前言：
当二级市场股价从高位显著回调之时，王兴兴却在第二十六届中国国际工业博览会现场释放出积极信号：具身智能的核心技术跃迁，最快可能在一至两年内实质性落地。他还坦诚分享了自己深耕行业十余年来的关键认知转变。
早年对人工智能演进速度与落地潜力的预估，与当前真实进展之间存在明显偏差——这番表态背后，究竟折射出怎样的战略调整与技术判断？
单凭短期股价起伏，并不能作为衡量技术成熟度或路径可行性的终极标尺。
宇树科技于8月19日正式登陆上交所科创板，首发定价锁定在150.80元/股；上市首日盘中最高触及1100元大关，创下罕见涨幅。
截至10月12日收盘，该股最低探至414.95元，最终报收421.29元，相较历史峰值已回落约59.7%。
按当日收盘价推算，公司当前总市值约为1704亿元，较前期高点蒸发约2698亿元。主流行情终端显示，其滚动市盈率仍维持在300倍区间，不同数据平台因统计口径差异略有浮动。
这一系列数字变化表明，资本市场曾以极高成长溢价赋予这家机器人企业估值空间，如今正逐步回归理性，重新评估其商业化节奏与技术兑现能力。
需要强调的是，股价下行既不等于技术路线失效，也不能仅凭一次公开演讲就断定过往战略方向出现根本性偏差。
二级市场波动本质是资金情绪、估值模型与业绩预期多重共振的结果；而机器人能否真正走进产线、走入生活，最终取决于产品可靠性、量产成本、客户订单转化率及长期迭代能力等硬指标。
谈及宇树科技，研发强度与投入效能始终是外界关注焦点之一。
根据其招股说明书披露信息，该公司2025年度研发投入总额为1.45亿元，占当年营业收入比例为8.53%，低于招股书中所列可比上市公司24.70%的平均水平。
同期，农牧龙头牧原股份的研发支出达16.48亿元，约为宇树科技该年度投入规模的11.4倍。
若仅比较绝对数值，反差确实突出；但二者营收体量、业务属性与技术范式迥异，不宜将研发投入金额直接等同于创新能力排序依据。
更具参考价值的是资金具体流向何处、是否催生可量产成果、以及后续资源调配能否持续匹配业务扩张节奏。
他对AI的认知迎来转变
10月12日，在工博会圆桌对话环节中，王兴兴回顾了过去十余年的实践体悟：此前对人工智能底层能力边界的理解尚显保守，对其推动机器人系统质变的加速度预估不足。
他指出，当下AI模型的进化频率已远超传统软件迭代周期，近阶段几乎每隔六至八周，就能观察到面向终端用户的感知级性能跃升。
研究团队将最新发布的GPT-6模型嵌入多类具身任务仿真环境开展实测，结果显示其在运动规划、跨模态理解与实时响应等方面均展现出较强适应性。
今年8月，他曾预测具身智能的关键拐点最早需两至三年、最晚或延至五至十年；此次则明确表示，若技术整合顺利，突破窗口有望压缩至一到两年之内。
在他看来，预计明年面世的GPT-7模型有望进一步打通感知—决策—执行链路中的关键堵点，从而加速行业跨越当前瓶颈期。不过，这仍是基于现有趋势的前瞻性研判，并非问题已然终结，更不意味着某款新模型发布后，通用型服务机器人即可即刻规模化进入家庭与工厂。
现实世界的物理复杂性，远非屏幕中静态文本或二维图像所能比拟。
理想中的智能体不仅需要准确解析语音指令，还必须同步完成环境建模、物体状态识别、动态风险评估，并驱动本体执行精准适配的动作序列。
例如抓取一只盛有热水的陶瓷杯，系统需综合判断材质导热性、液体重量分布、表面摩擦系数与温度梯度，进而实时调控夹爪压力曲线；力度稍大易致器皿破裂，过小则难以稳固把持。
此类任务所检验的不仅是伺服电机与关节结构的精密程度，更涵盖多源传感融合、时空推理建模、在线行为规划及突发干扰下的鲁棒应对能力。王兴兴所提及的认知升级，不仅体现为对AI潜力的再确认，也包含研发范式层面的结构性优化。
他透露，宇树科技正全力构建一套名为「物理AI自进化」的技术闭环体系，覆盖算法设计、模型训练、边缘部署、场景测试与反馈回传全流程。
以往大量开发工作依赖人工查阅文献、手动编写代码、逐项验证结果后再汇总分析，如今AI工具链已能深度介入多个中间环节，显著缩短试错周期与工程化路径。
落地工厂层面仍存不少阻碍
即便AI工具已在研发流程中承担更多角色，人类工程师现阶段仍无法完全退出核心验证环节。
王兴兴坦言，目前机器人每一个动作精度、每项任务达成度、每份交付成果是否契合真实用户操作习惯，仍需技术人员现场复核与主观判定。
随着模型能力增强与测试数据沉淀，人工干预频次或将逐步降低，但这一过渡过程必须经过充分的时间积累与多轮效果校准。
机器人产业的商业化进程，同样遵循“小步快跑、稳扎稳打”的演进逻辑。据其透露，宇树科技早在2024年便启动汽车制造、物流分拣等多个工业场景的实地试点部署。
然而，局部场景下的功能演示，与全链条嵌入实际生产流程之间，存在本质区别。
要真正融入工厂作业体系，机器人不仅要完成预设动作序列，还需在温湿度变化、光照波动、设备震动、人员穿行等复杂变量下保持稳定输出，同时兼顾任务重复精度、运行安全冗余与单位作业成本控制。
仅能在高度可控实验室环境中表现优异，并不足以支撑其胜任多样化产线需求。关于规模化落地节奏，他判断工业现场与B端商业服务场景将率先迈入成熟期，其中面向企业的定制化解决方案落地速度甚至可能快于制造业应用。
相比之下，家庭场景的不确定性更高：户型结构千差万别、家居陈设频繁变动、用户交互习惯差异显著，这对机器人的泛化理解力与自主适应力提出更高要求。
至于哪一类应用场景能够率先实现大规模普及，最终仍将由真实使用体验、故障率水平、维护便捷性及综合投入产出效率共同决定。因此，将王兴兴此次发言简单归结为“承认误判”，显然过于片面。
他实质上传递的核心信息是：AI能力的指数级跃升正在重塑机器人研发底层逻辑，企业亟需同步升级方法论与组织能力。
对宇树科技而言，所有技术路线都必须经受住产品化、批量化与市场化三重考验；对投资者而言，股价走势与核心技术突破理应被置于不同维度进行独立评估。
未来值得关注的关键观测点包括：研发投入结构是否持续向关键技术攻关倾斜、机器人在真实产线中能否长期稳定执行标准化作业、以及当前试点项目能否顺利转化为可复制、可扩展的商业合同。
主要信源：
热门跟贴