王兴兴最新演讲全文：我对AI的预期，还可以再翻十倍，物理AI已有被击穿苗头

宇树王兴兴：我对 AI 的预期，还可以再翻十倍

2026 年 10 月 22 日，杭州，2026 世界物理 AI 大会暨宇树合作伙伴生态大会主论坛。宇树科技（688836）创始人、董事长兼 CEO 王兴兴登台，发表了题为《相信，尽可能相信 AI》的主旨演讲。

这位 90 后创始人，是全球出货量最高的人形机器人公司掌舵者。宇树 G1 累计下线已突破万台，公司登陆科创板后更是今年资本市场最受关注的硬科技标的之一。在具身智能成为 AI 赛道最热风口的当下，王兴兴的判断自带产业一线的重量：他不只是谈论 AI 的人，更是把 AI 装进机器人身体里的人。

这篇演讲的核心结论掷地有声：

具身智能的“ChatGPT 时刻”，最快明年就到，临界点清晰可判——机器人拿到自然语言指令后，能在 80% 的陌生场景里稳定完成 80% 的任务。

支撑这一判断的逻辑链条也很完整：

GPT-6 级别的前沿模型已在机器人实测中超预期，物理 AI 被击穿的苗头已现；

当前最大的瓶颈是模型与真实物理世界的对齐，即具身智能的泛化难题；

而破局之道是“机器人自进化”闭环，让 AI 自己检索论文、编写控制代码、仿真验证、实机测试、迭代方案，人类只做规则设定者。

顺着这个逻辑往下，他点出了产业竞争的底层资源：

千万台级制造能力、专属物理 AI 模型、超大规模算力与芯片、能源供给。

这篇演讲里，有几段话值得单独拎出来细读：

谈认知差：

“现在全世界真正看懂尖端 AI 模型潜力的，可能也就几千人。绝大多数人，根本不清楚 AI 真实的能力边界到底在哪。”

谈自我复盘：

“我犯过最大的错误，就是对 AI 相信得不够早。这几年我对 AI 的信仰与日俱增，我对 AI 的预期，还可以再翻十倍以上。”

谈技术节奏：

“同一个模型，在固定场景训练好，成功率接近 100%；换一个没见过的物体、换一个环境，成功率立刻掉下去。”

一句话道尽具身智能泛化之难。

谈产业耐心：

“就像早年互联网、电商，从技术成熟到普通人广泛用上，花了 5 到 10 年。”

给过热的预期泼了一盆冷静的冷水。

谈时代定位：

“AI 不是一个短期风口，它是底层范式的重构。很多人还在用旧时代的估值框架去理解它，低估它重塑所有实体行业的力量。”

在机器人板块情绪高涨、估值争议四起的当下，这篇演讲既是一线从业者最坦率的技术路线图，也是一份难得的产业清醒剂：信仰要拉满，账也要算清。

数字世界的革命已经走完一轮，物理世界的 AI 革命才刚露苗头。

推荐阅读全文。

《相信，尽可能相信 AI》—— 王兴兴 2026 世界物理 AI 大会主旨演讲

大家好，今天想跟大家聊的核心只有一句话：相信，尽可能相信 AI。

说实话，我觉得全世界几乎所有人，对 AI 的重视程度、对 AI 的信仰都还不够，包括我自己。 我之前就在公司内部和大家聊这件事，早些年宇树的年会上，我就反复提醒同事，要重点关注头部 AI 公司。如果当时大家真的相信 AI 这条主线，一些个人投资者的财富可能已经增长了十倍甚至几十倍，但现实里，很少人真正抓住。

我一直在思考，现在全世界真正看懂尖端 AI 模型潜力的，可能也就几千人。绝大多数人，根本不清楚 AI 真实的能力边界到底在哪。很多人看 AI，还停留在聊天、写文案的层面，低估了它持续突破的速度。 大家能看到，前沿 AI 已经可以攻克菲尔茨奖级别的数学难题，可以逆向工程复杂软件，影视、内容行业正在被快速洗牌。GPT-6 出来之后，我们在机器人上做了大量测试，很多任务的表现，已经超出我们之前的预期。

