太業餘？有科技公司CEO怒懟王興興，建議他別聊AI了，你們怎麼看？_風聞

8月9日，宇樹科技創始人兼CEO王興興在北京舉行的世界機器人大會上，談及當前智能機器人暫時還沒得到大規模應用的技術障礙時表示，最大的挑戰是模型。“現在對具身智能和機器人來説，AI模型完全不夠用，這也是限制當前人形機器人大規模應用最大的卡點。”此外，王興興對目前機器人公司選擇的常用技術路線VLA模型架構持懷疑態度。

VLA模型指的是Vision-Language-Action Model（視覺－語言－動作模型），可以把它理解為——讓機器“看得懂、聽得懂，並且能動起來”的一種AI模型，強調像人一樣，從感知環境到自主決策並採取一定的行動。

王興興認為，對於VLA模型，目前在真實世界交互中，數據採集的質量和數量都不足，即便在VLA模型基礎上加入Reinforcement Learning（強化學習訓練），仍不夠用，模型本身還需要進一步升級和優化。

“目前機器人大模型類似於處在ChatGPT出來前的一到三年。”王興興稱。

什麼時候才能達到機器人GPT時刻？

王興興認為，如果有一天，我們帶一台機器人到一個它此前從未去過的環境，隨便給它一個指令，譬如“把這瓶水遞給某位觀眾”或“幫忙整理一下這個房間”，它就能順暢、自主地完成任務。那時就接近機器人的“GPT時刻”了。

今年5月，谷歌在I/O開發者大會上正式發佈了新的世界模型Veo 3，這是其首款能夠同步生成音效（包括環境音與對話）的AI視頻生成模型。

王興興認為，谷歌這條視頻生成路線技術的收斂速度和成功概率可能會比VLA模型更高，但仍然面臨還有很多挑戰。其中一個主要問題是，視頻生成模型過於關注畫質，導致GPU消耗非常大。

另外，王興興指出，目前還面臨的一個大問題是，如果要進一步提升機器人模仿學習的能力，必須解決Scaling

law，而這一點目前行業做得並不好。“最簡單的例子是，當我訓練機器人執行一個新動作，比如學一支新舞或完成一項新任務時，往往需要從零開始訓練，這非常低效。理想情況下，新的訓練應該基於已有訓練成果，讓訓練速度越來越快，學習新技能的效果越來越好。”

王興興指出，這是一個非常值得深入研究的方向，Scaling law在語言模型上的成功已經得到驗證，但在機器的運動控制上，大家做的還只是剛剛開始，他建議可以關注這方面的研究。

王興興表示，在未來兩到五年，除了更低成本、更高壽命的硬件之外，機器人的技術核心仍將是端到端的具身智能AI模型。

除了發表演講，王興興在現場還接受了包括央視財經在內的多家媒體採訪。

問：在機器人研發層面，還有哪些技術有待突破？

**王興興：**今天我還看到一種説法，馬斯克認為未來基本上每個人都不用寫代碼，AI會幫助生成代碼。確實，目前AI在寫代碼這個領域的技術進步非常快，這也是各家公司非常關注的。簡單的程序或簡單代碼，AI的成功率確實非常高，但如果代碼非常複雜，那成功率肯定是會下降不少的，這個成功率指的是一遍就成的成功率。

所以我覺得，最大的技術點還是要把具身智能AI模型做得更好。對行業來説，目前機器人的AI能力還不夠用。如果哪一天，在這個場館裏，每台人形機器人都能隨意地走來走去，人能隨便跟它説點什麼，能讓它幫忙乾點事的時候，才算達到了一個比較好的臨界點。這是我們的目標，也是當下社會期待機器人能實現的點。

機器人領域，模型能力優先於數據能力問：目前機器人落地應用的技術難點有哪些？如何解決機器人通用泛化性以及自主決策能力不足問題？

**王興興：**目前機器人的硬件能力是夠用的，當然不足夠好，想要更大規模、更低成本、更高可靠性，硬件肯定要繼續完善。最大的難點還是目前整個具身智能AI模型在本質上還沒有達到一個階段性突破的臨界點。舉個例子，ChatGPT時刻在具身智能領域還沒有發生，AI很多情況下是階梯式的進步。今天可能大家感覺不到，但突然有個階段性的進步，這是非常容易發生的。

