王兴兴称具身智能只差最后几毫米，一到两年或见分晓
要点
# 王兴兴称具身智能只差最后几毫米，一到两年或见分晓 两天、两个顶级场合，宇树科技创始人王兴兴给出了同一个判断：具身智能最大的挑战，不是 AI 模型的理解能力，而是模型与物理世界的「对齐」。11月4日在乌镇世界互联网大会互联网企业家论坛上，他把这个差距称作「最后几毫米的问题」；…
# 王兴兴称具身智能只差最后几毫米，一到两年或见分晓
两天、两个顶级场合，宇树科技创始人王兴兴给出了同一个判断：具身智能最大的挑战，不是 AI 模型的理解能力，而是模型与物理世界的「对齐」。11月4日在乌镇世界互联网大会互联网企业家论坛上，他把这个差距称作「最后几毫米的问题」；11月5日转场进博会虹桥国际经济论坛人形机器人分论坛，他进一步拆解——误差集中在输入与输出两端，即传感器测量与真实状态的偏差，以及动作指令与实际运动的偏差。
这个判断有一组数据支撑。王兴兴介绍，目前全球顶尖的多模态模型让机器人抓取一个大物体，成功率已经接近 100%；但换成拆手机、精密装配、穿针引线这类细微操作，成功率就会低很多。在工厂场景，机器人已经在单一工序、固定工位上工作，训练得好任务成功率也能接近 100%，宇树的机器人甚至进入了汽车工厂和自己工厂的装配线——但整体效率仍需提升，否则会影响大规模推广。
对齐问题什么时候能解决，王兴兴的口径在两天里略有差异。乌镇场合他预计未来一至三年内，若能有效解决 AI 在物理世界触觉与理解的细微偏差，具身智能在理论上将没有太大障碍；到进博会场合，这个时间收窄成了「未来 1-2 年或可以解决」。他的逻辑是：如果能把对齐误差解决好，本质上具身模型基本就没有技术问题了，真正落地推广剩下的是工程问题。
「ChatGPT 时刻」是他给这个行业设定的参照系——在约 80% 的陌生场景中，机器人通过语音或文字指令顺利完成约 80% 的任务。王兴兴认为全球头部模型已非常接近这一目标，并预判明年的改良会非常大，大概率明年就是机器人行业和机器人模型的临界点。宇树的实践路径是让机器人 AI 模型自进化：由 AI 自主采集数据并标注，再通过训练和评价不断优化，过程中人的参与度越来越低；他还判断，数据和算力将成为未来最重要的核心资产。
不过，这个「只差几毫米」的乐观判断，在行业里远非共识。被称作 AI 教父之一的杨立昆今年 1 月在达沃斯说得更狠——那些制造人形机器人的公司，「绝对没有任何一家」知道如何让机器人足够聪明、真正有用；许多机器人研究者认为，让基于语言和图像的智能去掌握物理世界的无限可变性，难度被严重低估了。Agility Robotics 联合创始人赫斯特则从工程角度泼冷水：让机器人看起来像人很容易，让机器在动态物理行为上像人一样移动和表现，难度要大得多。
国内的从业者同样在给热闹降温。北京人形机器人创新中心 CEO 熊友军说，没有泡沫的产业，只有泡沫的公司——国内整机及具身智能相关企业已突破百家，全年人形机器人产量有望冲击 10 万台，但多数样机停留在展演娱乐场景，样机在测试环境里惊艳、走到真实世界屡屡碰壁，能算清投入产出比的业务还十分有限。该中心唐剑的判断更谨慎：泛化能力是机器人的「非线性卡点」，数据需积累到百万甚至千万小时量级，且家庭场景落地至少要 3-5 年，而即便算法泛化能力突破，也不意味着「ChatGPT 时刻」的到来。
两种时间表的分歧，本质是对同一组事实的不同读法：演示视频里的成功率和真实世界里的良率之间，隔着王兴兴所说的「最后几毫米」，也可能隔着杨立昆所说的范式鸿沟。一到两年后见分晓——这是王兴兴给出的期限，也是这个行业第一次把「临界点」说得如此具体。
