太业余？有科技公司CEO怒怼王兴兴，建议他别聊AI了，你们怎么看？_风闻

8月9日，宇树科技创始人兼CEO王兴兴在北京举行的世界机器人大会上，谈及当前智能机器人暂时还没得到大规模应用的技术障碍时表示，最大的挑战是模型。“现在对具身智能和机器人来说，AI模型完全不够用，这也是限制当前人形机器人大规模应用最大的卡点。”此外，王兴兴对目前机器人公司选择的常用技术路线VLA模型架构持怀疑态度。

VLA模型指的是Vision-Language-Action Model（视觉－语言－动作模型），可以把它理解为——让机器“看得懂、听得懂，并且能动起来”的一种AI模型，强调像人一样，从感知环境到自主决策并采取一定的行动。

王兴兴认为，对于VLA模型，目前在真实世界交互中，数据采集的质量和数量都不足，即便在VLA模型基础上加入Reinforcement Learning（强化学习训练），仍不够用，模型本身还需要进一步升级和优化。

“目前机器人大模型类似于处在ChatGPT出来前的一到三年。”王兴兴称。

什么时候才能达到机器人GPT时刻？

王兴兴认为，如果有一天，我们带一台机器人到一个它此前从未去过的环境，随便给它一个指令，譬如“把这瓶水递给某位观众”或“帮忙整理一下这个房间”，它就能顺畅、自主地完成任务。那时就接近机器人的“GPT时刻”了。

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

王兴兴认为，谷歌这条视频生成路线技术的收敛速度和成功概率可能会比VLA模型更高，但仍然面临还有很多挑战。其中一个主要问题是，视频生成模型过于关注画质，导致GPU消耗非常大。

另外，王兴兴指出，目前还面临的一个大问题是，如果要进一步提升机器人模仿学习的能力，必须解决Scaling

law，而这一点目前行业做得并不好。“最简单的例子是，当我训练机器人执行一个新动作，比如学一支新舞或完成一项新任务时，往往需要从零开始训练，这非常低效。理想情况下，新的训练应该基于已有训练成果，让训练速度越来越快，学习新技能的效果越来越好。”

王兴兴指出，这是一个非常值得深入研究的方向，Scaling law在语言模型上的成功已经得到验证，但在机器的运动控制上，大家做的还只是刚刚开始，他建议可以关注这方面的研究。

王兴兴表示，在未来两到五年，除了更低成本、更高寿命的硬件之外，机器人的技术核心仍将是端到端的具身智能AI模型。

除了发表演讲，王兴兴在现场还接受了包括央视财经在内的多家媒体采访。

问：在机器人研发层面，还有哪些技术有待突破？

**王兴兴：**今天我还看到一种说法，马斯克认为未来基本上每个人都不用写代码，AI会帮助生成代码。确实，目前AI在写代码这个领域的技术进步非常快，这也是各家公司非常关注的。简单的程序或简单代码，AI的成功率确实非常高，但如果代码非常复杂，那成功率肯定是会下降不少的，这个成功率指的是一遍就成的成功率。

所以我觉得，最大的技术点还是要把具身智能AI模型做得更好。对行业来说，目前机器人的AI能力还不够用。如果哪一天，在这个场馆里，每台人形机器人都能随意地走来走去，人能随便跟它说点什么，能让它帮忙干点事的时候，才算达到了一个比较好的临界点。这是我们的目标，也是当下社会期待机器人能实现的点。

机器人领域，模型能力优先于数据能力问：目前机器人落地应用的技术难点有哪些？如何解决机器人通用泛化性以及自主决策能力不足问题？

**王兴兴：**目前机器人的硬件能力是够用的，当然不足够好，想要更大规模、更低成本、更高可靠性，硬件肯定要继续完善。最大的难点还是目前整个具身智能AI模型在本质上还没有达到一个阶段性突破的临界点。举个例子，ChatGPT时刻在具身智能领域还没有发生，AI很多情况下是阶梯式的进步。今天可能大家感觉不到，但突然有个阶段性的进步，这是非常容易发生的。

