王兴兴：我犯过最大的错误，就是对AI相信得不够早

《相信，尽可能相信AI》

——王兴兴2026世界物理AI大会主旨演讲

大家好，今天想跟大家聊的核心只有一句话：相信，尽可能相信AI。

说实话，我觉得全世界几乎所有人，对AI的重视程度、对AI的信仰都还不够，包括我自己。我之前就在公司内部和大家聊这件事，早些年宇树的年会上，我就反复提醒同事，要重点关注头部AI公司。如果当时大家真的相信AI这条主线，一些个人投资者的财富可能已经增长了十倍甚至几十倍，但现实里，很少人真正抓住。

我一直在思考，现在全世界真正看懂尖端AI模型潜力的，可能也就几千人。绝大多数人，根本不清楚AI真实的能力边界到底在哪。很多人看AI，还停留在聊天、写文案的层面，低估了它持续突破的速度。大家能看到，前沿AI已经可以攻克菲尔茨奖级别的数学难题，可以逆向工程复杂软件，影视、内容行业正在被快速洗牌。GPT-6出来之后，我们在机器人上做了大量测试，很多任务的表现，已经超出我们之前的预期。

今天行业有一个非常关键的信号：物理AI，已经看到被击穿的苗头。这个节点，很可能就在未来1–2年，或者2–3年内到来。

什么是物理AI？简单来说，就是AI不再只活在数字世界、文本和图片里，而是可以稳定和真实物理世界交互，操控实体机器人去完成现实任务。现在机器人的规划、导航问题，已经解决得不错。目前最大的瓶颈，是模型输入输出和真实物理世界的对齐。语言大模型是纯数字空间，输入输出是向量，可逆、几乎没有损耗；但物理世界不一样，传感器有误差、执行器动作有偏差，抓取、操作陌生物体的时候，一点点误差累积，就会直接导致任务失败。同一个模型，在固定场景训练好，成功率接近100%；换一个没见过的物体、换一个环境，成功率立刻掉下去，这就是具身智能的泛化难题。

这也是我们宇树现在主攻的方向：物理AI机器人自进化。我们的思路是，人只负责设定规则、约束、工具集，交给AI智能体自己去全网检索最新论文、前沿研究、开源方案；AI自主编写机器人控制代码，先丢进仿真环境跑，仿真验证通过之后，再下发到实体机器人去实测；测试完成，由AI和人一起打分评估，结果再反馈回去，让它重新迭代方案。形成一个闭环，自己持续进化。

现在顶尖的大模型公司，内部某种程度上已经实现了模型自进化：模型自己采集数据、自己写代码，人类只做引导。这套逻辑，完全可以平移到机器人上。随着基础大模型每个月、每一轮持续升级，这套自进化闭环的能力，也会跟着水涨船高，迭代速度会越来越快。

当然，大家也不用觉得AI马上就会渗透到每个人的日常生活。技术的扩散是有周期的，就像早年互联网、电商，从技术成熟到普通人广泛用上，花了5–10年。尖端物理AI模型真正走进千家万户，大概率同样需要5–10年的时间。在这个过程里，商业服务场景的落地速度，会比家庭、工业场景更快。

站在产业角度，如果未来机器人要大规模普及，有几件事是绕不开的核心要素：第一，机器人硬件的大规模制造能力，目标是年产千万台级别。我们现在一年只有几万台机器人、几十万个关节模组，距离普及还差很远，成本、良率、产能都是硬课题。第二，自研或者联合伙伴落地专属的物理AI模型，适配机器人的交互逻辑。第三，超大规模算力集群，还有算力芯片、存储芯片的制造供给。再往下延伸，高质量数据、充足算力、芯片产能、能源供给，全都是决定赛道胜负的底层资源。

我们宇树的G1人形机器人，现在是全球出货量最高的人形机器人之一，累计下线已经到1万–2万台，市面上已经能看到不少同行参考、跟进这款产品。但这只是起点，人形机器人行业接下来的竞争，会非常惨烈，不是一家公司能独自做完所有事情，我们需要生态伙伴一起往前走。

很多人问我，具身智能的“ChatGPT时刻”什么时候到来？我定义的临界点很清晰：机器人拿到一段自然语言指令之后，在80%的陌生场景里，能稳定完成80%的任务。到这个时候，整个行业才算真正跨过拐点。快的话2–3年，慢的话5–10年。我个人更期待，在2027或者2028年，我们能够在物理层面，真正把基础大模型和机器人技术完全统一起来。

我经常会复盘自己过去十几年，我犯过最大的错误，就是对AI相信得不够早。这几年我对AI的信仰是与日俱增的，我对AI的预期，还可以再翻十倍以上。当下是一个非常难得的时代，我自己常常害怕浪费每一天，每天都有大量想学习、想落地的事情。AI不是一个短期风口，它是底层范式的重构。很多人还在用旧时代的估值框架、旧的认知去理解它，低估它重塑所有实体行业的力量。

最后再回到开头那句话：尽可能相信AI，但同时也要躬身下场，去解决物理世界里那些充满误差、充满不确定性的难题。数字世界的革命已经走完一轮，物理世界的AI革命，才刚刚露出苗头。谢谢大家。