2025年世界机器人大会上，宇树科技创始人王兴兴抛出一个反共识观点：限制机器人产业爆发的核心不是数据不足，而是模型架构的落后——这犹(yóu)如(rú)一(yī)盆(pén)冷(lěng)水(shuǐ)，浇(jiāo)在(zài)疯(fēng)狂收集数据的机器人厂商头上。

北京亦庄，2025世界机器人大会主论坛现场，宇树科技CEO王兴兴站在演讲台前，面对全球机器人产业精英，抛出了一个观点：“目前全球范围内，大家对机器人数据这个问题关注度有点太(tài)高(gāo)了(le)。”

在(zài)他看来：“现在最大的问题其实是模型问题，而不是数据问题。”

会场内一阵低声议论。在OpenAI成功范式影响下，全球机器人产业正疯狂收集数据，各地机器人数采中心如雨后春笋般涌现。王兴兴的论断犹如一盆冷水，泼在了整个行业的发展思路上。

当硬件够用，Ai掉队

2025年，机器人产业正迎来前所未有的繁荣景象。先是智元机器人以大手笔入主上纬新材，引发“借壳上市”的猜测，股价连续涨停10次，每次涨幅达20%，刷新了A股市场的纪录；随后，宇树科技年内四次传出IPO消息，直至中国证监会公布其上市辅导备案报告，IPO的悬念终于尘埃落定。

在近日开幕的(de)世(shì)界(jiè)机(jī)器(qì)人(rén)大(dà)会(huì)展厅内，灵活舞动的人形机器人随处可见，展台前观众络绎不绝。超过150款人形机器人同台亮相，创下了国内有史以来最大规模的人形机器人集体展示纪录。

王兴兴在演讲中透露，今年上半年，机器人行业增速惊人，整机及零部件厂商的平均增长率达到了50%-100%，这一增速在行业历史上极为罕见。

在这场行业狂奔的背后，是资本热潮的涌动。据驾趣智库不完全统计，截至8月7日，今年该领域已发生超过百起融资事件，累计融资金额接近300亿元（未披露的融资额未纳入统计）。相比之下，去年全年共发生72起融资事件，累计融资金额约为130.23亿元。今年以来的投资数量和金额已远超去年全年数据。

然而繁荣背后暗藏隐忧。王兴兴指出一个关键矛盾：“机器人硬件性能虽然还不够好，但目前是够用的。目前最大的挑战还是具身智能的AI完全不够用。这也是限制人形机器人大规模应用的最大点。”

这一判断得到产业数据的佐证。今年以来，从机器人首登央视春晚跳舞，到全球首个机器人半程马拉松“洋相百出”、即将开幕的全球首届人形机器人运动会，再到本届世界机器人大会和全国大学生机器人大赛等密集活动，人形机器人在表演、格斗等娱乐场景大放异彩，但在真正需要“干活”的工业场景，应用深度仍然有限。

“机器人的应用场景究竟为何？没有找准这一定位，就很难针对性的做技术突破。”在与某位业内技术大拿沟通时，他如是向驾趣智库坦言，是单纯陪伴，还是家务助手，抑或需要更精密操作，这些都需要不同的技术实现。

而在王兴兴看来，很多技术的进步是需要时间的，当下马上让一个(gè)机(jī)器(qì)人(rén)去(qù)家(jiā)里(lǐ)干(gàn)点(diǎn)有(yǒu)实(shí)际(jì)价(jià)值(zhí)的(de)活(huó)还(hái)不(bù)太(tài)现(xiàn)实(shí)，如(rú)果(guǒ)只(zhǐ)是(shì)做(zuò)个(gè)Demo（演(yǎn)示(shì)）或(huò)者(zhě)示(shì)例(lì)是(shì)没(méi)问(wèn)题(tí)的(de)。“我(wǒ)们(men)去(qù)年(nián)就(jiù)跟(gēn)汽(qì)车(chē)工(gōng)厂(chǎng)合作，在工厂落地部署机器人，但是真正让机器人产生比较大的价值，当下是不太现实的。”正如早期电脑诞生时，也同样不具备普适性、实用性。

“当前这个时点有点像ChatGPT出来之前的1到3年，”王兴兴如此比喻机器人大模型的发展阶段，“整个业界已经发现了类似的方向以及技术路线(xiàn)，但(dàn)是(shì)没(méi)人(rén)把(bǎ)它(tā)做(zuò)出(chū)来(lái)。”