另外，语言模型领域是纯数据驱动的，有足够多、足够好的数据，语言模型的性能就会上升得非常快，但是在机器人领域，这个点反而是很大的一个问题。无论用哪种方法采集的数据，真正放到机器人上，跟实物机器人的偏差还是非常大。

某种意义上，哪怕采集了大量数据，把机器人的数据训练出来部署到实物机器人上，会发现没办法很好地对齐。所以在机器人领域，尤其对AI模型本身能力的要求是需要定位到更高级别。简单说，我们希望达到什么效果呢？就是只要很少的数据就能把机器人训练出来，成功率很高而且泛化能力很好。我们希望有这样的模型出来，然后再用数据去训练。而不是现在可能模型都没有，又搞一大堆数据去训练，这个效果其实不是特别理想。

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

目前，国内多家具身智能和机器人公司都在布局VLA模型、AI数据采集等技术方向。

对于王兴兴的言论，很多行业人士并不完全同意。其中，AI世界模型技术公司极佳科技创始人、CEO黄冠发朋友圈表示：“哭笑不得，关于数据、VLA、世界模型的观点也太业余了，建议王兴兴还是好好做下肢硬件和运控，不要谈AI了!”

链接阅读：

王兴兴「炸裂」发言：对VLA持怀疑态度，数据并非最关键问题

今日（2025年8月9日），宇树科技创始人兼CEO王兴兴在「2025世界机器人大会」的论坛上，发表了最新演讲。以下是RoboX整理出的部分关键演讲内容：

王兴兴表示，今年上半年，整个机器人行业非常火爆，再加上政策的支持，相关整机厂商及零部件厂商，平均每家企业至少有将近50%-100%的增长，这意味着需求端拉动了整个行业的发展。

在海外，特斯拉今年大概他们会发布他们第三代的特斯拉的人体机器人，同时包括英伟达、苹果，META等头部企业都在持续推动机器人领域的发展。

在此背景下，王兴兴分享了几个个人观点：

1、关于本体的误区

之所以机器人还没有大规模应用，并非因为硬件不够好或者成本比较高。他认为其实从技术层面或者AI角度来说，目前硬件是完全够用的，这也包括人形机器人和灵巧手。

关键问题在于量产，相关的工程问题非常多。

2**、具身AI完全不够用**

与硬件相比，更大的挑战，还是具身智能的AI完全不够用，这也是限制机器人尤其人形进行大规模应用的最大问题。

王兴兴认为，目前的智能体AI应用，感觉类似于ChatGPT出来前的1-3年左右。目前业界已经发现了类似的方向以及技术路线，但是还没人把它做出来。

而机器人的临界点应当达到什么程度？他表示，如果哪一天我们带一个人形机器人来到完全陌生的会场，和它说，帮忙把这瓶水带给某个观众，它可以流畅地完成；或者说「把这个房间整理一下」，它也能自己完成，那就差不多达到了临界点。

“如果快的话，未来的1-3年内还是很有可能实现的。最慢的话估计3-5年也可以实现，但是现在确实还没有达到这个效果。”

3**、关键问题：数据还是模型？**

之所以智能机器人还没达到应有水平，到底是模型的问题，还是数据的问题？王兴兴给出了独特答案：

“目前全球范围内，大家对于机器人数据问题的关注度，都有点太高了。现在最大的问题其实反而是模型。”

他认为，目前具身智能和机器人的模型架构不够好，也不够统一。

“在大语言模型领域，当有了足够多的好数据时，就能把模型训练得越来越好。但是在具身智能领域，会发现在很多情况下，数据采了却用不起来。大家对模型的关注目前是相对有点少，反而对数据关注有点太高了。”

