8月9日，宇树科技创始人兼CEO王兴兴在北京举办的国际机器人大会上，谈及当时智能机器人暂时还没得到大规划使用的技能妨碍时表明，最大的应战是模型。“现在对具身智能和机器人来说，AI模型彻底不行用，这也是约束当时人形机器人大规划使用最大的卡点。”此外，王兴兴对现在机器人公司挑选的常用技能道路VLA模型架构持置疑情绪。

VLA模型指的是Vision-Language-Action Model（视觉－言语－动作模型），能够把它理解为——让机器“看得懂、听得懂，而且能动起来”的一种AI模型，着重像人相同，从感知环境到自主决议计划并采纳必定的举动。

王兴兴以为，关于VLA模型，现在在实在国际交互中，数据收集的质量和数量都缺乏，即便在VLA模型基础上参加Reinforcement Learning（强化学习练习），仍不行用，模型自身还需求进一步晋级和优化。

“现在机器人大模型相似于处在ChatGPT出来前的一到三年。”王兴兴称。

什么时分才干到达机器人GPT时间？

王兴兴以为，假如有一天，咱们带一台机器人到一个它此前从未去过的环境，随意给它一个指令，比方“把这瓶水递给某位观众”或“协助收拾一下这个房间”，它就能顺利、自主地完结任务。那时就挨近机器人的“GPT时间”了。

本年5月，谷歌在I/O开发者大会上正式发布了新的国际模型Veo 3，这是其首款能够同步生成音效（包含环境音与对话）的AI视频生成模型。

王兴兴以为，谷歌这条视频生成道路技能的收敛速度和成功概率或许会比VLA模型更高，但仍然面对还有许多应战。其间一个首要问题是，视频生成模型过于重视画质，导致GPU耗费十分大。

别的，王兴兴指出，现在还面对的一个大问题是，假如要进一步提高机器人模仿学习的才能，有必要处理Scaling

law，而这一点现在职业做得并欠好。“最简略的比方是，当我练习机器人履行一个新动作，比方学一支新舞或完结一项新任务时，往往需求从零开始练习，这十分低效。抱负情况下，新的练习应该根据已有练习作用，让练习速度越来越快，学习新技能的作用越来越好。”

王兴兴指出，这是一个十分值得深入研讨的方向，Scaling law在言语模型上的成功现已得到验证，但在机器的运动操控上，咱们做的还仅仅刚刚开始，他主张能够重视这方面的研讨。

王兴兴表明，在未来两到五年，除了更低本钱、更高寿数的硬件之外，机器人的技能中心仍将是端到端的具身智能AI模型。

除了宣布讲演，王兴兴在现场还承受了包含央视财经在内的多家媒体采访。

问：在机器人研制层面，还有哪些技能有待打破？

王兴兴：今天我还看到一种说法，马斯克以为未来基本上每个人都不必写代码，AI会协助生成代码。的确，现在AI在写代码这个范畴的技能前进十分快，这也是各家公司十分重视的。简略的程序或简略代码，AI的成功率的确十分高，但假如代码十分复杂，那成功率必定是会下降不少的，这个成功率指的是一遍就成的成功率。

所以我觉得，最大的技能点仍是要把具身智能AI模型做得更好。对职业来说，现在机器人的AI才能还不行用。假如哪一天，在这个场馆里，每台人形机器人都能随意地走来走去，人能随意跟它说点什么，能让它协助干点事的时分，才算到达了一个比较好的临界点。这是咱们的方针，也是当下社会等待机器人能完结的点。

机器人范畴，模型才能优先于数据才能

问：现在机器人落地使用的技能难点有哪些？怎么处理机器人通用泛化性以及自主决议计划才能缺乏问题？

王兴兴：现在机器人的硬件才能是够用的，当然缺乏够好，想要更大规划、更低本钱、更高可靠性，硬件必定要继续完善。最大的难点仍是现在整个具身智能AI模型在本质上还没有到达一个阶段性打破的临界点。举个比方，ChatGPT时间在具身智能范畴还没有产生，AI许多情况下是阶梯式的前进。今天或许咱们感觉不到，但忽然有个阶段性的前进，这是十分容易产生的。

