8月20日，在2026世界机器人大会以“应用牵引”为主题的第二场主论坛上，宇树科技股份有限公司创始人、董事长王兴兴发表题为《从展品到产品：人形机器人产业的下一个十年》的主题演讲，透露企业正在预研物理AI机器人自进化体系，试图通过大模型驱动的自主闭环迭代，破解人形机器人泛化能力不足、开发效率偏低的行业共性难题。

  王兴兴表示，过去AI技术多应用于通用编程开发领域，在机器人实体开发场景中的深度应用相对欠缺。此次预研的物理AI机器人自进化体系，以顶尖AI大模型为核心驱动，由研发人员设定规则、经验约束与工具边界，让智能体自主检索全球前沿学术论文、研究成果与各类开源方案，自动生成机器人控制代码；代码生成后先在仿真环境中完成运行验证，再部署至实物机器人开展实地测试，最终结合系统自动评价与人工反馈打分形成完整的闭环迭代链路。

  他认为，随着这套逻辑持续跑通，机器人的整体开发效率与迭代速度将大幅提升，运行一段时间后可真正实现机器人自我进化能力的进阶，同时能高效整合多源数据，实现机器人技能的持续积累，有望开启物理AI自进化的全新发展阶段。

  在演讲中，王兴兴直面当前人形机器人产业的发展瓶颈。他坦言，当前人形机器人尚未实现大规模推广，核心瓶颈在于作业效率与泛用性不足：现有机器人已能完成简单装配类任务，但作业效率低于人工；面对新任务时需要重新开展训练，适配成本较高、泛化能力有限，这是全球行业共同面临的发展瓶颈。

  围绕具身智能技术演进，王兴兴进一步拆解了深层技术难题。他介绍，当前全球具身智能AI模型主要分为VLA模型与世界模型两大技术路线，世界模型是2026年行业关注的核心方向。宇树科技将AI模型作为资金与人力投入最大的板块，2024年初便启动基于视频生成的世界模型研发。

  他指出，泛化能力不足是当前全球具身智能领域的最大发展瓶颈：在固定场景中经充分数据采集与训练，机器人任务成功率可接近100%，但一旦操作物品或环境发生变化，任务成功率会出现大幅下滑。

  究其根本，原因在于AI模型的输入输出与真实物理世界存在对齐偏差——语言类模型的输入输出均处于数字向量空间，几乎无误差损耗；但机器人的每一次感知、决策与执行都会产生误差累积，末端操作的毫米级偏差最终会导致任务成功率显著下降，这是全行业需要共同突破的核心难题。

  针对产业发展临界点，王兴兴提出了明确的判断标准：当一台机器人进入80%左右的陌生环境，通过自然语言指令即可完成80%的日常任务时，就将迎来具身智能的“ChatGPT时刻”，成为产业规模化落地的爆发点。他预判，这一节点快则2至3年、慢则5至10年将会到来。

  据了解，宇树科技长期推动机器人从展示场景走向生产生活实景。2024年起，企业与汽车工厂合作推进人形机器人落地应用，同时在自有工厂开展部署测试，企业AI团队核心攻坚方向正是家庭与工业场景的实用化能力。

  回顾行业十年发展，王兴兴表示，宇树科技自2017年、2018年首次参加世界机器人大会至今，见证了产业的快速迭代。当前AI技术爆发带动全球人形机器人产业关注度持续提升，技术进化速度不断加快，下一个十年将是产业从“展品”走向“产品”、从示范验证走向规模化应用的全新起点。（记者战钊）