具(jù)身(shēn)智(zhì)能(néng)大(dà)模(mó)型(xíng)的(de)滞(zhì)后(hòu)已(yǐ)成(chéng)为(wèi)制(zhì)约(yuē)机(jī)器(qì)人(rén)真(zhēn)正(zhèng)“干(gàn)活(huó)”的(de)核(hé)心(xīn)挑(tiāo)战(zhàn)。当(dāng)硬(yìng)件(jiàn)准(zhǔn)备(bèi)就(jiù)绪(xù)，AI大(dà)脑(nǎo)却(què)跟(gēn)不(bù)上(shàng)，这(zhè)场(chǎng)产(chǎn)业(yè)革命的步伐因此(cǐ)被(bèi)拖(tuō)慢(màn)。

VLA遇(yù)冷(lěng)，世(shì)界(jiè)模(mó)型(xíng)崛(jué)起(qǐ)

面(miàn)对(duì)具(jù)身(shēn)智(zhì)能(néng)的(de)模(mó)型(xíng)瓶(píng)颈(jǐng)，全球(qiú)科(kē)研(yán)团(tuán)队(duì)正(zhèng)探(tàn)索(suǒ)不(bù)同(tóng)技(jì)术(shù)路径。其(qí)中(zhōng)VLA+RL（视(shì)觉(jué)-语(yǔ)言(yán)-动(dòng)作(zuò)模(mó)型(xíng)+强(qiáng)化(huà)学(xué)习(xí)）路线(xiàn)获(huò)得(de)了(le)众(zhòng)多(duō)顶尖机构的青睐，被视为通向通用机器人智能的可行之路。

那么什么是VLA呢？简单来说，这类模型旨在将视觉感知、语言理解和物理动作融为一体，让机器人能够听懂人的指令（“把桌子上的苹果拿给我”），看懂当前的环境（识别出哪个是苹果、哪个是桌子），并自主生成一系列动作来完成任务。可以说，VLA正是未来通用机器人的“大脑”。

2023年7月，谷歌DeepMind就曾基于VLA架构推出RT-2模型，通过整合大语言模型与多模态数据训练，赋予机器人执行复杂任务的能力。其任务准确率较初代模型提升近一倍（从32%至62%），突破性地实现了垃圾分类等场景的零样本学习。

随后，VLA的理念很快被汽车公司关注，快速应用于汽车智能驾驶领域，如果说2024年“端到端”是智能驾驶领域最火的词汇，那么2025年非“VLA“莫属。小鹏汽车、理想汽车等公司都发布了各自的VLA方案。

但相较于智能驾驶汽车动辄百亿参数、近千TOPS算力的海量数据，仍处于量产初期的机器人训练数据集的参数量也大多只有100万至300万之间。更遑论机器人应用场景的多模态感知更丰富、执行动作更复杂、传感器数据更微观。

“我个人感觉，包括我们公司目前尝试下来，VLA+RL还是不够的。”王兴兴在大会上直言(yán)：

他(tā)点(diǎn)出(chū)关键问(wèn)题(tí)：VLA模(mó)型(xíng)在(zài)对(duì)真(zhēn)实(shí)世(shì)界(jiè)交(jiāo)互(hù)时(shí)数(shù)据(jù)质(zhì)量(liàng)不(bù)足(zú)，即(jí)使(shǐ)在(zài)强(qiáng)化(huà)学(xué)习(xí)的加持下，该模型架构仍需继续升级优化。这一判断揭示了当前机器人学习效率低下的核心原因——用错误的方法处理再多数据也难有突破。

在VLA路线遭遇挑战的同时，另一(yī)种(zhǒng)技(jì)术(shù)路径正(zhèng)在(zài)崭(zhǎn)露(lù)头(tóu)角(jiǎo)：“世(shì)界(jiè)模(mó)型(xíng)”作为通向通用人工智能（AGI）的重要阶梯，正吸引越来越多研究者的目光。

这种模型通过学习环境的时空动态，不仅能预测未来状态，还能评估自身行动的后果。

谷歌DeepMind于8月6日发布的第三代通用世界模型Genie 3成为大会热议话题。该系统能为机器人提供低成本虚拟训练环境，支持复杂任务的长时程模拟。王兴兴特别指出：“世界模型可能会比VLA模型更快落地，这一路线值得关注。”

世界模型的优势在于大幅降低训练成本。传统机器人训练需要大量物理试错，既耗时又耗资源；而高质量的世界模型能构建逼真的虚拟环境，使机器人在进入真实场景前已积累丰富“经验”。