另外，語言模型領域是純數據驅動的，有足夠多、足夠好的數據，語言模型的性能就會上升得非常快，但是在機器人領域，這個點反而是很大的一個問題。無論用哪種方法採集的數據，真正放到機器人上，跟實物機器人的偏差還是非常大。

某種意義上，哪怕採集了大量數據，把機器人的數據訓練出來部署到實物機器人上，會發現沒辦法很好地對齊。所以在機器人領域，尤其對AI模型本身能力的要求是需要定位到更高級別。簡單説，我們希望達到什麼效果呢？就是隻要很少的數據就能把機器人訓練出來，成功率很高而且泛化能力很好。我們希望有這樣的模型出來，然後再用數據去訓練。而不是現在可能模型都沒有，又搞一大堆數據去訓練，這個效果其實不是特別理想。

---------------------

目前，國內多傢俱身智能和機器人公司都在佈局VLA模型、AI數據採集等技術方向。

對於王興興的言論，很多行業人士並不完全同意。其中，AI世界模型技術公司極佳科技創始人、CEO黃冠發朋友圈表示：“哭笑不得，關於數據、VLA、世界模型的觀點也太業餘了，建議王興興還是好好做下肢硬件和運控，不要談AI了!”

鏈接閲讀：

王興興「炸裂」發言：對VLA持懷疑態度，數據並非最關鍵問題

今日（2025年8月9日），宇樹科技創始人兼CEO王興興在「2025世界機器人大會」的論壇上，發表了最新演講。以下是RoboX整理出的部分關鍵演講內容：

王興興表示，今年上半年，整個機器人行業非常火爆，再加上政策的支持，相關整機廠商及零部件廠商，平均每家企業至少有將近50%-100%的增長，這意味着需求端拉動了整個行業的發展。

在海外，特斯拉今年大概他們會發布他們第三代的特斯拉的人體機器人，同時包括英偉達、蘋果，META等頭部企業都在持續推動機器人領域的發展。

在此背景下，王興興分享了幾個個人觀點：

1、關於本體的誤區

之所以機器人還沒有大規模應用，並非因為硬件不夠好或者成本比較高。他認為其實從技術層面或者AI角度來説，目前硬件是完全夠用的，這也包括人形機器人和靈巧手。

關鍵問題在於量產，相關的工程問題非常多。

2**、具身AI完全不夠用**

與硬件相比，更大的挑戰，還是具身智能的AI完全不夠用，這也是限制機器人尤其人形進行大規模應用的最大問題。

王興興認為，目前的智能體AI應用，感覺類似於ChatGPT出來前的1-3年左右。目前業界已經發現了類似的方向以及技術路線，但是還沒人把它做出來。

而機器人的臨界點應當達到什麼程度？他表示，如果哪一天我們帶一個人形機器人來到完全陌生的會場，和它説，幫忙把這瓶水帶給某個觀眾，它可以流暢地完成；或者説「把這個房間整理一下」，它也能自己完成，那就差不多達到了臨界點。

“如果快的話，未來的1-3年內還是很有可能實現的。最慢的話估計3-5年也可以實現，但是現在確實還沒有達到這個效果。”

3**、關鍵問題：數據還是模型？**

之所以智能機器人還沒達到應有水平，到底是模型的問題，還是數據的問題？王興興給出了獨特答案：

“目前全球範圍內，大家對於機器人數據問題的關注度，都有點太高了。現在最大的問題其實反而是模型。”

他認為，目前具身智能和機器人的模型架構不夠好，也不夠統一。

“在大語言模型領域，當有了足夠多的好數據時，就能把模型訓練得越來越好。但是在具身智能領域，會發現在很多情況下，數據採了卻用不起來。大家對模型的關注目前是相對有點少，反而對數據關注有點太高了。”

4、對VLA模型持懷疑態度

“VLA是一個相對傻瓜式的架構，我個人對它還是抱一個比較懷疑的態度。”

