一句话看懂：宇树科技创始人王兴兴公开给具身智能“泼冷水”，认为该领域的“ChatGPT 时刻”仍需至少两到三年才可能到来，当前机器人动作误差和泛化能力不足是核心瓶颈，且现有数据规模扩大并未带来预期的智能提升。
事件核心：发生了什么
在近日公开报道中，宇树科技创始人王兴兴对具身智能行业的技术成熟度给出了相对谨慎的判断。他认为，具身智能的“ChatGPT 时刻”尚未到来，乐观估计需要两到三年，悲观情况下可能需要五年甚至十年。王兴兴同时透露了宇树机器人在实际应用中的具体短板：目前其机器人在工厂虽可执行简单装配任务，但综合效率仍低于人类；每当遇到新任务，都需要重新训练模型，导致部署效率不高。他进一步指出，当前最大的技术卡点在于动作输出的误差控制——机器人执行装配或搬运时，可以输出大体正确的动作，但总存在几毫米到几厘米的误差，且缺乏有效的修正机制，这使得任务成功率随误差累积而大幅下降。
为什么重要
王兴兴的观点之所以引发关注，在于其身份的特殊性。宇树科技是当前全球范围内人形机器人赛道中融资和出货量均处于头部的公司，其创始人对技术节奏的公开判断，直接为行业预期“降温”。这一表态与资本市场部分“机器人元年”的高涨叙事形成对比。更关键的是，王兴兴点出了具身智能与“大语言模型成功范式”之间可能存在的断裂：大模型通过扩大数据规模即可提升智能，但机器人的动作数据即使大量采集，实际训练中却难以有效利用。这意味着，业界如果继续沿用 ChatGPT 的“数据规模至上”路径来押注机器人，可能面临投入产出比失衡的风险。
对用户/开发者/创作者的影响
对于正在进入具身智能赛道的开发者而言，王兴兴的表态提供了一条重要的技术路线参考：短期内，与其追求通用机器人基座模型，不如在数据采集、误差修正和仿真环境构建等底层工程能力上投入资源。对于机器人产品的潜在企业采购方（如制造业工厂），该信息也提示了部署的真实边界——当前人形机器人在产线上更适合作为固定任务的补充工具，而非替代熟练工人的通用方案，采购决策应基于对具体节拍效率和良率的测算，而非产品演示视频的观感。而对于 AI 应用层的创业者，这一判断也意味着具身智能的“应用生态爆发”大概率不会在最近一两年内出现，相关创业窗口期可能比预期的更长。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，王兴兴提到“快则两三年，慢则五到十年”，这一时间窗口是否会被其他头部厂商（如特斯拉 Optimus、Figure AI）的实际量产进度所验证，值得交叉对照。第二，宇树科技如何在具体产品迭代中解决“动作误差”问题——例如是否推出更精细的触觉传感器方案或引入强化学习新算法——将是评估其技术路线可行性的直接指标。第三，行业内关于“机器人数据规模无效”的论证是否会催生新的数据采集标准或仿真策略，如果多个厂商在同一方向开始集中投入，可能意味着具身智能的技术拐点比王兴兴预期的要早一些到来。
来源：@colinwu
