1. 首頁 > 生活百科 > >

宇樹王興興最新演講：數據不是具身智能的最大挑戰

機器人人工智能wrc

宇樹王興興最新演講：數據不是具身智能的最大挑戰

文章圖片

宇樹王興興最新演講：數據不是具身智能的最大挑戰

文章圖片


智東西
作者 | 陳駿達
編輯 | 李水青
智東西8月9日報道 ， 今天 ， 宇樹科技創始人兼CEO、CTO王興興在2025世界機器人大會上 ， 分享了他對全球機器人行業發展現狀的最新觀點 。 王興興認為 ， 人形機器人行業已經走到“ChatGPT時刻”的前夜 ， 最快1-2年就能迎來這一時刻 。
【宇樹王興興最新演講：數據不是具身智能的最大挑戰】王興興認為 ， 由于政策支持與需求爆發 ， 2025年上半年 ， 人形機器人整機與零部件廠商平均實現了50%-100%的增長 ， 幅度驚人 。 然而 ， 行業內還存在幾大誤區：
首先 ， 人形機器人大規模應用的最大問題 ， 并不是硬件 ， 而是具身智能 。 雖然硬件在量產工程化上仍有提升空間 ， 但具身智能問題更為明顯 ， 還無法驅動機器人自主地完成任務 ， 這背后的原因并不是大家普遍關注的數據問題 ， 而是模型架構問題 。
王興興稱 ， 未來2到5年 ， 智能機器人技術的重心是端到端的具身智能AI模型 。 當前行業常見的VLA（視覺-語言-動作）模型 ， 在他看來屬于“傻瓜式架構” ， 他個人對這類模型持懷疑態度 。 由視頻生成模型（或是世界模型）驅動機器人控制 ， 是他眼中有望更快收斂的技術路徑 。
同時 ， 機器人研究還需要在強化學習Scaling Law（擴展定律）上實現突破 ， 從而讓每次訓練的速度越來越快 ， 學習新技能的效果越來越好 。 隨著機器人日益普及 ， 分布式的算力將成為大勢所趨 ， 有望突破機器人本體搭載算力的限制 ， 并滿足實際應用過程中對安全性和通信延遲的要求 。
王興興還在演講中回顧了宇樹科技的發展 ， 從2013年研發機器狗X dog原型機開始 ， 并獲得8萬元的第一桶金 ， 再到2023年應客戶需求推出首款人形機器人 ， 他認為 ， 機器人與AI的發展始終是一個全球共創的過程 ， 他也鼓勵更多企業和高校參與到這一過程中 。
以下是王興興部分精彩演講內容的整理（智東西在不改變原意的前提下 ， 進行了一定程度的增刪修改）：
我分享一下我個人對全球人形機器人行情的看法 。 今年上半年 ， 最大的特點就是由于機器人行業非常火爆 ， 以及政策的相關支持 ， 整機廠商、零部件廠商 ， 平均實現了50%到100%的增長 。 增長幅度還是非常嚇人的 ， 這對整個行業而言都是十分罕見的 ， 需求端拉動了整個的行業的發展 。
海外市場方面 ， 特斯拉作為行業代表 ， 計劃今年量產數千臺人形機器人 ， 并將發布第三代Optimus人形機器人 ， 值得重點關注 。 此外 ， 全球企業對機器人行業的熱情高漲 ， 包括英偉達、蘋果、Meta、OpenAI等企業都持續在推動這一領域的發展 。
我分享幾個個人的觀點 ， 未必準確 。
第一點 ， 對于機器人本體來說 ， 很多人可能會有這樣一個誤區：機器人目前沒有大規模應用、功能不夠完善的原因 ， 是硬件不夠好 ， 或者成本比較高 。
其實目前的硬件 ， 無論是整機還是靈巧手 ， 從某種意義上來說完全是夠用的 。 當然不夠好 ， 還需要優化 ， 更大的問題是量產 ， 工程上的問題肯定是很多的 。