今天行业有一个非常关键的信号：物理 AI，已经看到被击穿的苗头。这个节点，很可能就在未来 1–2 年，或者 2–3 年内到来。

什么是物理 AI？简单来说，就是 AI 不再只活在数字世界、文本和图片里，而是可以稳定和真实物理世界交互，操控实体机器人去完成现实任务。 现在机器人的规划、导航问题，已经解决得不错。目前最大的瓶颈，是模型输入输出和真实物理世界的对齐。语言大模型是纯数字空间，输入输出是向量，可逆、几乎没有损耗；但物理世界不一样，传感器有误差、执行器动作有偏差，抓取、操作陌生物体的时候，一点点误差累积，就会直接导致任务失败。同一个模型，在固定场景训练好，成功率接近 100%；换一个没见过的物体、换一个环境，成功率立刻掉下去，这就是具身智能的泛化难题。

这也是我们宇树现在主攻的方向：物理 AI 机器人自进化。 我们的思路是，人只负责设定规则、约束、工具集，交给 AI 智能体自己去全网检索最新论文、前沿研究、开源方案；AI 自主编写机器人控制代码，先丢进仿真环境跑，仿真验证通过之后，再下发到实体机器人去实测；测试完成，由 AI 和人一起打分评估，结果再反馈回去，让它重新迭代方案。形成一个闭环，自己持续进化。

现在顶尖的大模型公司，内部某种程度上已经实现了模型自进化：模型自己采集数据、自己写代码，人类只做引导。这套逻辑，完全可以平移到机器人上。随着基础大模型每个月、每一轮持续升级，这套自进化闭环的能力，也会跟着水涨船高，迭代速度会越来越快。

当然，大家也不用觉得 AI 马上就会渗透到每个人的日常生活。技术的扩散是有周期的，就像早年互联网、电商，从技术成熟到普通人广泛用上，花了 5–10 年。尖端物理 AI 模型真正走进千家万户，大概率同样需要 5–10 年的时间。在这个过程里，商业服务场景的落地速度，会比家庭、工业场景更快。

站在产业角度，如果未来机器人要大规模普及，有几件事是绕不开的核心要素： 第一，机器人硬件的大规模制造能力，目标是年产千万台级别。我们现在一年只有几万台机器人、几十万个关节模组，距离普及还差很远，成本、良率、产能都是硬课题。 第二，自研或者联合伙伴落地专属的物理 AI 模型，适配机器人的交互逻辑。 第三，超大规模算力集群，还有算力芯片、存储芯片的制造供给。 再往下延伸，高质量数据、充足算力、芯片产能、能源供给，全都是决定赛道胜负的底层资源。

我们宇树的 G1 人形机器人，现在是全球出货量最高的人形机器人之一，累计下线已经到 1 万–2 万台，市面上已经能看到不少同行参考、跟进这款产品。但这只是起点，人形机器人行业接下来的竞争，会非常惨烈，不是一家公司能独自做完所有事情，我们需要生态伙伴一起往前走。

很多人问我，具身智能的 “ChatGPT 时刻” 什么时候到来？ 我定义的临界点很清晰：机器人拿到一段自然语言指令之后，在 80% 的陌生场景里，能稳定完成 80% 的任务。到这个时候，整个行业才算真正跨过拐点。快的话 2–3 年，慢的话 5–10 年。 我个人更期待，在 2027 或者 2028 年，我们能够在物理层面，真正把基础大模型和机器人技术完全统一起来。

我经常会复盘自己过去十几年，我犯过最大的错误，就是对 AI 相信得不够早。这几年我对 AI 的信仰是与日俱增的，我对 AI 的预期，还可以再翻十倍以上。 当下是一个非常难得的时代，我自己常常害怕浪费每一天，每天都有大量想学习、想落地的事情。 AI 不是一个短期风口，它是底层范式的重构。很多人还在用旧时代的估值框架、旧的认知去理解它，低估它重塑所有实体行业的力量。

最后再回到开头那句话：尽可能相信 AI，但同时也要躬身下场，去解决物理世界里那些充满误差、充满不确定性的难题。数字世界的革命已经走完一轮，物理世界的 AI 革命，才刚刚露出苗头。 谢谢大家。

为伟大思想而生！

AI+时代，互联网思想（wanging0123)，

第一必读自媒体