4、对VLA模型持怀疑态度

“VLA是一个相对傻瓜式的架构，我个人对它还是抱一个比较怀疑的态度。”

王兴兴表示，VLA模型对于真实世界的交互，数据质量是不太够用的。有个简单的想法，是在VLA模型上加RL训练，但综合宇树长期的尝试来看，VLA+RL还是不够的，模型架构还得再升级和优化。

5**、宇树的做法**

去年，OpenAI发布了视频生成模型以后，行业内产生了一个想法——如果生成一个「整理房间」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执行？

去年，宇树就做了这个事情——**利用预训练的机器人动作视频，去控制机器人仿照执行。**他指出，目前谷歌的全新一代的视频生成模型，也是一个视频驱动的世界模型，同样想实现这样的效果。

“我觉得这个路线的方向，可能比VLA模型的收敛概率还大。但是我没有验证不敢打包票，目前该方法的问题就是，视频生成模型太考验视频生成质量了，导致对GPU的消耗有点大。但是对机器人来说，如果遇到并不需要很高精度的视频生成质量，还是可行的。”

6、机器人的Scaling law才刚开始

王兴兴指出，目前宇树等品牌的机器人，在跳舞、格斗等动作上，实现的效果还不错。但是要想进一步整体提升能力，还面临着一个很大的问题。

“目前，机器人领域的Scaling law，大家做得非常不好。举个最简单例子，如果我有一个新的舞蹈要去训练，那么每次加入新的动作，都要重新训练，而是从头开始训练，这是非常不好的。我们是希望我每做一个新训练的时候，是可以在之前的训练基础上去做AI训练的。”

他认为，做AI训练的时候，理论上应该训练速度越来越快，学习新技能的效果越来越好。但是全行业内目前还没人能做出来，这是非常值得做的一个方向。

因为这在语言模型上已得到过充分验证，但是在机器人的运动控制上面，大家才刚刚开始。

“在未来2-5年，最重要的还是端到端的具身智能AI模型，模型本身是非常最重要的。”

7**、硬件工程优化**

更低成本、更高寿命的硬件，哪怕对于已经发展100多年的汽车行业来说，如果要做一辆很好的汽车出来，工程量还是非常大的。

“对机器人行业来说，未来可能每年要生产几百万、几千万甚至几亿台的人形机器人。如果要大批量生产制造出来，它的工程量的挑战还是非常吓人的一件事情。”

8**、算力部署的局限性**

目前，在人形机器人上，或者在移动机器人本体上，没办法直接部署很大规模的算力。这是因为它的尺寸和电池都有限，它部署的算力功耗也是有限制的。

王兴兴称，在人形机上，最多只能部署峰值功耗约为100瓦的算力，且平时工作时算力只有几个手机的水平。但是，未来的机器人对于大规模算力的需求肯定是毋庸置疑的，而且可能会是分布式的算力。

因为，大家都希望机器人工作的通信延迟比较低。此时如果数据中心或者算力中心在异地，延迟实在是太大了。所以他认为，未来如果一座工厂里有100个机器人，也可以配备集群的分布式服务器，这样其安全性和通讯延时是可以接受的。

再比如，如果一个小区中每家每户都有机器人的时候，该小区也可以有分布式的集群。并且如果有一个新客户想买一台人形机器人的时候，他不需要给这部分算力的建设花钱，成本也会更低很多。

“我觉得分布式集群是未来在机器人领域非常重要的构成。”王兴兴说道。

9、全球共创的重要性

他认为，机器人领域是一个全球共创的过程，包括中国、美国的很多的大企业，大家在过去的很多年和当下，都做了很多贡献，也希望共同推动行业进步。

“在AI领域，没有一家大公司能保证只要有足够的人、有足够的资源，就能永远保持在AI领域领先。OpenAI和DeepSeek已经证明了AI的创新，永远伴随着一些随机性。所以很多情况下，需要每家公司或者每家高校都做出很多贡献，进行全球共创。”