据获悉，10月12日，第二十六届中国国际工业博览会在上海召开。

开幕式上，宇树科技创始人王兴兴谈到了AI技术进步对具身智能行业的影响，并给出了一个颇为激进的判断：具身智能的技术临界点，快的话可能一两年内就会出现。

在他看来，全球AI技术正在以惊人的速度迭代，几乎每隔一两个月就会出现一次重要进展。随着大模型能力持续提升，机器人理解任务、执行动作的表现也在改善，具身智能距离关键突破可能比行业此前预想的更近。

王兴兴甚至提到，明年GPT-7发布后，可能直接把具身智能面临的一些核心问题「打穿」。他同时坦言，机器人距离真正的大规模应用还有一段距离，尤其是在泛化能力和执行效率方面，仍有不少难题需要解决。

AI进步超出预期，王兴兴判断临界点可能提前到来

据《科创板日报》报道，王兴兴在工博会期间表示，当前全球AI技术发展非常快，几乎每隔一两个月就会出现值得关注的更新。尤其是近期GPT-6发布后，给具身智能行业从业者带来了新的启发，也在一定程度上改变了大家对机器人能力边界的认知。

宇树科技已经将相关模型部署到不同类型的机器人上，测试它们执行各种任务的表现。王兴兴认为，实际效果相当不错，这也让他对具身智能的突破速度更加乐观。

「个人感觉，整个临界点的到来还是会相对比较快，快的话甚至一两年内就有可能。」

他还进一步提到，明年GPT-7发布后，可能直接把具身智能的一些问题「打穿」。

这番表态背后，是他对AI技术发展速度的重新认识。

过去几年，大模型在语言理解、推理和多模态能力上不断突破，机器人也开始从相对固定的程序执行，向更依赖模型理解和决策的方向演进。在王兴兴看来，这种变化可能正在加速具身智能的技术成熟。

工厂已经开始试点，但距离规模化仍有两道关

尽管对技术前景保持乐观，王兴兴并没有把机器人走进工厂等同于具身智能已经实现商业化。

目前，国内外多家机器人企业都已在工厂开展应用试点，宇树科技也在推进相关落地。不过，机器人要从试点走向大规模部署，仍需要解决两个关键问题：泛化能力和执行效率。

泛化能力，简单来说，就是机器人能否适应没有提前专门训练过的任务，以及不同的物体、环境和操作条件。

在真实工厂里，物料摆放、工件状态、生产节拍和作业流程都可能发生变化。机器人如果只能在预设条件下完成动作，一旦遇到变化就需要人工介入，那么即使演示效果再好，也很难真正承担稳定、连续的生产任务。

效率同样很关键，工厂对生产节拍、任务成功率和设备利用率都有明确要求。如果机器人动作速度不够快、任务失败率偏高，或者需要频繁由人接管，即便能够完成任务，也未必具备经济上的可行性。

王兴兴认为，这些问题未来几年有望逐步得到解决。但从当前进展来看，机器人试点与规模化应用之间，仍然存在一道需要技术和工程共同跨越的门槛。

商业服务可能先跑出来，工业和家庭场景各有难题

谈及具身智能的落地节奏，王兴兴判断，不同应用场景的商业化进度可能存在明显差异。

在他看来，商业服务场景的落地可能比工业领域更快，而居家场景的推进则可能相对靠后。

因此，具身智能并不一定会沿着「工业先行、家庭跟进」的单一路径发展。哪类场景先成熟，最终取决于模型能力、任务难度、部署成本与实际需求能否匹配。

从「不够相信AI」到押注技术突破，王兴兴的判断正在变化

此次发言中，王兴兴还说了一句颇有传播力的话：「过去十几年我犯的最大的错误，就是对AI相信得还不太够。」

他表示，自己对AI的信心正逐年增强。

这句话既反映了他对技术进步速度的个人感受，同时也折射出机器人行业正在发生快速的变化。过去，机器人能力的提升很大程度上依赖机械结构、控制算法和针对特定任务的工程优化。

如今，很显然的是随着大模型和多模态模型持续发展，行业开始期待AI为机器人带来更强的任务理解、环境适应与自主决策能力。

但必须看到，模型能力的提升并不是说现实世界中的问题就会自动消失。语言模型能够理解指令，不等于机器人就能准确抓取物体；模型在测试环境中表现出色，也不代表着它能在复杂现场长期稳定运行。

从模型到机器人，中间还隔着感知、控制、硬件可靠性、安全验证和部署成本等一系列现实问题。AI可能加快这一进程，却仍需要工程系统把模型能力转化为真正可用的机器人能力。

结语：临界点可以期待，但商业化不会只靠一个大模型

从这次对话中王兴兴对具身智能临界点的判断，是否在传递出一个清晰信号，随着AI模型迭代加快，机器人行业对技术突破的预期正在加速提前呢？

不过也得理性看待，「一两年内迎来临界点」仍然是王兴兴的个人判断，并不是已经得到验证的时间表。

即使将来随着技术的不断发展，更强的模型显著提升了机器人能力，行业也仍然需要证明一个更现实的问题，即机器人能否在真实环境中，以足够高的成功率、足够快的速度和可接受的成本，持续完成人类布置的各种任务？

话说回来了，具身智能行业真正的临界点，不是机器人突然学会了更多动作，而是企业开始愿意掏出真金白银持续下单、部署并依赖它们。

虽说模型能力决定了具身智能能走多远，但工程可靠性和商业账本则决定了它究竟能走多快。

文章参考来源：《科创板日报》《第一财经资讯》