夜雨聆风学习资料网

ARTICLE · 1233014

王兴兴最新演讲:AI 还可以再翻十倍,物理世界的AI 革命刚显露苗头(全文)

王兴兴最新演讲:AI 还可以再翻十倍,物理世界的AI 革命刚显露苗头(全文)
王兴兴最新演讲:我对 AI 的预期,还可以再翻十倍,物理AI已经有被击穿的苗头(全文)
      2026年10月22日,杭州国际博览中心,2026 世界物理 AI 大会暨宇树合作伙伴生态大会,宇树科技创始人王兴兴作了主题演讲,全文如下,
      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。
     早些年公司开年会时,我也多次畅想过 AI 的未来,还跟很多同事说过,有几家头部 AI 公司的股票值得关注,有资金的话可以适当参与。如果当时大家真的相信这件事,我们公司里一些个人投资者的财富可能已经增长了 10 倍甚至几十倍。但现实里,很少人真正抓住。
     我一直在想: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。
      一、数字世界的革命已经走完一轮
      顶尖 AI 模型已经击穿数学世界。
      AI 视频里人物的形象、表情、情绪,有时比真正的演员还好;AI 写代码、反编译软件、做研究、生成影视内容,已经不是概念。
手机上的各种软件、电脑上的各种软件、云端平台上的许多任务,现有模型在能力上已经能处理。信息世界里的大量问题,已经被 AI 覆盖。
      只是有些客户还没开始做,或者大家暂时没时间把这些能力真正用起来。
      二、物理 AI 已经看到被击穿的苗头
      什么是物理 AI?
     就是 AI 不再只活在文本、图片、视频里,而是能和真实物理世界交互,操控实体机器人去完成现实任务。
      我的判断很直接:
     物理 AI 目前已经看到被击穿的苗头,很可能最近 1–2 年,或者 2–3 年。
      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AI 模型的输入输出和真实物理世界的对齐。
      语言大模型在纯数字空间里跑,输入输出是向量,可逆、损耗小;但物理世界不一样:
      • 传感器有误差
      • 执行器有偏差
      • 抓取陌生物体时,一点点误差累积,任务就会失败
      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。
      这就是具身智能最难的泛化问题。
       三、具身智能的 ChatGPT 时刻怎么定义
很多人问我,具身智能的“ChatGPT 时刻”什么时候来?
      我定义的临界点很清晰:
      机器人拿到一段自然语言或语音指令后,在 80% 的陌生场景里,能稳定完成 80% 的任务。
       到这个时候,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,2027 或 2028 年,物理层面的基础大模型和机器人技术能被真正统一起来。
      四、宇树在做什么:物理 AI 机器人自进化
      我们现在跑的一条路,叫物理 AI 机器人自进化。
     思路是这样的:
     人只设定规则、约束、工具集;
     AI 智能体自己去搜最新论文、前沿研究、开源方案;
      AI 自主写机器人控制代码;
      先丢进仿真环境跑;
      仿真通过,再下发到实体机器人实测;
      AI 和人一起打分;
      结果回流,模型继续迭代。
     形成一个闭环,让机器人能力自己长出来。
     最头部的大模型公司,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。
      五、机器人普及绕不开的底层资源
     如果未来机器人要大规模进工厂、进商场、进家庭,有几件事绕不开:
       机器人硬件的大规模制造能力
      目标不是几万台,是年产千万台级别。
      现在宇树一年几万台机器人、几十万个关节模组,距离普及还差得很远。成本、良率、产能都是硬仗。
      专属物理 AI 模型:要适配机器人感知、规划、控制、操作的交互逻辑,不是把聊天大模型直接搬过来就行。
      超大规模算力集群:以及算力芯片、存储芯片的制造和供给能力。
      再往下看,未来世界最核心的资源会是:
数据、算力、芯片产能、能源、矿。
       六、G1 只是起点,行业竞争会非常惨烈
      Unitree G1 是目前全球出货量最高的人形机器人之一,累计下线大概 1 万到 2 万台。市面上已经有很多同行在参考、跟进这款产品。
      但这只是起点。
      人形机器人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。需要生态伙伴一起走:
     • 教育科研
     • 工业智造
     • 文娱表演
     • 具身导览
     • 服务零售
     • 智能巡检
     • 应急消防
      海外也已经有很多案例:Nature 上的活体微创手术、建筑工地巡检、机场行李集装箱推送、零售补货、多机集群表演……物理 AI 不是空话,已经在落地。
      七、我犯过最大的错误,是对 AI 相信得不够早
      我经常会复盘过去十几年。
      我犯过最大的错误,就是对 AI 相信得不够早。
      这几年我对 AI 的信仰与日俱增。
      我对 AI 的预期,还可以再翻十倍以上。
      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、旧认知去理解它,低估它重塑所有实体行业的力量。
我们这一代人,真有机会把超级智能 / AGI 往前推一步,也有机会让人形机器人把生产力推到下一个台阶。
      所以我真的很害怕浪费每一天。
     每天都有大量想学习、想落地的事,时间太少了。
      八、最后一句话
      尽可能相信 AI;但也要躬身下场,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。
(文字记录整理,未经其本人审阅。)

……………………………………………………

     欢迎加入知识星球,查阅《最具投资价值的高成长性上市公司TOP20研究》标的最新分析。

感谢各位星球会员的关照与支持,“A股港股中概股黑马”展现出良好的“战力”和成长性。欢迎热爱成长性分析的朋友,一起交流。

相关学习资料