宇树王兴兴公开认错：物理AI被击穿，机器人行业要变天？

王兴兴认了错。10月还没过完，他对未来的担忧像是突然踩了油门。

10月12日的工博会上，他说“过去十几年我犯的最大的错误，就是对AI的相信还不太够”。10天后的物理AI大会，措辞更重，直接讲“这几年我对AI的预期，还可以再翻10倍以上”。对具身智能行业来说，王兴兴能公开认错，这件事本身就格外有分量。

毕竟把宇树科技做成“人形机器人第一股”的就是他。很长一段时间里，王兴兴都把“机器人首先是机械”当成默认前提。宇树2026年前三季度营收18.17亿元，同比增长55.71%，G1也是全球卖得最多的人形机器人之一。这套打法在过去看上去是成功的。

可当下的具身智能行业，正处在一个微妙的分裂里。落地这一头仍然磕磕绊绊，王兴兴自己也承认，机器人大规模应用的泛化性和效率“都还要进一步提高”。另一头，通用大模型刷新能力边界的速度几乎不讲道理，GPT-6 Astra发布后，宇树把它接到自家机器人上测试，王兴兴的说法是“效果实际上非常不错”。

资本市场的反应也很有意思。10月15日，宇树科技跌到404元的低点，市值比上市首日高点蒸发超过2400亿。可随着王兴兴开始“认错”、开始说“物理AI已经被击穿”，股价又绝地反击，从404元一度反弹突破700元，不到两周涨了70%。摩根大通10月25日把宇树评级从“低配”直接上调两级到“增持”，目标价从300元调到995元。理由很直接：王兴兴把物理AI的突破预期从“最长10年”压缩到了“2到3年”，摩根大通据此判断行业销售的S形曲线会明显前移。

那么，王兴兴这番“认错”和担忧，到底指向具身智能的什么方向？

王兴兴为什么认错？

要弄懂他的“认错”，得先看具身智能过去是怎么干活的。这条路子不复杂，基本是固定的：定义任务、拆解动作、写控制算法、到特定场景里反复调试。宇树G1能跑能跳、能后空翻，还能在春晚舞台上抖手绢扭秧歌，靠的就是运动控制层面的工程积累。

在边界清晰的环境里，这套办法很管用，一台调好的机器人在固定工位上重复几千次也不出错。问题是这种需要预训练的机器人天花板同样明显：换个场景、换个物体、换个任务，原先的规则可能全部作废，训练又得从头再来。

8月的世界机器人大会上，王兴兴详细讲过这个问题，当时他把具身智能最大的瓶颈归结为“AI模型的输入输出与机器人的对齐程度不够”。机器人和语言大模型不一样，传感器有误差，执行器有偏差，抓陌生物体时差几毫米，成功率就暴跌。在这样的环境里，传统工程思维自然大行其道，误差可以测量，偏差可以校准，问题可以一个一个解决。

GPT-6 Astra出现后，带来的冲击可能把传统路径整个掀翻。在宇树科技自己做的测试里，让王兴兴深感意外的不是机器人会画画，而是“零训练”这个条件。过去机器人学一个新任务相当费劲，采数据、训模型、调参数，一套流程走下来少则几周多则几个月；GPT-6 Astra把这个流程完全跳过去了，给提示词就行，机器人就能按要求动起来。这让他意外，也让他感到压力，否则他不会公开认错。

GPT-6 Astra这套流程意味着，具身智能行业过去引以为傲的“真机数据积累”和“任务训练管线”，在通用大模型面前，至少在某些任务上，不再是非做不可的环节。这边费劲巴拉几个月采数据、训模型，外部团队用大模型，在同样的本体上零训练就完成了。几个月的训练对標零训练，这样的反差由不得从业者不担忧。

王兴兴的“认错”不是一句简单的自我批评。他真正承认的是，具身智能行业过去默认的那套解决问题的方式，可能不是唯一的路，甚至可能不是最快的路。通用大模型的能力增长，或许正在动摇整个行业的基础。

不过，这并不意味着传统机器人技术会被淘汰。天眼查信息显示，宇树科技的知识产权主要集中在硬件与控制层面，目前拥有超百项机器人专利，涵盖人形机器人的动作控制方法、拳击控制方法和系统等。宇树的运动控制、硬件设计以及量产能力，依旧是真真切切的硬实力。问题在于，这类技术恐怕已经很难再“构成壁垒”。

王兴兴真正看轻的，并非某项具体的AI技术，而是AI不断进化、又反过来给研发流程提速的那种自我强化能力。

于是，王兴兴认了错。可大模型就算一路狂奔，具身智能的瓶颈会自己消失吗？

具身智能瓶颈，如何突破？

身上带着浓重“技术极客”气质的王兴兴，不会停在认错这一步。AI赢了，硬件公司服了，事情就到此为止吗？

工博会上，王兴兴把话题拉回了现实。

“明年GPT-7出来，可能直接把具身智能问题打穿。”这话听着像是服了大模型，但八月和十月，王兴兴还反复讲过另一句：“具身智能迈过ChatGPT时刻最核心的挑战，仍然是AI模型的输入输出和真实机器人的对齐。大模型可以规划和导航，但物理接触之后的事情还没有解决。”

