2026 年 10 月 12 日，第 26 届中国国际工业博览会在上海开幕，宇树科技创始人王兴兴在开幕式深度对话环节抛出了引发行业热议的最新判断与自我反思，为人形机器人赛道的发展节奏重新划定预期。

“过去十几年我犯的最大的错误，就是对 AI 相信还不太够。” 这句反思，成为本次王兴兴发言最出圈的一句话。曾经更看重机器人本体硬件、运动控制的创业者，如今对 AI 的信心持续攀升。他坦言，当前 AI 迭代速度极快，每隔一两个月就能看到重大更新；GPT-6 发布之后，宇树团队已经将其部署到机器人上开展多场景任务测试，实测效果超出预期。基于大模型的快速进化，王兴兴给出了一个更加激进的产业判断： 具身智能的技术临界点，快的话甚至一两年内就会到来，明年 GPT-7，有可能直接把具身智能问题打穿 。

所谓具身智能产业拐点，王兴兴此前给出过清晰的量化标尺：当机器人进入任意陌生环境，仅凭自然语言指令，能够完成 80% 的任务，就意味着具身智能迎来属于自己的 “ChatGPT 时刻”。这不是简单的舞台表演、预设动作演示，而是机器人真正理解物理世界、自主处理未知场景的能力，也是人形机器人从 “展会展品” 走向规模化商用产品的核心门槛。

市场长期默认，人形机器人最先规模化落地的场景是工厂，替代流水线人力。但王兴兴在工博会上提出不一样的判断： 商业服务场景落地进度会快于工业场景，家庭居家场景则相对靠后 。

他解释，目前国内外多家机器人厂商，包括宇树自身，已经在汽车工厂完成多轮试点落地，宇树从 2024 年就已经在多家车企开展机器人试点。但工业场景对稳定性、效率、容错率要求极高，当前机器人仍存在两大硬伤： 泛化能力不足与作业效率偏低 ，这两大难题还需要数年时间持续攻克。

反观商业服务场景，例如零售、酒店、场馆导览、巡检，容错空间更大，不需要极致的作业效率，更适配现阶段机器人能力。这意味着，人形机器人商业化的第一波市场红利，大概率不在工厂车间，而在商业空间。

在云端与端侧算力路线之争上，王兴兴也给出了清晰的取舍逻辑。机器人本体受体积、电池、散热限制，自带算力上限很低。 决策、泛化类任务优先上云；运动控制这类强实时任务保留在端侧 。 AI 模型能力越强，机器人越依赖云端算力支撑。宇树当前采用基础本体 + 可选算力包方案，由客户按需选配端侧算力，平衡成本与性能。

近期行业也有观点提出：市面上大量机器人演示，都是提前编排好的固定动作，并非真正能够应对未知环境的通用智能。

王兴兴并没有回避痛点。他明确承认，即便拐点临近，机器人大规模商用，泛化能力、效率两大瓶颈仍要持续突破。 AI 大模型是核心变量，但本体硬件、真机物理数据、仿真与现实的鸿沟（Sim2Real Gap）缺一不可。他强调，真机采集的物理世界数据，是机器人完成真实作业 “最后几厘米” 的关键，也是宇树重点投入方向。

他的判断变化本身，也折射出整个行业预期的变迁。今年 8 月世界机器人大会上，王兴兴的判断是具身智能拐点快则 2-3 年，慢则 5 到 10 年。仅仅两个月之后，随着大模型持续迭代，他将时间窗口进一步压缩至最快 1 至 2 年。每一轮大模型能力跃升，都在持续压缩人形机器人产业爆发的周期。

结语

人形机器人赛道，正在经历底层范式切换。早期行业比拼电机、减速器、运动控制等硬件指标；而现在， AI 大模型成为定义机器人能力上限的核心变量。作为国内人形机器人硬件标杆企业创始人，王兴兴这句 “不够相信 AI 是最大错误”，本质是赛道底层逻辑的一次公开确认： 硬件是载体，智能才是灵魂 。

拐点会不会真的在 1-2 年内如期而至？GPT-7 能否击穿当前具身智能瓶颈？商业服务场景会不会率先跑出规模化订单？接下来一两年，是人形机器人产业最关键的验证期。一旦量化标准落地，机器人能够在陌生场景稳定完成 80% 任务，整个物理世界智能化的浪潮，才会真正拉开序幕。