Unitree Technology's Wang Xingxing: The Biggest Bottleneck for Humanoid Robots Is Alignment with the Physical World, Not Model Understanding

在刚刚结束的进博会“人形机器人与具身智能产业创新发展合作”虹桥分论坛上，宇树科技王兴兴系统回顾公司十年机器人创业历程，并给出他对人形机器人与具身智能产业的关键判断：人形机器人已经具备很强的理解与规划能力，真正卡住大规模落地的是多模态模型与物理世界输入输出的“最后几毫米”对齐误差；一旦这一环节突破，具身智能本质上没有技术问题，剩下的是工程化和推广问题。 中国人形机器人产业已经进入全面加速期。今年上半年中国人形机器人出货量已超4万台，全球占比进一步提升至97%。今年全年有望突破10万台。 “最有意义的不是做多少业绩，而是发布了G1” 宇树科技成立于2016年，最早做的是高性能伺服机器人，2015年在上海参加比赛获得二等奖和8万元奖金，“算是第一桶金”。王兴兴说。 此后，宇树转向高性能人形机器人。在王兴兴看来，这几年最有意义的事情并不是公司做了多少业绩，而是发布了G1，成为目前全球最畅销、最流行的人形机器人。 在落地层面，王兴兴判断，机器人进工厂已经迈出实质性一步。2024年，宇树在汽车工厂落地，公司自己工厂也做简单装配；在固定工位工序上，训练好的机器人基本接近100%成功率，但效率仍需进一步提升。 他还介绍了5月发布的GD01载人机甲：全球唯一一款准备量产的载人机甲，海外传播效果很好。其本质不是城市通勤工具，而是“越野车或升级版越野车”，两条腿不稳定时可以四条腿走路，翻墙高度也比较容易，在户外地形、极端环境穿越障碍时更有价值。老本行伺服机器人则在工业巡逻巡检、极端环境和消防领域加快落地：火情时机器人先进入侦查，无危险后人员再救援，也可背水枪、水炮灭火。 “最大问题不是模型理解不够，而是与物理世界没对齐” 王兴兴认为目前机器人或具身智能面临的最大挑战，并不是多模态模型本身的规划能力或理解能力不够，最大问题还是多模态模型与物理世界输入输出没有很好对齐，最后几毫米有较大偏差。 他举例说，目前全球最好的顶尖多模态模型直接让机器人规划抓取一个大物体，成功率接近100%；但做更精密操作、装配零部件，成功率明显更低。“目前最大问题中间这一部分，是AI模型输入输出对齐误差问题。如果可以把对齐误差解决好，我觉得目前本质上具身模型没有技术问题，真正落地推广有工程问题要做。”他判断，这一部分未来1—2年应该可以很好解决。 机器人的进步也让宇树机器人的招牌表演打拳击少了很多观赏性。“机器人太稳了，怎么都打不倒，所以没之前那么有趣了。”他说。 还有就是股价。尽管宇树科技的股票一度出现下跌，也引发了大家对机器人会不会有泡沫的担忧，但随着机器人越来越多进入真实场景，真正开始上岗干活，宇树科技的股价也开始上涨。 “自进化循环会像雪球越滚越大” 王兴兴认为，机器人AI模型自进化循环非常有价值：让AI模型自己写机器人控制代码，在仿真或物理环境训练测试，再由AI评价动作完成度，人参与度逐步降低，循环可完全自我运转。随着模型能力提升、部署和测试机器人增多，收集数据越来越多，自进化速度会越来越快。 “对宇树来说，部署一万台机器人做测试、做评价，成本不特别高，自进化循环可以雪球越滚越大。” 他最后把判断推向更宏观的产业竞争：未来世界最核心资产，数据和算力毫无疑问非常关键；目前对新产能、能源、矿需求非常大。但他也认为，未来算力竞争是非常惨烈的事情。