在第八届虹桥国际经济论坛“人形机器人创新发展合作”分论坛上，宇树科技创始人兼CEO王兴兴围绕具身智能与机器人大模型的发展前景发表了深度见解。他通过对比技术演进路径指出，当前机器人大模型所处的阶段，类似于ChatGPT问世前1至3年的探索期——行业已明确技术方向，但距离突破性应用仍存在显著瓶颈。
王兴兴分析称，尽管生成式AI在语言理解和视觉识别领域取得显著突破，但机器人实现“具身智能”仍面临多重挑战。他强调，真正的具身智能需要机器人在物理世界中具备感知环境、精准运动控制以及理解人类交互意图的综合能力，这涉及机械设计、传感器技术、算法优化等多维度的系统创新。
对于“具身智能的ChatGPT时刻”判定标准，王兴兴提出明确量化指标：当机器人能在未经过训练的陌生场景中，仅通过语音或文字指令完成80%以上的任务时，方可视为技术成熟的关键节点。他以家庭服务场景为例说明，机器人需同时理解“把水果从厨房拿到客厅”这类指令背后的空间关系、物体识别和路径规划需求。
在技术实现路径上，王兴兴特别指出，单纯依赖大模型的推理生成能力远不足以支撑具身智能发展。他提出三大核心支撑要素：构建高精度的物理世界数字模型、建立实时数据反馈闭环系统，以及开发能够动态调整策略的强化学习框架。这些要素共同构成机器人适应复杂环境的“认知-行动”循环机制。
针对行业普遍关注的落地周期问题，王兴兴坦言技术突破需要跨学科协同创新。他透露，宇树科技正在研发具备多模态感知能力的下一代机器人平台，通过融合视觉、触觉、力觉传感器，结合动态环境建模算法，尝试突破现有运动控制与场景理解的局限。
