芝能科技出品

當物理世界開始“閱讀”邏輯，英偉達GTC大會會場卻彌漫著一種緊張而興奮的氣息。

過去幾年，AI的熱潮主要停留在數字世界：文本、圖像、模型推理，但今年的焦點已轉向具身智能（Embodied AI）。

宇樹科技創始人王興興的《如何邁過具身智能的ChatGPT時刻》，回答一個困擾機器人學界半個世紀的問題：為什么讓機器寫詩如此輕松，而讓它像三歲孩子一樣穩穩倒一杯水卻極難？

ChatGPT的爆發讓數字世界迎來了邏輯涌現，而物理世界正屏息以待它的“破繭時刻”。

01

重塑邊界：

什么是真正的“ChatGPT時刻”

過去十年，機器人行業一直停留在“提線木偶”階段。

無論是工廠里揮舞的機械臂，還是餐廳里滑行的送餐機器人，它們本質上都是規則的奴隸：程序員寫下if-else指令，定義在A點做什么，在B點避開什么。

王興興稱，這種“結構化環境下的優異表現”，只是偽智能。

真正的具身智能，需要泛化能力：當你把機器人放進一個它從未見過的廚房，它應像初入職場的學徒，通過視覺掃描環境，識別洗手池、抹布和杯子，并根據一句“幫我洗個杯子”，自主規劃出抓取、沖洗、控干的動作序列。

為了量化這個概念，他提出了“80-80法則”：在80%的陌生環境中，僅憑語言指令完成約80%的任務。

◎ 環境陌生度：機器人的感知編碼能力必須足夠強大，即便光線昏暗、雜物堆積，或地形復雜，它仍能準確定位目標。

◎ 任務完成率：機器人必須在沒有預演的情況下，處理諸如“杯子滑落”“水流濺射”等突發動態問題。

只有跨過這條線，機器人才能從“昂貴的工業擺件”變成社會基礎設施。至于時間表，這個“ChatGPT時刻”最快1-2年內到來，慢則2-3年。

數字世界可以通過算力暴力突破，但物理世界面臨重力、摩擦和不可預測的突發狀況——這里的挑戰不僅是比特（Bit）的碰撞，更是原子（Atom）的較量。

02

核心技術挑戰：

三大深水區

具身智能之所以遲遲未至，是因為它必須解決三個底層技術難題，王興興形象地稱之為機器人的“小腦發育不足”“閱歷貧乏”和“記憶斷層”。

● 動作表達的高維陷阱

 抓取一個生雞蛋的動作，看似簡單，但其實涉及數百個肌肉纖維與神經末梢的高頻協作。對于人形機器人而言，這意味著幾十個關節自由度（DoF）的毫秒級同步。

目前大多數機器人只能完成離散動作，如“走過去”“伸手”“抓取”，但現實中動作應像絲般順滑、連續組合。瞬態控制尤為關鍵：濕滑地面行走時的平衡調整，要求模型具備極高推理速度和動作編碼解碼能力。

● 數據的貧礦難題

與大語言模型不同，機器人無法吞下整個互聯網來“訓練”。王興興提出“混合喂養”策略：

◎ 互聯網視頻為主食：通過觀看人類操作視頻，機器人建立對物理世界的初步認知。

◎ 仿真合成數據為點心：在數字孿生世界中進行億次跌倒、抓取嘗試。

◎ 真機微調為靈魂：利用少量高質量真實數據對模型進行微調和對齊。

這里的核心不是數據量，而是數據利用效率。

● 強化學習的規模效應迷思

強化學習在AI領域被視為通往AGI的鑰匙，但在機器人上存在“閱后即焚”的問題：訓練一次開門可能需要大量數據，但這些經驗往往無法復用。

王興興強調，需要建立可積累的策略庫，讓新任務學習可以借用舊任務邏輯碎片——就像學會騎自行車的平衡感會遷移到騎摩托車。

03

硬件與應用進化：

從實驗室到社會基礎設施

硬件演進是具身智能落地的基礎。宇樹科技的產品呈現出清晰階梯：從小型研究平臺到工業作業，再到復雜環境生存能力。

● G1：人形機器人的極客先鋒

 身高1.3米的G1緊湊靈巧，不追求威猛，而是驗證在有限體積內如何塞進足夠自由度與傳感器。它成為全球開發者研究動作算法的標準化平臺。

● H1：工業肌肉勞力

 身高1.8米的H1關注生產力和安全。在中大型作業場景，它需與人保持2-3米安全距離，獨立完成作業島任務。這代表未來工廠機器人邏輯的重構：不再是鄰座幫手，而是獨立數字工匠。

● As2：輕量化巡邏者

 四足機器人As2用于復雜地形巡邏，高防護、高負載、長續航。它為AI算法積累真實室外環境數據，是“ChatGPT時刻”到來前的特種兵。

AI端的發展也在硬件上實現落地：世界模型和VLA（視覺-語言-動作）模型讓機器人能夠在仿真與真實環境中進行“白日夢”，預測動作結果和環境反饋，逐步提升生產場景勝率。

全球協同與開源策略，讓知識碎片和算法積累不再局限于單個實驗室，而是形成可遷移的產業級智能生態。

小結

具身智能的未來是社會生產力和生活方式的重塑。王興興認為，當黎明破曉，機器人將成為“鐵同事”，與人類在物理世界共處，而我們需要理解、規劃并善用這場技術變革。

       原文標題 : 機器人行業臨界點：王興興聊具身智能的“ChatGPT時刻”