但是在技術層面上 ， 或者從AI的角度來說 ， 目前的硬件是完全是夠用的 。 目前最大的挑戰還是具身智能 ， 或者說AI技術的發展 ， 完全不夠用 。 這也是限制當前機器人 ， 尤其是人形機器人大規模的應用的最大問題 。
目前 ， 機器人行業所處的位置 ， 就像是ChatGPT誕生前的1-3年左右 ， 目前業界已經發現了類似的方向以及技術路線 ， 但是沒人把它做出來 。
ChatGPT出來的前幾年 ， 做語音AI的已經做了十幾年 ， 近二十年了 ， 但是大家一直覺得他很傻瓜 ， 很弱智 ， 根本完全沒法用 。 ChatGPT出來后 ， 它實現了比一般人還要強的能力 。 機器人還沒有到達這一臨界點 。
對于機器人的AI技術 ， 我覺得臨界點可能是這樣的：當一個人形機器人能夠進入一個完全陌生的環境（比如從未見過的會?。 ?， 我跟他說“把這瓶水帶給某位觀眾” ， 或是“整理一下這個房間” ， 而它能夠順暢自主地完成任務 ， 這就是人形機器人的ChatGPT時刻 。
如果進展快的話 ， 可能未來的1-2年或者2-3年 ， 我們就能實現這一目標 ， 最慢的話3-5年也有很大概率能實現 。
目前 ， 具身智能不夠用的問題 ， 究竟是模型還是數據導致的？我反而感覺目前全球范圍內 ， 大家對機器人數據這個問題的關注度有點太高了 。 現在最大的問題是反而是模型的問題 ， 并不是數據問題 。
對于具身智能和機器人來說 ， 模型架構都還不夠好 ， 也不夠統一 。 大家對模型問題的關注度高 ， 反而對數據的問題關注很多 。 因為在大語言模型領域 ， 大家覺得我有足夠多的數據 ， 尤其有足夠多的好的數據的時候 ， 我就能把模型訓練的越來好 。
但是在具身智能 ， 在機器人領域 ， 大家可以發現 ， 很多情況下有了數據 ， 會發現這個數據用不起來 。
相對比較火的就是VLA模型 。 VLA是一個相對比較傻瓜式的架構 ， 我個人對VLA模型還是保持一個比較懷疑的態度 。 VLA模型在與真實世界交互時 ， 它的數據質量、能采集的數據是不太夠用的 。
有個簡單的想法 ， 就是在VLA模型上面加一個RL的訓練 ， 這是一個非常自然的想法 。 但是我個人感覺 ， 包括我們公司目前嘗試下來VLA模型加RL訓練 ， 我覺得還是不夠的 ， 模型架構還是得再升級和優化 。
這里也簡單分享一下我們過去做的一些事情 。 大家也可以關注到 ， 谷歌發布了他們全新一代的視頻生成模型 ， 或者某種意義上是一個視頻驅動的一個世界模型 。 還有 ， 去年的時候 ， 當OpenAI發布了視頻生成模型以后 ， 大家會有一個很自然的想法：我可以控制一個視頻生成模型 ， 跟他說“幫我生成一個機器人 ， 去整理一下房間” 。
如果模型生成的視頻中 ， 機器人可以完成任務 ， 那我是不是能讓這個視頻生成模型直接去驅動一個機器人完成任務 。 這個想法非常簡單直接 ， 我們去年的時候就去做了這個事情 。
大家可以看到 ， 右上角的視頻其實是生成出來的 ， 不是用攝像頭采集的 。 我們用一個預訓練的視頻生成模型 ， 重新訓練了一下 ， 讓他先去生成一個機器人動作的視頻 ， 然后再控制一個機器人去做 ， 這個技術是能實現的 。 包括谷歌的視頻生成世界模型 ， 他們也想實現這個效果 。
我覺得這個路線的方向可能會比VLA模型發展得要快 ， 收斂概率還更大 。 但我不敢打包票 ， 可能還是有很多問題 。 其中有個很大的問題就是 ， 視頻生成模型太關注視頻生成的質量了 ， 導致對GPU的消耗有點大 。
