记者 陈月芹

3月17日，在亚布力中国企业家论坛第二十六届年会上，宇树科技创始人王兴兴以亚布力新理事的身份，在开幕式上第一个演讲。

机器人如何训练、实现真正的智能，是业内最关心的话题之一。为此，宇树开发了全身遥操作系统，实现人机动作同步。王兴兴介绍，这项技术有两个实用功能：一是大规模数据采集，如果2026年年底前宇树部署上万台机器人每天采集10小时数据，两三年内就能解决机器人数据稀缺的问题；二是远程控制，比如人在杭州就能实时操作异地的机器人。

王兴兴提出一个预判：具身智能的“ChatGPT时刻”快来了。乐观的人预估可能需要18个月，他稍微悲观一点，预估需要2—3年。

他对“ChatGPT时刻”的定义是，AI模型可以在80%的陌生场景下，通过语言和文字指令实现80%的任务，且不需要提前建图。

数据泛化的准确率和具身智能的训练成本息息相关。对机器人而言，如果在特定场景进行预先训练，其成功率基本可以达到100%。但如果更换场景，成功率就会大幅下降。

王兴兴认为，目前行业距离具身智能的“ChatGPT时刻”还面临挑战，其中最大的挑战在于AI模型的泛化能力不足。

要提高机器人的泛化能力，一是要提高模型对机器人运动的表达能力。如果模型本身的表达能力或动作丰富度不足，泛化能力有限；二是提高数据利用率。目前，语言模型或多模态模型领域数据丰富，互联网上存在大量数据，但机器人领域的数据仍然稀缺；三是强化学习的规模效应需进一步提升。

目前，具身智能领域的模型主要分成两个流派，一个是VLA模型，即在语言模型或文本模型基础上融入机器人模型；另一个是世界模型，即通过对物理世界进行预估和建模来驱动机器人。在这一模式下，机器人无需依赖实拍动作数据，而能像人类一样想象，先在“大脑”中构想动作，再将动作投射到机器人身上执行。王兴兴非常看好基于视频生成的世界模型这一技术路径。

文生视频模型的发展让王兴兴感到兴奋。他在亚布力论坛上两度提及今年1月字节跳动推出的Seedance 2.0模型，并评价这是全球目前最好的、没有之一的视频生成软件，“全球遥遥领先”。

他解释为什么着重提到Seedance：如果人用AI生成一个机器人在家干活的视频，且生成质量很高，某种意义上，只需将该视频与机器人动作对齐，机器人就能执行任务。但目前最大挑战在于视频与机器人动作无法良好对齐和统一，这是全球性难题。一旦视频生成的动作与机器人模型统一，数据难题将从根本上被解决，机器人计算模型也将诞生。

机器人有了自主意识和感知环境的能力，会是什么样？王兴兴描绘了一个场景：如果明年或后年，我将人形机器人带到一个完全陌生的场景，它不认识在场的每个人，这时我请机器人帮忙把一瓶水递给某人，它能完全自主地完成任务，无需预先建图。“这就真正实现了具身智能的‘GPT时刻’。”

在亚布力论坛上，王兴兴还介绍了宇树科技近期的产品和技术进展：2025年宇树发布了工业级应用的新一代机器狗，防尘防水，满电空载续航超20千米；还发布了更大尺寸（1.8米高）的H2机器人，力气更大，适用于工业或农业场景。预计今年年中，人形机器人的百米冲刺速度能跑进10秒以内，超过人类博尔特。

关于出货量，截至2025年底，宇树G1全球出货量约5000台，最便宜的机器人售价约3万元。如果未来AGI达到临界点，宇树的年出货量可能飙升至百万台。

一个月前，宇树机器人第三次登上央视春晚，表演了醉拳、双节棍、舞剑等，以及单腿连续空翻、两步上墙等高难度动作，这对硬件和软件稳定性的要求非常高。

这一套表演，可以体现宇树机器人在机器人AI强化学习领域的努力，其中“功夫模式”便是其2025年最大的升级。为了提升性能，宇树给机器人加装了两颗128线3D激光雷达，预训练AI模型，使动作可以随时暂停或任意切换，灵活性大大增强。以前机器人下台只能缓缓步行，现在宇树开发了集群跑位算法，让机器人能跑步变阵，衔接更自然。