王兴兴自曝过去十几年最大错误！王坚、向少卿同台，现场实录来了

《科创板日报》10月12日讯（记者 李佳怡 黄心怡）“过去十几年我犯的最大的错误，就是对AI的相信还不太够。”

今日，第26届中国工博会在上海开幕。宇树科技创始人王兴兴在圆桌对谈环节抛出这句反思的同时，也给出了一个更激进的判断：具身智能的临界点最快一两年内就会到来，明年GPT-7“可能直接把问题打穿”。

同一场对话中，Sharpa联合创始人向少卿宣布，将在餐饮、零售和酒店三大场景部署3万台机器人，并强调机器人“不应改造环境，应直接在人的环境中干活”；中国工程院院士王坚则跳出云和端的二元对立，提出工业数据应该成为人工智能的“first-class citizen”，并指出希望未来机器人能成为现代意义上人工智能的安身之处。

云端与端侧如何分工？机器人如何通过数据自进化？从展品到产品还差哪几步？围绕这些问题，王坚、王兴兴、向少卿展开了一场直击产业核心的深度对话。

以下为圆桌对谈实录（有所删减）：

▎机器人的大脑在哪里：云和端不是二选一

问：云端智能和端侧智能，机器人大脑在哪里？云和端是非此即彼的替代关系，还是相互成就的协同关系？

王兴兴：这对未来机器人的大规模落地应用非常关键。我们一直认为，机器人本体上能部署的算力相对有限。原因是机器人的身体、电池、尺寸、散热都受限，现在想在一台人形机器人上部署高端算力卡，空间尺寸不好装，电池吃不消，发热和散热也吃不消。

所以我们在机器人本体上相对来说尽可能克制和少部署算力，能放到云端的尽可能放到云端。云端算力部署和管理方便，可以实时调配，灵活性更好。

运动控制的实时控制离不开端侧，能部署多少就尽可能部署多少。运动能力的AI目前算力要求并不特别高，但决策性任务、真正大规模泛化到任何场景的部署，还是得靠云端。如果能把模型做小放到端侧，当然最好。但目前AI能力越强、机器人能力越强，就越需要云端。

向少卿：短期看，机器人面临两个关键问题：算力需要多大，时延需要多小。机器人是实时和物理世界交互的，有一句话说得很好：物理不会等你计算完毕。所以时延对机器人来说很重要，从这个角度来讲，算力应该尽量靠近机器人，最好是端侧。但今天端侧算力的大小是不够机器人完成自己需要的运算。短期3到5年内，大部分机器人“思考”的运算还是在云端，运动执行这些时延关键环节放在端侧。

长期看，10年以后，机器人进入千家万户，算力会有长足发展。今天大量运算放在云端，隐含的前提是机器人数量少。但是当每个人家里都有一台机器人，云端负载、数据带宽都会成为巨大负担。所以长期看，更多算力会从云端进入端侧，但时延要求始终不变。这个问题短期和长期答案不一样。

王坚：我觉得这个问题本身不太合理，一定要说云在哪一侧，是把两端对立了。

我觉得本质上这是一个分工问题。计算发展史上，PC出来时所有东西都在终端，后来发现只有端侧算力不能完成需求，于是出现云计算。今天机器人出来了，问题又反弹回来。

我个人还是觉得它不是一个云和端之间的问题，是一个算力或者需求怎么平衡的问题。就像今天，其实手机已经是云和本地计算协同的很好案例。机器人形态还不成熟，所以大家还在讨论。一旦成熟，一定是云和端协同完成。

（在云和端之外）我不知道有没有第三种路径。这个问题不只在机器人或者端、云上的算力，芯片内部也有快存储和慢存储的区别，这个问题是永恒矛盾。但我相信，有一个变化是一定的：本地能力会越来越强。我想，这是一个动态调节的过程。

▎数据与自进化：机器人如何学会干活

问：算力之外，机器人要学会干活，需要真实世界反馈的数据。宇树提出了“物理AI自进化闭环”，进展怎么样？会比人类工程师调优更快吗？核心燃料是海量视频模仿数据，还是高精度物理交互数据？

王兴兴：自进化是非常重要的方向。语言模型和多模态模型领域，模型训练自动化程度已经很高，目前很多头部大模型公司的大部分迭代都靠模型自己实现了很多部分，比如采集数据、测试、循环。

