宇樹王興興指具身智能泛化能力仍是最大瓶頸料最快2至3年迎「ChatGPT時刻」

「人形機械人第一股」宇樹科技登陸科創板翌日，創辦人兼董事長王興興於2026世界機械人大會表示，具身智能泛化能力不足，仍是現階段機械人產業最大瓶頸。通用機械人真正進入家庭及日常生產生活，最快可能需時兩至三年，最慢或要五年至十年。

陌生環境完成八成任務成標準

王興興認為，判斷具身智能是否迎來類似ChatGPT的產業臨界點，可採用一項較直觀標準，將機械人帶到任意陌生環境或普通家庭後，觀察其能否能夠根據語音或文字指令，自主完成約八成任務。

談及目前機械人AI模型的技術瓶頸，王興興指出，全球不少模型在固定場景中，經過充分數據收集及專項訓練後，任務成功率基本可接近100%；但只要更換操作物品或稍微改變環境，成功率便會大幅下降。

他解釋，大語言模型由數字編碼組成，嚴格限制於向量空間內，輸入及輸出的損失較小；但機械人與真實世界互動時，每次輸入及輸出均可能出現偏差和損失，影響模型的泛化能力及成功率。但王興興認為，有關問題未來數年必然可以解決。

王興興以宇樹G1機械人在工廠、會議室整理及醫療場景的應用為例，指出機械人目前已能完成部分裝配及整理任務，但整體效率和通用性仍然不高，與人類相比仍有差距。

當面對新任務時，機械人通常需要重新收集數據及訓練，任務轉移效率仍有待提高。他指出，這不只是宇樹科技面對的問題，也是全球機械人企業共同面對的瓶頸。

在模型技術路線方面，宇樹科技主要關注端到端模型及世界模型。王興興表示，公司早於2020年初已開始探索基於影片生成的世界模型，惟早期效果未如理想，相關工作一度放緩。

自2025年起，公司再次加大有關方向的投入，目前AI模型已成為宇樹在人力及資金方面投入最大的領域之一。

王興興表示，宇樹近期正推動物理AI機械人模型實現自我進化，由前沿AI大模型驅動，並由公司設定規則及約束，讓AI自行完成搜尋、編程及生成機械人控制代碼。生成控制代碼後，系統會先在模擬環境試行，再部署至實體機械人測試及評分。訓練完成後，由AI模型及人工評價效果，再把結果回饋予編程智能體。

他指出，隨着基礎模型持續提升，自我進化循環的能力亦會同步增強，並可綜合利用真實世界及人類產生的各項訓練數據。隨着實體機械人部署數量增加，系統亦可取得更多測試數據及評價指標。

王興興表示，當這套系統形成並投入運作後，機械人的開發效率將大幅提高，產品迭代速度亦會加快。

王興興亦回顧宇樹科技過去十年的發展。公司於2016年8月成立，早期主要研發四足機械人，近年逐步拓展至人形機械人。

他表示，在AI加速發展及全球關注度持續提高的背景下，機械人的進化速度已明顯加快，未來十年的產業發展速度甚至可能超出目前預期，形容現時是「一個全新的起點、全新的開始」。