另一个关键挑战是知识复用问题。王兴兴指出：“机器人学习新技能需从头训练，无法复用旧知识，亟需实现类似大模型的持续学习能力。” 这导致当前机器人技能学习效率低下，与人类举一反三的学习能力形成鲜明对比。

具身智能领域的“小样本高泛化”新范式成为突破方向。业内专家正研发通过少量数据训练出高算法能力的模型，而非依赖纯数据驱动，这将大幅提升机器人的适应能力和学习效率。

何时跨越“可用”到“好用”

面对未来2-5年的关键发展期，王兴兴清晰勾勒出智能机器人技术的三大重心：统一端到端智能机器人大模型、低成本高寿命硬件及超大批量制造、低成本大规模算力。这三大支柱将共同支撑机器人产业实现从“可用”到“好用”的关键跨越。

在硬件领域，降本增效已取得显著进展。宇树科技通过材料创新与模块化设计，已将人形机器人核心部件成本降低40%；同时，通过仿生关节设计，将关键部件寿命提升至3万小时以上。这些突破为人形机器人规(guī)模(mó)化(huà)商(shāng)用(yòng)奠(diàn)定(dìng)基(jī)础(chǔ)。

分(fēn)布(bù)式(shì)算(suàn)力(lì)网(wǎng)络(luò)将(jiāng)成(chéng)为(wèi)破(pò)解(jiě)机(jī)器(qì)人(rén)算(suàn)力(lì)瓶(píng)颈(jǐng)的(de)关键。王(wáng)兴(xìng)兴(xìng)指(zhǐ)出(chū)，人(rén)形(xíng)机器人本体算力有限，峰值功耗约100瓦，仅相当于几部手机的算力。“通过联邦学习实现多机器人数据共享，我们预计2027年将单台机器人训练成本降低至万元级。” 这一预测意味着机器人训练成本将迎来断崖式下降，为大规模部署扫清障碍。

王兴兴预测：“未来几年，全行业人形机器人出货量每年翻番都是有保证的。如果有更大的技术突破，甚至可能未来2-3年突然一年出货几十万台，甚至上百万台也有可能。” 这一爆发式增长将首先在工业场景显现，而汽车制造业有望成为最大(dà)受(shòu)益(yì)者(zhě)。

行(xíng)业(yè)生(shēng)态(tài)建(jiàn)设(shè)也(yě)在(zài)加(jiā)速(sù)。杭(háng)州(zhōu)具(jù)身(shēn)智(zhì)能(néng)应(yīng)用(yòng)中(zhōng)试(shì)基(jī)地(de)近(jìn)期(qī)启(qǐ)动(dòng)，整(zhěng)合(hé)宇(yǔ)树(shù)科(kē)技“最优本体”与华为、阿里云等“最强大脑”，打(dǎ)造(zào) “算(suàn)力(lì)+数(shù)据(jù)+模(mó)型(xíng)+场(chǎng)景(jǐng)应(yīng)用(yòng)”生(shēng)态(tài)，加(jiā)速(sù)具(jù)身(shēn)智(zhì)能(néng)在(zài)工(gōng)业(yè)领(lǐng)域的(de)规(guī)模(mó)化(huà)落(luò)地(de)。

机(jī)器(qì)人(rén)产(chǎn)业(yè)的(de)“ChatGPT时(shí)刻(kè)”何(hé)时(shí)到(dào)来(lái)？王(wáng)兴(xìng)兴(xìng)给(gěi)出(chū)的(de)预(yù)测(cè)是(shì)：最(zuì)快(kuài)未(wèi)来(lái)1-2年(nián)，最(zuì)慢(màn)3-5年(nián)。那(nà)个(gè)临(lín)界(jiè)点(diǎn)的(de)标(biāo)志(zhì)简(jiǎn)单(dān)而(ér)直(zhí)观(guān)——当(dāng)一(yī)个(gè)人(rén)形(xíng)机(jī)器(qì)人(rén)被(bèi)带(dài)到(dào)陌(mò)生(shēng)会(huì)场(chǎng)，能(néng)听(tīng)懂(dǒng)“把(bǎ)这(zhè)瓶(píng)水(shuǐ)带(dài)给(gěi)某(mǒu)位(wèi)观(guān)众(zhòng)”的(de)随(suí)机(jī)指(zhǐ)令(lìng)，并(bìng)流(liú)畅(chàng)完(wán)成(chéng)任(rèn)务(wu)，便(biàn)宣(xuān)告(gào)了(le)机(jī)器(qì)人(rén)智(zhì)能(néng)时(shí)代(dài)的(de)真(zhēn)正(zhèng)开(kāi)启(qǐ)。