💡 站外导读：当前大语言模型与多模态视觉的爆发，正以不可逆转之势全面溢出至物理现实世界。然而，当软件层面的代码生成与逻辑推理日趋成熟，具身机器人（Embodied AI）却依然在真实世界的物理交互中遭遇“懂逻辑却碰不准”的现实尴尬。在 2026 乌镇世界互联网大会上，宇树科技创始人王兴兴首次系统性剖析了具身智能迈向泛化部署的核心演进路径，明确断言机器人正无限逼近“80-80”自主交付标准，并将 2027 年定调为行业规模化裂变的爆发临界点。
从纸面跑分走向实体闭环：具身智能的“80-80”ChatGPT时刻
在2026年世界互联网大会乌镇峰会“互联网企业家论坛”上，宇树科技（Unitree）创始人王兴兴针对具身智能的真实落地现状与技术演进节点作出了极具分量的行业研判。他明确提出，具身智能领域正在加速孕育属于自己的“ChatGPT时刻”——即机器人能够在80%的未知、陌生现实场景下，仅凭人类自然语言指令，便能自主推导动作轨迹并完成80%的复杂任务。
王兴兴强调，全球顶尖的多模态机器人基础大模型在环境意图理解、全局任务规划以及长程推理（Long-horizon Planning）上，已经无限逼近这一衡量泛化能力的“80-80”黄金分割线。这意味着，机器人不再是只能在结构化工业产线或实验室预设轨道上固定打点的“机械傀儡”，而是具备了对非结构化开放世界的基础认知能力。
制约泛化落地的物理死穴：深度拆解“最后几毫米”对齐与触觉困境
尽管高阶认知（High-Level Reasoning）进展神速，但当具身智能尝试从“动口”跃迁至“动手”时，整个行业撞上了一面坚硬的物理高墙。王兴兴一针见血地指出，当前机器人执行诸如电子设备拆解、精密工件装配、线缆插拔等精细化物理操作时，依然深陷物理对齐与多维触觉接触的制约之中，即行业常说的“最后几毫米”难题（The Last Millimeters Challenge）。
在宏观视觉引导下，机械臂可以快速将末端执行器移动至目标物体附近，但在微观接触瞬间，刚性碰撞、受力形变、摩擦阻力以及毫秒级的力矩伺服反馈，无法单纯依赖远端摄像头的 2D/3D 像素流进行补偿。若缺乏高密度的多维触觉传感与亚毫米级的动态闭环校准，机器人极易发生工件压损、滑脱或装配卡滞。
| 能力维度 | 高阶逻辑规划 (High-Level) | 精密物理接触 (Low-Level Control) |
|---|---|---|
| 主导模型 | 多模态大语言模型 (VLM/VLA) | 实时伺服控制器 + 触觉动力学模型 |
| 核心瓶颈 | 已基本突破，语义与常识理解逼近人类 | “最后几毫米”对齐、非刚性接触与力反馈迟滞 |
| 反馈回路 | 低频闭环 (1Hz ~ 10Hz 语义刷新) | 超高频闭环 (200Hz ~ 1000Hz 力控刷新) |
| 突破节点 | 已达“80-80”陌生场景规划标准 | 王兴兴定调 2027 年将迎来物理泛化质变拐点 |
自主写代码与真机闭环验证：宇树内部自进化物理AI架构曝光
为了击穿这一物理执行屏障，王兴兴首次对外披露了宇树科技在内部持续探索数月的核心攻坚路径——“物理AI模型的自我进化机制”（Self-Evolving Physical AI）。传统机器人控制算法依赖工程师手工标定运动学逆解或录制示教轨迹，开发周期漫长且泛化能力极差。
在宇树的全新实验架构中，物理大模型被赋予了自主编写底层控制代码的权限。整个自进化闭环被严密划分为三个核心阶段：
- 自主合成代码与仿真沙箱训练：模型根据给定的物理任务目标，自动生成控制逻辑与运动学策略，在高拟真度物理仿真引擎中进行数万次并行碰撞与力学模拟测试；
- 真机硬件无缝迁移与实测部署：经仿真收敛的策略模型被直接打包下发至宇树人形与四足机器人硬件平台，在真实受控环境中执行物理接触任务；
- 人类与机械体多源反馈自优化：系统实时捕获真机关节电流、力传感器波动以及人类安全监督员的介入指令，将实测数据差值反哺至大模型训练集，驱动模型自主修改、重构底层执行代码。
数据飞轮与全球合作：攻克“通用机器人大脑”的终局路线
在拆解技术实现的同时，王兴兴还直面了当前具身智能行业的深层痛点：与互联网领域海量的图文视听数据相比，物理世界的机器人本体交互数据不仅极难采集，且现存数据的有效利用率仍然极低。不同硬件自由度、传感器排布的碎片化，导致动作数据极难在异构机体之间无缝复用。
王兴兴明确表示，随着基础物理大模型表征能力的跃升，机器人对稀疏环境数据的学习利用效率与自我进化能力将呈指数级增强。宇树科技下一步的技术攻坚重心将全面聚焦于“通用机器人大脑”（General Robot Brain），并面向全球学术界与产业界开放生态协同，共同加速物理智能跨越2027年爆发临界点。
📝 站长洞察 (Editor’s Insight)
从大模型到具身机器人的跨越，本质上是信息世界确定性计算与物理世界非结构化熵增的激烈碰撞。当前主流多模态大模型在‘看图懂意图’的感知层已趋近饱和，但一旦下沉到底层伺服驱动、微秒级力矩反馈与非刚性接触控制，传统依靠仿真预训练（Sim2Real）的泛化能力便会遭遇断崖式衰减。王兴兴指出的‘最后几毫米’，恰恰是决定机器人能否从展厅吉祥物跃迁为工业流水线标准工时的核心分水岭。宇树内部启动‘模型自主写代码+物理环境自进化’闭环，正是试图复刻 AlphaZero 在强化学习中的自博弈路径。2027 年能否如期迎来泛化拐点，关键不在于参数规模的再次膨胀，而在于端到端物理力觉感知与边缘算力能效能否实现底层解耦。
