宇树创始人给出新判断：GPT‑6之后，明年机器人行业可能迎来一道分水岭


很多人都有一个疑问：现在的机器人硬件看着越来越酷，为什么真正走进工厂、走进家庭的速度却不快？

不是电机、外壳做不出来，而是缺一颗靠谱的“脑子”。之前的机器人，大多靠人事先写好一条条指令。环境稍微变一点，就容易卡住，泛化能力很差。这也是人形机器人一直卡在“演示很好看，落地很难做”的主要原因 。

最近在上海工博会上，国内头部机器人企业宇树科技的创始人王兴兴，聊了一段很值得琢磨的观点。他说自己过去十几年最大的一个失误，就是低估了AI大模型的爆发力。在把GPT‑6放到自家机器人上面做了大量实测之后，他的看法发生了明显变化：具身智能的转折点，有可能会来得比预想更快，甚至一两年内就能看见苗头。


这里先说清楚一件事：并不是GPT‑6一出来，机器人马上就能无所不能。根据宇树做的测试，GPT‑6目前已经可以很好听懂人类语言，看懂周边环境，自主规划简单任务。比如抓取物品、递送东西、找到指定目标。但是遇到精细的物理操作，像用筷子夹东西、叠衣服、处理一堆杂乱的杂物，依旧会出问题。物理世界的不确定性，依然是最大的门槛 。

那为什么他又看好接下来一年左右的窗口期？

道理很简单：现在大模型正在补齐两个长期缺失的能力。第一个是看懂真实世界，而不只是看懂图片；第二个是在脑子里先预判动作的后果，再去动手操作，而不是盲动。


以前的AI，只是在互联网的文字和图片里面学习。它知道苹果长什么样，但是它缺少一个认知：苹果是滑的、轻的、用力太大就会捏坏。这种对物理的感知，单靠网上的素材是学不全的。而新一代模型正在补上“世界模型”这一课，也就是在虚拟空间里面去模拟物体运动、受力、摩擦、掉落这些规律 。

一旦模拟预判能力成熟，带来的改变是巨大的。

举个通俗的例子。如果我跟老式机器人说：去厨房拿一个杯子。它只能沿着预先设定好的路线走。要是地上摆了一个纸箱挡住路，它就停住不动，等着人去处理。

搭载更强大模型之后的机器人，逻辑就变了。接到指令之后，它先看一眼环境：路上有纸箱。然后自己做判断：要么绕过去，要么轻轻挪开纸箱，再去拿杯子。没有人提前给它写这条绕行的程序，是它自己推理出来的。这就是大家常说的泛化能力。

当然，这里还要区分一个关键点：大模型负责做决策和思考，但是走路、抓握、保持平衡这些精细运动，依旧离不开机器人本身的硬件和底层运动控制系统。脑子再聪明，如果关节反应迟钝、力度控制不稳，照样干不好活。硬件和AI大脑，二者是互补关系，不是替代关系 。

也正是基于大量实测的进步，王兴兴给出了一个展望：明年下一代模型出来之后，很有可能捅破一层窗户纸，大幅度缩小落地的门槛。不过他也保持了理性，并没有说马上家家户户都能用机器人。他的判断是，最先看到变化的场景，大概率是工厂流水线、简单的商铺服务，之后才慢慢向家庭场景渗透 。

我们不用盲目幻想短期内机器人可以包办所有家务。家庭环境变数太多，杂物到处摆放，灯光忽明忽暗，还有宠物、小孩来回走动，这是难度最高的场景。工业场景环境相对规整，更容易率先跑通商业模式。

从长远来看，这一场变革，不只是一家公司或者一款模型带来的。OpenAI的模型是一条助力线；国内像宇树自己也在持续研发自研具身大模型，还有深度求索等企业也在加紧布局。多条技术路线齐头并进，才能推动整个行业往前走。未来不会出现“一个模型通吃全部机器人”的局面，各家硬件厂商依旧需要做大量适配、调试和安全优化工作 。

对于普通人来说，我们不用焦虑机器人会立刻抢掉所有工作。真正的变化是循序渐进的。最先被替代的，大概率是重复性高、环境固定、不需要复杂人情沟通的岗位。而人的创意、沟通、复杂决策能力，依旧有着不可替代的价值。

技术永远是一把双刃剑。速度越快，我们就越要同步考虑安全、成本、就业、行业规范这些配套问题。只有技术和规则一起往前走，才能享受到机器人带来的红利。

你觉得未来3年，机器人会先走进工厂，还是先走进普通家庭？你最希望机器人帮你干哪一件事？欢迎在评论区留下你的看法，喜欢科技内容可以点个关注，持续跟踪行业新动态。

免责声明：本文仅基于行业公开发言信息做科普解读，不构成投资建议，技术发展存在不确定性，观点仅供参考。