對機器人干活來說 ， 某種意義上你并不需要很高精度的視頻生成質量 ， 你只要驅動機器人去干活就行了 。 大家可以關注谷歌的視頻生成模型 ， 還是非常有意思的 。 整個模型的架構還是非常簡單粗暴的 ， 就是把機器人的一些動作序列控制 ， 直接對齊到模型的架構上 。
另外一點 ， 大家也知道 ， 目前機器人跳跳舞、打格斗效果其實不錯了 ， 但實際上面臨一個很大的問題 ， 如果要進一步機器人能力提升 ， 也就是機器人RL的Scaling Law ， 還是做得非常不好 。
舉個最簡單的例子 ， 我訓練一個機器人做新的動作、跳新的舞蹈 ， 都要重新訓練 ， 還是從頭開始訓練 ， 這是非常不好的一個事情 。 我們是希望機器人每次做一個新的訓練的時候 ， 可以在過去訓練基礎上進行 。
理論上我做RL訓練的時候 ， 每次訓練的速度應該越來越快 ， 學習新技能的效果越來越好 。 但是全行業內 ， 目前整個機器人在RL的Scaling Law ， 沒有人做出來 ， 做好 。 我覺得這是非常值得做的一個方向 。
因為RL Scaling Law在語言模型上已經是充分驗證過的事情 。 但在機器人的運動控制上面 ， 大家才剛剛開始 。
我個人感覺 ， 在未來2到5年 ， 智能機器人技術的重心是端到端的具身智能AI模型 。 我覺得模型本身是最重要的 。
然后就是更低成本的 ， 更高壽命的硬件 ， 這個是毋庸置疑的 。 大家也知道 ， 哪怕對于汽車行業來說 ， 已經一百多年了 ， 哪怕到今天 ， 一家企業要做很好的一輛汽車出來 ， 工程量還是非常大的 。
對機器人行業來說 ， 未來如果每年要生產制造幾百萬、幾千萬甚至幾億的人體機器人 ， 它的工程量挑戰還是非常驚人的 。
同時 ， 低成本的大規模的算力也很重要 。 在人形機器人上 ， 或者在移動機器人本體上 ， 其實沒辦法直接部署大規模的算力 。 它的尺寸只有這么大 ， 它的電池只有這么大 ， 它部署算力的功耗是有限制的 。
我個人感覺在人形機器人上 ， 最多只能部署峰值功耗為100瓦的算力 ， 平時工作的時候算力只有小幾十瓦 ， 簡單說就只有大概幾個手機的算力水平 。
但是 ， 未來機器人還是需要大規模算力的 ， 而且我覺得可能是分布式的算力 。 機器人干活的時候 ， 我們希望其通信延遲比較低的 ， 如果在北京干活的機器 ， 數據中心在上海或者在內蒙 ， 延遲實在是太大了 。
我個人感覺 ， 未來在工業領域大規模運用人形機器人時 ， 工廠里面可以有個分布式的服務器 ， 所有的機器人直接連接工廠里的局部服務器就好了 。 服務器的安全性、通信延遲是可以接受的 。
或者換一個話題 ， 如果一個小區每家每戶有一個機器人的時候 ， 在這個小區可能是有分布式的集群算力中心的 ， 可以保證延遲與安全性 。 并且 ， 如果有新客戶想買一個人形機器人的時候 ， 他不需要給這部分算力的建設花錢 ， 成本也會更低很多 。
我覺得分布式算力會是機器人行業未來非常重要的一個領域 ， 可能比目前算力的分布還要更廣一些 。
另外一點 ， 大家也知道 ， 在AI領域、機器人領域一直是一個全球共創的過程 。 中國的企業、美國的企業 ， 包括英偉達等 ， 已經做出了很多貢獻 。
在AI領域 ， 沒有一家大公司能保證 ， 只要有足夠的人、有足夠的資源 ， 我就能永遠領先 。 OpenAI和DeepSeek已經證明了 ， AI的創新永遠伴隨著一些隨機性 ， 伴隨著更多的聰明年輕人的 。 所以很多情況下都是很多公司、高校做出的貢獻 ， 還是要全球共創出來的 。 謝謝大家 。

    推薦閱讀