别的，言语模型范畴是纯数据驱动的，有满足多、满足好的数据，桑叶2电影无删减版韩语言语模型的功能就会上升得十分快，可是在机器人范畴，这个点反而是很大的一个问题。不管用哪种办法收集的数据，实在放到机器人上，跟什物机器人的误差仍是十分大。

某种意义上，哪怕收集了许多数据，把机器人的数据练习出来布置到什物机器人上，会发现没办法很好地对齐。所以在机器人范畴，特别对AI模型自身才能的要求是需求定位到更高等级。简略说，咱们期望到达什么作用呢？便是只需很少的数据就能把机器人练习出来，成功率很高而且泛化才能很好。咱们期望有这样的模型出来，然后再用数据去练习。而不是现在或许模型都没有，又搞一大堆数据去练习，这个作用其实不是特别抱负。

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

现在，国内多家具身智能和机器人公司都在布局VLA模型、AI数据收集等技能方向。

关于王兴兴的言辞，许多职业人士并不彻底同意。其间，AI国际模型技能公司极佳科技创始人、CEO黄冠发朋友圈表明：“哭笑不得，关于数据、VLA、国际模型的观念也太业余了，主张王兴兴仍是好好做下肢硬件和运控，不要谈AI了!”

链接阅览：

王兴兴「迸裂」讲话：对VLA持置疑情绪，数据并非最要害问题

今天（2025年8月9日），宇树科技创始人兼CEO王兴兴在「2025国际机器人大会」的论坛上，宣布了最新讲演。以下是RoboX收拾出的部分要害讲演内容：

王兴兴表明，本年上半年，整个机器人职业十分火爆，再加上方针的支撑，相关整机厂商及零部件厂商，均匀每家企业至少有将近50%-100%的增加，这意味着需求端拉动了整个职业的开展。

在海外，特斯拉本年大约他们会发布他们第三代的特斯拉的人体机器人，一起包含英伟达、苹果，META等头部企业都在继续推进机器人范畴的开展。

在此布景下，王兴兴共享了几个个人观念：

1、关于本体的误区

之所以机器人还没有大规划使用，并非由于硬件不行好或许本钱比较高。他以为其实从技能层面或许AI视点来说，现在硬件是彻底够用的，这也包含人形机器人和灵活手。

要害问题在于量产，相关的工程问题十分多。

2、具身AI彻底不行用

与硬件比较，更大的应战，仍是具身智能的AI彻底不行用，这也是约束机器人特别人形进行大规划使用的最大问题。

王兴兴以为，现在的智能体AI使用，感觉相似于ChatGPT出来前的1-3年左右。现在业界现已发现了相似的方向以及技能道路，可是还没人把它做出来。

而机器人的临界点应当到达什么程度？他表明，假如哪一天咱们带一个人形机器人来到彻底生疏的会场，和它说，协助把这瓶水带给某个观众，它能够流畅地完结；或许说「把这个房间收拾一下」，它也能自己完结，那就差不多到达了临界点。

“假如快的话，未来的1-3年内仍是很有或许完结的。最慢的话估量3-5年也能够完结，可是现在的确还没有到达这个作用。”

3、要害问题：数据仍是模型？

之所以智能机器人还没到达应有水平，到底是模型的问题，仍是数据的问题？王兴兴给出了一起答案：

“现在全球范围内，咱们关于机器人数据问题的重视度，都有点太高了。现在最大的问题其实反而是模型。”

他以为，现在具身智能和机器人的模型架构不行好，也不行一致。

“在大言语模型范畴，当有了满足多的好数据时，就能把模型练习得越来越好。可是在具身智能范畴，会发现在许多情况下，数据采了却用不起来。咱们对模型的重视现在是相对有点少，反而对数据重视有点太高了。”

4、对VLA模型持置疑情绪

“VLA是一个相对傻瓜式的架构，我个人对它仍是抱一个比较置疑的情绪。”

