在人工智能与机器人技术高速发展的当下，AI大模型的能力边界成为行业焦点。宇树科技创始人王兴兴在2025外滩大会圆桌论坛上直言，当前机器人硬件已足够成熟，但AI大模型在多模态融合与复杂场景应用中的表现仍存在显著短板，这一观点引发科技界对AI落地具身智能领域的深度思考。
王兴兴以机器人灵巧手控制为例，指出当前模型难以实现语言指令与精细动作的精准匹配。尽管纯文本或视觉模型已具备较高性能，但将两者融合时仍面临技术瓶颈。他比喻称，AI在信息处理领域已长出"参天大树"，但在物理世界交互领域仍是"荒漠中零星的小草"，距离真正替代人类完成复杂任务仍有巨大差距。
这种能力局限在家庭服务场景中尤为突出。当用户要求机器人寻找"昨天收到的可能放在鞋柜或沙发下的快递"时，系统需同时处理时间记忆、空间推理、物体识别等多维度信息。现有模型虽能完成"播放音乐"等简单指令，但在模糊指令解析和跨模态决策方面仍显乏力，暴露出对真实世界不确定性的适应不足。
技术层面，多数大模型仍处于逻辑推理的初级阶段。以自然语言处理为例，模型能生成流畅文本，却常误解隐喻、双关语等文化相关表达。这种基于统计规律的模式匹配，缺乏人类直觉与创造力，导致在处理非常规任务时效率骤降。某工业机器人虽能精准完成装配，但面对生产线上突发的零件变形时，仍需人工干预调整参数。
具身智能的发展困境更凸显模型与硬件的协同问题。当前机器人虽具备先进传感器和执行器，但"大脑"与"身体"的配合仍停留在表面。例如，会扭秧歌的表演机器人与能真正理解家庭成员习惯、处理突发状况的家务机器人之间，存在从"工具"到"智能体"的本质跨越。这要求模型具备生活常识、情感理解和跨领域知识整合能力。
行业对模型发展方向的反思逐渐深入。单纯扩大参数规模已触及边际效益递减点，高昂的训练成本与缓慢的推理速度成为制约因素。专家指出，未来突破需聚焦两大方向：一是优化训练算法，提升数据利用效率；二是加强软硬件协同，通过实时传感器反馈构建环境感知闭环。某研究团队正尝试将机器人视觉数据直接输入模型训练，使系统能动态调整抓取策略。
王兴兴鼓励年轻人以更开放的姿态拥抱AI，将其视为"全能型工具"而非简单辅助。这种认知转变或许能加速技术迭代，但行业共识是，大模型需从"参数竞赛"转向"实用智能"开发，真正解决物理世界中的复杂问题，才能推动机器人技术从实验室走向千家万户。
