王兴兴为何改变看法？新判断：具身智能拐点最快一两年出现！

机器人已经能跑、能跳、能完成复杂表演，为什么到了工厂和家庭，仍然有那么多事情干不了？王兴兴此前谈到这个问题时，往往先强调困难。这一次，他对突破速度的判断明显更乐观了。

10月12日，在第二十六届中国国际工业博览会开幕式上，宇树科技创始人王兴兴表示，具身智能的技术临界点可能比预期来得更快，快的话，一两年内就有可能出现。他还坦言，过去十几年，自己对人工智能（AI）的相信程度不够，如今这份信心正在增强。

就在今年8月，他给出的判断还是，快则两三年，慢则五到十年。短短不到两个月，最快预期又向前挪了一步。

那么，是什么让王兴兴重新评估行业进度？

这里的关键是陌生场景。让机器人在训练过的桌子前，拿起训练过的杯子，和把它送进一间从未见过的厨房，让它收拾餐具，难度相差很大。前者可以提前安排物品位置、动作路线和操作顺序，后者则要临场判断。

杯子换了形状，抽屉换了方向，桌上多了一块抹布，人的一句话又不够明确，这些在人看来很普通的变化，都可能让机器人出错。

因此，王兴兴一直关注的核心问题，是机器人能否把学过的本领用到新环境里，这就是泛化能力。一次展示成功，说明某项能力存在。换个地方依然成功，才说明它开始具备广泛应用的基础。

王兴兴透露，宇树团队已经把GPT-6部署到机器人上进行任务测试，效果表现还不错。他还对下一代模型抱有很高期待，认为明年GPT-7如果推出，可能进一步突破具身智能的瓶颈。

公开报道没有给出这些测试的完整任务清单、成功率和干预次数，因此，外界还无法据此判断机器人究竟提升了多少。但从他的表态看，团队实际测试获得的反馈是此次信心增强的重要依据。

为什么通用大模型进步，会影响机器人的前景？

因为机器人干活，首先要明白人在要求什么，还要看懂现场发生了什么。拿起一个杯子之前，它得识别哪个是杯子，理解是不是要拿桌上那个，判断杯口有没有朝下，周围有没有容易碰倒的物品。

接下来，它还要安排步骤。先移动身体，还是先伸手？抽屉没打开，要不要先开抽屉？发现目标被挡住，能否改变动作，而不是一直重复失败？

这些问题涉及视觉理解、语言理解、空间判断和任务规划。大模型在这些方面取得进步，机器人便有机会获得更强的任务处理能力。

具身智能面临的最大困难之一，往往出现在动作即将完成的时候。机器人已经认出了插孔，也把插头移动到附近，最后却插不进去。它知道要拿起杯子，手指也伸到了杯子旁边，稍微夹偏一点，杯子就可能滑落。

人完成这些动作，会不断利用触觉、视线和手部受力作调整。感觉卡住了，就换个角度。发现物体在滑动，就调整握力。对于人类而言，很多反应几乎不需要有意识地思考。

机器人则需要把这些变化转化为可感知、可计算、可控制的反馈。王兴兴在此次讨论中认为，第一视角的人类操作数据有价值，但机器人进入物理世界后，最后几毫米的接触和操作，仍需要依靠真机数据不断调整。

所以，机器人学习既需要利用已有知识，也需要实际操作。仿真训练可以帮助探索动作，真实测试则要验证这些动作碰到实际物体时是否有效。

王兴兴此次依然强调，大规模应用需要进一步解决泛化能力和效率问题。他还判断，商业服务场景的应用进展可能比工业场景更快，居家场景则相对靠后。

为什么看起来环境更规则的工厂，也没有那么容易进入？

因为工厂对机器人提出的要求，非常具体。它不仅要完成任务，还要按生产节奏稳定完成，不能频繁停下来等人处理。

假设一个工位上，人十秒能完成一次操作，机器人需要半分钟，即使机器人偶尔表现出更强的理解能力，也不一定适合这个工位。再加上调试、维护、充电和人工干预，企业最终要算的是整体收益。

一次动作成功率很高，也不代表整套流程同样可靠。举一个简化计算的例子。假设任务包含十个环节，每个环节独立完成的成功率都是95%，那么整套流程一次全部成功的概率，约为60%。现实中的失败未必相互独立，但这个例子能说明，长流程会放大局部不稳定。

机器人可以通过发现错误、重新尝试来提高最终完成率，不过重试也会消耗时间。如何同时提高成功率和速度，是商用必须解决的问题。

家庭的情况又不同，家里物品更多样，摆放更随意，老人、儿童和宠物还可能随时进入作业区域。机器人既要适应环境，又要控制接触风险，难度会进一步增加。

目前来看，AI不仅能帮助机器人执行任务，也可能帮助工程师开发机器人。

如果AI能够协助整理研究、生成程序、分析日志，团队就有机会在同样时间内验证更多方案。经过工程师检查，再进入仿真和真机测试，研发过程可能变得更快。

模型能力进步，可以改善机器人的任务表现，也可能缩短开发这些能力所需的时间。两种作用叠加，具身智能行业进展便可能超过按过去速度作出的估计。