王兴兴表明，VLA模型关于实在国际的交互，数据质量是不太够用的。有个简略的主意，是在VLA模型上加RL练习，但归纳宇树长时间的测验来看，VLA+RL仍是不行的，模型架构还得再晋级和优化。

5、宇树的做法

上一年，Open桑叶2电影无删减版韩语AI发布了视频生成模型今后，职业界产生了一个主意——假如生成一个「收拾房间」的视频，是不是能让视频生成模型直接去驱动一个机器人去履行？

上一年，宇树就做了这个作业——使用预练习的机器人动作视频，去操控机器人模仿履行。他指出，现在谷歌的全新一代的视频生成模型，也是一个视频驱动的国际模型，相同想完结这样的作用。

“我觉得这个道路的方向，或许比VLA模型的收敛概率还大。可是我没有验证不敢打包票，现在该办法的问题便是，视频生成模型太检测视频生成质量了，导致对GPU的耗费有点大。可是对机器人来说，假如遇到并不需求很高精度的视频生成质量，仍是可行的。”

6、机器人的Scaling law才刚开始

王兴兴指出，现在宇树等品牌的机器人，在跳舞、搏斗等动作上，完结的作用还不错。可是要想进一步全体提高才能，还面对着一个很大的问题。

“现在，机器人范畴的Scaling law，咱们做得十分欠好。举个最简略比方，假如我有一个新的舞蹈要去练习，那么每次参加新的动作，都要从头练习，而是从头开始练习，这是十分欠好的。咱们是期望我每做一个新练习的时分，是能够在之前的练习基础上去做AI练习的。”

他以为，做AI练习的时分，理论上应该练习速度越来越快，学习新技能的作用越来越好。可是全职业界现在还没人能做出来，这是十分值得做的一个方向。

由于这在言语模型上已得到过充沛验证，可是在机器人的运动操控上面，咱们才刚刚开始。

“在未来2-5年，最重要的仍是端到端的具身智能AI模型，模型自身是十分最重要的。”

7、硬件工程优化

更低本钱、更高寿数的硬件，哪怕关于现已开展100多年的轿车职业来说，假如要做一辆很好的轿车出来，工程量仍是十分大的。

“对机器人职业来说，未来或许每年要出产几百万、几千万乃至几亿台的人形机器人。假如要大批量出产制造出来，它的工程量的应战仍是十分吓人的一件作业。”

8、算力布置的局限性

现在，在人形机器人上，或许在移动机器人本体上，没办法直接布置很大规划的算力。这是由于它的尺度和电池都有限，它布置的算力功耗也是有约束的。

王兴兴称，在人形机上，最多只能布置峰值功耗约为100瓦的算力，且平常作业时算力只需几个手机的水平。可是，未来的机器人关于大规划算力的需求必定是毋庸置疑的，而且或许会是分布式的算力。

由于，咱们都期望机器人作业的通讯推迟比较低。此刻假如数据中心或许算力中心在异地，推迟实在是太大了。所以他以为，未来假如一座工厂里有100个机器人，也能够装备集群的分布式服务器，这样其安全性和通讯延时是能够承受的。

再比方，假如一个小区中每家每户都有机器人的时分，该小区也能够有分布式的集群。而且假如有一个新客户想买一台人形机器人的时分，他不需求给这部分算力的建造花钱，本钱也会更低许多。

“我觉得分布式集群是未来在机器人范畴十分重要的构成。”王兴兴说道。

9、全球共创的重要性

他以为，机器人范畴是一个全球共创的进程，包含我国、美国的许多的大企业，咱们在曩昔的许多年和当下，都做了许多奉献，也期望一起推进职业前进。

“在AI范畴，没有一家大公司能确保只需有满足的人、有满足的资源，就能永久保持在AI范畴抢先。OpenAI和DeepSeek现已证明了AI的立异，永久伴随着一些随机性。所以许多情况下，需求每家公司或许每家高校都做出许多奉献，进行全球共创。”