王興興表示，VLA模型對於真實世界的交互，數據質量是不太夠用的。有個簡單的想法，是在VLA模型上加RL訓練，但綜合宇樹長期的嘗試來看，VLA+RL還是不夠的，模型架構還得再升級和優化。

5**、宇樹的做法**

去年，OpenAI發佈了視頻生成模型以後，行業內產生了一個想法——如果生成一個「整理房間」的視頻，是不是能讓視頻生成模型直接去驅動一個機器人去執行？

去年，宇樹就做了這個事情——**利用預訓練的機器人動作視頻，去控制機器人仿照執行。**他指出，目前谷歌的全新一代的視頻生成模型，也是一個視頻驅動的世界模型，同樣想實現這樣的效果。

“我覺得這個路線的方向，可能比VLA模型的收斂概率還大。但是我沒有驗證不敢打包票，目前該方法的問題就是，視頻生成模型太考驗視頻生成質量了，導致對GPU的消耗有點大。但是對機器人來説，如果遇到並不需要很高精度的視頻生成質量，還是可行的。”

6、機器人的Scaling law才剛開始

王興興指出，目前宇樹等品牌的機器人，在跳舞、格鬥等動作上，實現的效果還不錯。但是要想進一步整體提升能力，還面臨着一個很大的問題。

“目前，機器人領域的Scaling law，大家做得非常不好。舉個最簡單例子，如果我有一個新的舞蹈要去訓練，那麼每次加入新的動作，都要重新訓練，而是從頭開始訓練，這是非常不好的。我們是希望我每做一個新訓練的時候，是可以在之前的訓練基礎上去做AI訓練的。”

他認為，做AI訓練的時候，理論上應該訓練速度越來越快，學習新技能的效果越來越好。但是全行業內目前還沒人能做出來，這是非常值得做的一個方向。

因為這在語言模型上已得到過充分驗證，但是在機器人的運動控制上面，大家才剛剛開始。

“在未來2-5年，最重要的還是端到端的具身智能AI模型，模型本身是非常最重要的。”

7**、硬件工程優化**

更低成本、更高壽命的硬件，哪怕對於已經發展100多年的汽車行業來説，如果要做一輛很好的汽車出來，工程量還是非常大的。

“對機器人行業來説，未來可能每年要生產幾百萬、幾千萬甚至幾億台的人形機器人。如果要大批量生產製造出來，它的工程量的挑戰還是非常嚇人的一件事情。”

8**、算力部署的侷限性**

目前，在人形機器人上，或者在移動機器人本體上，沒辦法直接部署很大規模的算力。這是因為它的尺寸和電池都有限，它部署的算力功耗也是有限制的。

王興興稱，在人形機上，最多隻能部署峯值功耗約為100瓦的算力，且平時工作時算力只有幾個手機的水平。但是，未來的機器人對於大規模算力的需求肯定是毋庸置疑的，而且可能會是分佈式的算力。

因為，大家都希望機器人工作的通信延遲比較低。此時如果數據中心或者算力中心在異地，延遲實在是太大了。所以他認為，未來如果一座工廠裏有100個機器人，也可以配備集羣的分佈式服務器，這樣其安全性和通訊延時是可以接受的。

再比如，如果一個小區中每家每户都有機器人的時候，該小區也可以有分佈式的集羣。並且如果有一個新客户想買一台人形機器人的時候，他不需要給這部分算力的建設花錢，成本也會更低很多。

“我覺得分佈式集羣是未來在機器人領域非常重要的構成。”王興興説道。

9、全球共創的重要性

他認為，機器人領域是一個全球共創的過程，包括中國、美國的很多的大企業，大家在過去的很多年和當下，都做了很多貢獻，也希望共同推動行業進步。

“在AI領域，沒有一家大公司能保證只要有足夠的人、有足夠的資源，就能永遠保持在AI領域領先。OpenAI和DeepSeek已經證明了AI的創新，永遠伴隨着一些隨機性。所以很多情況下，需要每家公司或者每家高校都做出很多貢獻，進行全球共創。”