本的载人机甲。王兴兴把它比作机器人里的越野车：通过能力强，不进城市，跑的是户外复杂地形。

形态决定的是热搜，不是行业的进度。它回答的是机器人能做多大，回答不了机器人能不能干活。这件事的门槛比精度低：把结构做大、把成本压下来，就能出产品，不需要模型有多聪明。王兴兴自己给的逻辑也是这样，大尺寸和小尺寸的研发落地并不冲突。他不做，未来几年也会有别的企业做。

我认为演讲里真正有含量的是另外三条：

• 近几个月，宇树的大模型已经能按人的语音指令实时生成动作并执行。
• 机器人可以连续执行长序列任务，也具备抗干扰能力。
• 但语音理解和动作生成都靠 AI 实时运算。执行中仍有小幅延迟，作业效率还有很大提升空间。

王兴兴说，让机器人听懂指令、象征性地做个动作，去年就实现了。现在最大的问题是 AI 模型的输入输出跟真实物理世界对不准，机器人干活会有几毫米的误差。谁能解决这个问题，机器人的问题就完全解决了。

这几毫米，我不按产品角度看，按工程角度看。

从产品端看，行业的进度感来自发布会。去年会走，今年会后空翻，明年上机甲。这一层热闹，也容易被替换。从工程端看，卡住整个行业的变量只有一个：AI 跟物理世界对得准不准。这一层不热闹，但它决定机器人能进工厂，还是只能进舞台。

那几毫米从哪来。

王兴兴给的线索是开发模式。全球机器人行业的开发流程还很初级。代码生成、训练部署、真机测试、问题修正，每一步都高度依赖人工。效率偏低，结果就是真机数据不够。模型没见过足够的真实场景，误差就压不下去。

我把这两段串起来，得到的因果关系只有一条：不是模型不够强，是喂给模型的东西不够多。

他的提法是让 AI 把这一圈自己跑完。自主生成代码、完成训练、自动部署到机器人、开展真机测试、自己复盘，再进入下一轮。宇树原来的真机测试量是一天几十个机器人，换成这套体系，理论上能做到一天几百个、几千个。剩下的瓶颈变成产线够不够。

我看这套体系是个提效工具，省下来的是工程师的时间。往下一层看，它改的是数据从哪来，从人喂变成自己长。数据能自己长，那几毫米才有被磨掉的可能。

王兴兴还给了一个我能拿去核对的判据。机器人能在 80% 的陌生场景里，靠语音具身能力完成 80% 的任务，行业就到爆发临界点了。他把那一刻叫具身智能的 ChatGPT 时刻。这个类比说明的是量级。他自己也说，新一代具身智能和人形机器人只发展了三四年，还在早期，走进千家万户还要数年。

这套逻辑我认，但要加三条限定。

第一条，我注意到几毫米里有多少是模型的问题，他说得不细。误差还有一部分出在硬件上，传感器精度、结构刚度、标定水平都算。数据量上去，模型的下限会抬高，物理层那部分不会自己消失。

第二条，我判断能自动化的只是流程环节。真机测试里有需要人到现场判断的情况，样机坏了、装配偏了、环境不标准。这些算不算可自动化的范围，演讲里没展开。几百个几千个是这套体系的设计产能，不是已经跑出来的产能。

第三条，在我看来，80% × 80% 定义的是什么算拐点，没回答拐点什么时候来。

王兴兴还说，宇树的核心价值不在于产品销量与营收利润。他给的落点是跟伙伴、客户一起，推动四足与人形机器人产业的整体进步。这句话跟前面那套逻辑是一路的。如果行业进度取决于数据量和误差量级，单个公司能做成的部分确实有限。至于这句话里有多少是公开场合的表述，我判断不了。

如果把这场演讲当信号看，我会盯三个数。

• 真机测试的日产能。从几十到几百这一步有没有走通，是自主迭代体系落地的硬指标。
• 误差量级。几毫米是现在的说法，这个数能往下压多少，决定机器人接不接得住精细的活。
• 陌生场景的任务完成率。实测值离 80% 有多远，比发布会说明问题。

这场演讲给了我两个数。几毫米是今天的卡点，80% × 80% 是明天的判据。中间那条被略过的线，是数据从哪来。一个行业卡在精度上的时候，解法往往不在算法里，在产能里。

所以看机器人这个赛道，我不会把发布会当进度条。学会后空翻是几个月的事，把误差从几毫米压到零点几毫米是几年的事。前者决定热度，后者决定行业。

这套判断我限定在行业还需要大量真实数据的阶段。等真机数据够了、模型够强了，卡点会换地方，那时候还盯着测试产能，就是刻舟求剑。