宇树科技王兴兴，具身智能临界点最快1~2年到来，GPT-7或直接击穿现存瓶颈

2026年10月12日，第二十六届中国国际工业博览会在上海国家会展中心开幕。在开幕式深度对话环节中，宇树科技创始人、董事长兼首席技术官王兴兴就具身智能发展路径作出最新研判：技术临界点最快可能在1~2年内到来，而明年发布的GPT-7模型，或将成为“直接打穿”当前瓶颈的关键变量。

这一判断并非首次提出，但相较此前“快则2~3年、慢则5~10年”的区间预期，此次表态明显更为乐观。王兴兴解释，驱动其信心提升的核心变量是AI大模型迭代速度的持续加快——全球范围内几乎每1~2个月即有一次显著技术更新，尤其GPT-6发布后，对整个具身智能行业的认知框架产生了实质性刷新。

宇树科技已将GPT-6模型部署至旗下多款机器人平台开展实际任务测试，涵盖指令理解、环境感知、动作规划与执行闭环等环节。据王兴兴透露，测试效果“实际上非常不错”，机器人在非结构化场景中的响应准确率与任务完成度均有明显提升。这为其“临界点加速到来”的判断提供了实证支撑。

王兴兴进一步定义了具身智能进入“ChatGPT时刻”的量化标准：当机器人在80%的陌生环境中，仅凭语音指令即可完成80%的任务时，产业拐点即宣告来临。该标准强调“泛化能力”与“零样本适应性”，直指当前人形机器人落地的核心瓶颈——高度依赖预设场景与人工调参，难以应对真实世界的动态变化。

目前，包括宇树在内的多家企业已在汽车制造、电子装配等工厂场景开展试点部署。例如，2024年起宇树机器人已在部分汽车工厂承担物料搬运、巡检与简单装配辅助工作。但王兴兴坦承，距离大规模商用仍有明显差距：一方面，机器人在复杂任务链中的连续决策能力不足；另一方面，运行效率（如能耗、响应延迟、任务切换耗时）尚未达到产线级经济性要求。

值得注意的是，王兴兴特别指出落地节奏存在场景梯度差异：“商业服务场景的应用进展可能比工业领域更快，而居家场景的推进相对靠后。”这一判断基于现实约束：工业场景结构相对规整、任务边界清晰、容错率较高；商业服务（如酒店导览、零售补货、展馆接待）虽环境开放，但任务粒度小、容错空间大；反观家庭场景，涉及隐私、安全、情感交互等多重维度，技术与伦理门槛更高。

更深层的变革正在研发流程层面发生。王兴兴提到，当前多数机器人公司仍采用“人工主导+AI辅助”的传统开发范式：工程师提出需求→查阅论文→编写代码→训练模型→手动评估→迭代优化。而宇树科技已在内部探索“物理AI自进化”系统，试图将代码生成、模型微调、仿真测试、真实部署与反馈评价纳入闭环，让AI参与更多开发环节。

他强调，这一路径并非取代人类，而是重构人机协作关系：“现阶段仍需人参与评价——判断动作是否符合预期、任务是否成功、结果是否真正满足用户意图。但随着经验积累，人的介入程度会逐步降低。”这种“人在回路中逐步退场”的演进逻辑，与自动驾驶L2→L4的发展路径高度相似。

王兴兴在发言中罕见地反思了自身认知偏差：“过去十几年我犯的最大的错误，就是对AI的相信还不太够。”这一表述在多个信源中被反复引用，反映出行业领军者对技术爆发力的重新校准。他补充道：“现在对AI发展的信仰每年都在与日俱增，但可能还是不够。”言下之意，市场普遍低估了大模型与物理世界结合的加速度。

从宏观政策层面看，具身智能正获得系统性支持。工博会当日，“上海市加快发展新一代智能制造行动”正式启动，明确到2028年推动8000台人形机器人进工厂、人工智能赋能装备产业规模突破2000亿元。四大工程中，“AI+制造”筑基创新工程与“智能工厂梯度培育工程”直接指向具身智能的落地通道——数据闭环、场景牵引与基础设施共建，为技术跨越提供土壤。

行业观察认为，王兴兴的乐观预期背后有三重逻辑支撑：一是大模型推理能力持续跃升，尤其是多模态理解与长上下文规划能力已接近实用阈值；二是机器人本体成本快速下降，宇树H1等机型量产成本较2023年下降超40%；三是仿真-现实迁移（Sim2Real）技术成熟度提高，大幅缩短算法验证周期。

不过，挑战依然现实。除泛化性与效率外，安全认证、责任界定、能源供给等非技术因素构成隐性门槛。例如，一台人形机器人单次充电续航普遍不足4小时，难以支撑全天候作业；在开放场景中，突发干扰下的紧急制动策略尚无统一标准。

王兴兴未回避这些难点，但他强调：“未来几年是非常有可能解决的。”其底气源于技术演进的非线性特征——当关键模块（如视觉-语言-动作联合建模）突破临界值后，系统级性能可能呈指数级提升，而非线性累加。

具身智能若真能在1~2年内抵达临界点，其影响将远超制造业范畴。教育陪练、养老辅助、应急救援等社会服务场景或将率先迎来产品化拐点；而更深远的意义在于，它标志着AI从“信息处理者”向“物理行动者”的身份跃迁，人类与机器的协作范式将被彻底重构。

眼下，时间窗口正在收窄。随着GPT-7发布临近，各头部企业已进入“模型-本体-场景”三位一体的冲刺阶段。谁能在临界点前完成技术整合与场景验证，谁就可能定义下一代人机交互的标准形态。