我觉得在模型公司来说，今年以及到明年，很多头部的模型公司已经差不多已经实现自进化水平了。

机器人领域，我们前几个月提出了“物理AI自进化”概念。今年上半年，大部分公司开发机器人AI模型还比较原始：程序员有想法，搜论文，写模型，训练，交给测试，测试结果再人工返回，然后迭代。这个链路完全可以用AI自动化：AI自己写代码、训练、部署、自动测试，AI或人打分，再自己迭代。

目前人肯定要参与打分，判断动作好不好看、成功率高不高、是不是人真正想要的结果。未来几年，随着人的经验积累，人参与度会越来越低，这是不可避免的。

“燃料”是多方面的。人的数据非常关键，但真正让机器人部署到物理世界、提高成功率，真机数据也是非常关键。宇树是本体厂商，更关注机器人本体数据，尤其是真机和物理世界接触的最后几个毫米、零点几个毫米的部分。

向少卿：我把顺序换一下：人类操作数据、仿真数据、再到真机数据，三者对我来说是层层递进的逻辑关系。

首先人类操作数据，隐含了人类对世界运行机理的认知。人做动作有两样关键东西：对世界的认知、对自己身体的认知。机器人构型一开始大部分和人类接近，所以人类对世界的认知、人类对怎么操作自己身体的认知，对机器人来说是很重要的。

仿真可以无穷无尽扩展场景、增加variance，这是仿真的用途。人类数据和仿真数据，这两个加起来还缺失了一环，最终它和机器人真正的物理身体还是不一样的，因为仿真会有 symto real gap。

真机数据是最后扣上那一环的关键，把机器人放在真实环境中，无论遥控还是强化学习，最后关上闭环。真机的symto real gap的那部分

这三者是层层递进的关系，一开始共同构建智能的种子，之后让机器人在仿真里学知识，在真实环境中再试错，在试错中改进智能，这就是自进化的一个过程。

这三个环节逻辑递进的关系，但开发和部署是同时进行的，不能跳过。人类操作数据多到一定程度后，会成为足够好的种子，之后更多数据来自仿真和真机。但一开始没有足够多人类数据，仿真也难拿到合适解，真机根本跑不起来。自进化是前面这些数据加起来后自然形成的流程，和三个数据来源不是同一维度的问题。

王坚：今天我们讲机器人或算力时，我很困惑：它到底用什么模型？如果这个问题不回答清楚，算力讨论就没有边界，因为大家脑子里想的不是同一个东西。我们是不是在讲今天意义上的人工智能下的机器人？这个命题必须说清楚。

今天如果讲现代意义上人工智能的算力，任何一个比人工智能笔记本更小的算力，那离真正拥抱人工智能还有很长距离。今天在末端装置上的算力，和真正意义上的笔记本算力比，差距还很大。

这次人工智能变革的原因，是大语言模型的出现。除了理解语言，还在短短三年内发展到能理解代码、写代码，这是质的变化。那背后的逻辑是，同样的方法论能理解代码，也能理解语言。

我觉得工业界应该把工业数据拿出来，给做机器人的企业，让机器人真正接近工业数据。我个人觉得最重要的是，工业界数据能不能成为人工智能的first-class citizen，最头等的数据，在语言、代码之外。今天不只是人活动的数据没有，我自己觉得工业界的数据离人工智能还是太远。

今天工业界面临的一个挑战是，工业界所有的数据还是锁在每个人的抽屉里的。这个问题不解决，机器人和工业数据要拥抱，挑战非常大。机器人要做变革，所有抽屉里的东西都应该放出来。

▎从展品到产品：机器人离下场干活还有多远

问：机器人它距离真正能够下场干活的场景还有多远？目前全球机器人还没有大规模进工厂，要怎么定义产品和展品的分界线？

王兴兴：全球AI技术进步非常快，每隔一两个月都有大更新。GPT-6发布后，对整个具身智能行业的认知改变非常大。我们也把它放到各种机器人上做任务测试，效果非常不错。具身智能临界点未来会比较快，快的话一两年都有可能。如果明年GPT-7出来，直接把具身智能问题打穿，也有可能。

当下，大家都希望机器人真正在生活中和工厂里用起来。目前国内和海外，宇树和很多机器人公司都在工厂试点。我们2024年有好几家汽车公司落地试点，做机器人落地应用之类的事情。但大规模应用还需要提高泛化性、效率等问题，未来几年必然可以解决。

现在我个人对AI的信仰与日俱增。过去十几年我犯的最大错误，就是对AI相信还不够。很多人也还是不太够相信、使用和拥抱AI。未来的话，我觉得最大的点，在工业领域会比较快，商业服务可能比工业场景还更快一些。除了居家以外，还有一些To B的商业服务会比居家更快。