从“会说”到“会做”，中间隔着的距离还很大。

大语言模型这边，输入是文字，输出也是文字，出错能撤回，重来一次几乎不花成本。机器人处在物理现实里，情况完全两样：输入是传感器信号，输出是关节力矩。传感器有噪声，执行器有延迟，物体有摩擦系数，环境有光照变化。任何细微变动，都可能导向完全不同的结果。

王兴兴举过一个具体例子：让机器人拿东西，眼看快拿住了，最后差几厘米甚至几毫米，误差修正不了，成功率就严重下跌。GPT-6能理解“把纸盒扔进垃圾桶”这个指令，却理解不了纸盒被捏扁之后重心怎么变，也不理解垃圾桶边缘的反弹力、地面湿滑对步态的影响。

靠更大的参数量、更多的文本训练数据，这些问题解决不了。物理世界的规律得用物理交互的数据来学，可真机数据采集又慢又贵，很难规模化。

王兴兴给出的思路，叫“物理AI自进化”。

说白了，就是让AI不光是控制机器人，还用来给机器人能力的研发过程提速。AI自己去检索论文、写控制代码、在仿真里试错、部署到真机测试、再按结果迭代。这套闭环真能跑通，数据采集和模型迭代的效率会大幅提升。

不过，这个思路有个前提：仿真环境和真实世界之间的差距要足够小，小到仿真里学到的东西搬到真机上不会完全失效。这个“足够小”，眼下还没被证明。

这么看，王兴兴的立场似乎有点矛盾。他一边说“一两年内击穿”，一边又说“对齐问题没解决”。其实，大模型能力的增长曲线确实非常陡峭，物理执行这边却每一步都磕磕绊绊，两件事都真实存在。

大模型的发展，王兴兴没法假装没看见；具身智能的瓶颈，他也不能直接跨过去。所以他的“认错”，认的是前者的速度；他的“担忧”，是技术瓶颈不会因为前者变快就自动解决。

这层矛盾，从宇树科技的财报数据里能看出些端倪：三季度营收6.65亿，同比增长69.93%，归母净利润1.13亿，同比下降17.37%，扣非净利润下降17.42%。钱花哪了？研发。

眼下，宇树科技研发投入占营收的比例，从上一年同期的9%直接跳到19%以上。王兴兴不敢停，他要在物理执行的瓶颈被AI大模型突破之前，尽量把自身实力充实起来。

他的焦虑，比“机器人能不能造出来”要复杂得多。

宇树科技压力和出路

其实在具身智能这条赛道上，宇树科技的机器人造得还不错。机器人接连登上春晚，累计卖出几万台，同行普遍亏损的时候它还能盈利。

可这不是关键。王兴兴要面对的局面并不乐观：“让机器人干活”这件事的解决方式一旦变了，宇树围绕“造机器人”攒下的整套优势还能不能兑换成未来的竞争力，已经成了问题，“降维打击”的阴影就在头顶盘旋。

压力有三重。第一重是研发速度要被重新定义。工博会上，王兴兴描述过机器人模型开发的现状：研究人员有了想法，查论文、写代码、训模型、测试、手动反馈，一轮迭代下来周期很长。

按他最新的判断，这些环节AI都能自动完成。若真如此，企业之间的差距就不再取决于“谁有多少工程师”，而取决于“谁的AI闭环跑得更快”。同时，研发投入激增、增收不增利的财报数据也说明，这个闭环现在还处在“烧钱”阶段，未必能立刻换来利润。

花钱买速度，能不能买到，是另一回事。

技术壁垒的迁移，是宇树背负的第二重压力。过去宇树科技的壁垒说来简单：机器人造得便宜，还能跑能跳。可通用大模型让“机器人干活”这件事越来越便宜、越来越通用，硬件成本上的那点优势，早晚被压成制造业利润。

王兴兴自己列过一张单子：大规模制造能力、专属物理AI模型、超大规模算力集群、芯片供给、能源供给。这几样里，宇树在制造上有积累，模型和算力却占不到便宜。他也坦言，宇树“跟全球最头部的多模态大模型公司做一模一样的模型，那是不太现实的”。这话说得清醒，也透着无奈。

第三重压力藏在股价反弹背后，容易被忽略：技术突破和商业成功之间隔着一段时间差。在王兴兴看来，GPT 7发布之后，具身智能可能被打穿。不过“打穿”和“赚钱”是两码事。物理AI技术要规模化落地，感知精度、运动控制稳定性、数据积累、软硬件协同，哪一道坎都绕不过去。

宇树的路子已经摆明：一头接着做硬件，把出货量往上顶，让规模本身成为筹码；另一头押注“物理AI自进化”，赌的是在通用大模型把“身体硬件”的溢价彻底抹平之前，自己已经握住真实场景里的部署规模和数据回流，到时候议价权就在手里。

王兴兴说，“我真的非常害怕浪费每一天”。

这股紧迫感，不是冲着哪一家公司去的，而是对着一个正在收窄的窗口。

股价反弹，或许给了王兴兴更多时间和空间再搏一把。可代价也被推得更高。说到底，他真正要提防的，也许是宇树过去那套成功路径，明天未必还能让宇树活得好。