问：Sharpa和DQ冰淇淋合作，让机器人在真实门店接真实订单，算是真正干活迈出第一步。最近发布的新品有哪些升级，会不会让机器人动作更快一点？

向少卿：我们发布了一个矩阵产品线。下一代灵巧手Sharpa Wave W02，比上一代更轻巧，具备全掌触觉能力。我们还发布了面向操作的具身机器人整机D01，底盘移动式，聚焦灵巧操作。它非常稳定，负载能力强，手臂运动速度快，精度高，一切以能干活为指导。

机器人覆盖全身触觉，这应该是业界第一个，手上覆盖全掌触觉，身体和手臂也覆盖触觉。人类操作时，大部分用手指，但也有很多动作自然用身体完成，比如腋下夹东西、用肘关门。机器人进入家庭后，这类能力很重要，对安全也很重要。

我们还推出真机数采设备AE01，方便客户采集带触觉的灵巧操作数据。最后是灵巧操作模型CraftNet，利用AE01采集的数据、互联网数据，加上W02灵巧手和D01机器人，一起完成灵巧操作。我们的理念很简单：让机器人干有用的活，把时间还给生活。

问：从展品到产品，机器人会怎么走？哪些要等时间和技术跨越？

王坚：我个人能理解的机器人行业发展速度，超出我的想象。今天大家谈展品和产品，更好的说法是：这个东西处在快速迭代周期里。今天看到的东西，明天又变成另一个样子，所以大家觉得不够成熟、不够有用，但我觉得已经非常了不起了。

所以我想下面的问题就是我们怎么能够更好地做快速迭代，这是我对这个事情的理解。中国制造业发达，做出来的机器人本身质量不能算不好。真正的命题是怎么快速迭代，找到机器人真正能做的事情。

GPT出来的时候，也没人知道它到底能干什么。ChatGPT最后直觉认为用在聊天上是革命性的。他们做过很多探索，包括医疗等领域，最后觉得聊天应用是革命性的。不要觉得聊天简单，到今天可能没几个人真正懂什么叫聊天。

今天我们还没有找到机器人真正擅长、干了之后能改变行业的事情。这不是简单的事，非常需要创造力。也不是找到最适合的场景，而是正好技术和要解决的问题完美地结合在一起了。

我想强调一句，GPT和Chat结合，绝对不是撞运气，过程做了很痛苦的探索。

▎下一个十年：机器人会成为AI的“安身之处”吗？

问：下一个10年，有哪些重要的事情要做？

王兴兴：尽可能在我个人生活和公司中拥抱、使用AI，这个非常关键的一件事情。5年前或10年前，你喜欢、相信AI的程度，现在乘10倍都不为过。

向少卿：今天们达成一个小目标：机器人和DQ合作，在完全没有为机器人适配性做改造的人类场景中，能够不间断干活。这里有两个关键点：第一，不需要改造环境，这是泛化的基础。泛化的意思是机器人进入新环境能适应环境、知道怎么做。

为什么这两个点很关键？一个是不需要改造环境，我认为是泛化的基础。如果机器人需要改造环境来适应它，那天然和泛化矛盾。所以我们坚持机器人不应改工作环境，直接在人的环境中干活；第二，能够不间断持续干活。这听起来简单，做起来很难，也是很大的成绩。后续自进化、持续数据采集、AI模型进步，都离不开机器人持续工作。

下一步我们会在三大商业场景部署3万台机器人：餐饮、零售和酒店。这意味着真正机器人的泛化性。

我对机器人泛化和商业的定义是，机器人本身具备足够高智能。进入新场景不要求机器人直接完全干活，但要做到，企业主这类对AI不专业、对场景运营很专业的人，拿到机器人后用我们提供的工具稍作训练，采一点数据，就能让机器人很好干活。

王坚：这个时代非常（令人）激动。现代意义上的人工智能发展那么快，机器人发展也那么快。当年PC出来时，个人电脑给软件一个安身之处。如果没有个人电脑，软件就是个幽灵。

今天的智能，我希望机器人能成为现代意义上人工智能的安身之处。以前说灵魂没有安身之处，就是幽灵。人工智能没有机器人，将来也会是个幽灵，它要有个安身之处。我自己还是非常激动，期待哪天这两个东西变成浑然一体。

（科创板日报记者 李佳怡 黄心怡）