8月9日，在2025世界机器人大会上，宇树科技首席执行官兼首席技术官王兴兴表示，公司核心目标是推动机器人投入实际应用，宇树科技针对四足机器人与人形机器人开展了大量数据采集工作，并进行了部分数据的开源事宜，每隔一两个月便会公开一些算法以及开源数据，为全球科研人员和企业提供研究与应用的基础。
自2016年起，宇树科技在核心零部件研发上便坚持自主创新。公司自主研发的关节电机、减速器以及部分传感器等核心零部件，为机器人性能的稳定和优化提供了坚实保障。
王兴兴指出，当前硬件性能并非机器人大规模应用的阻碍。经过多年发展，即便是人形机器人的灵巧手等关键部件，性能也基本满足需求。不过，持续优化硬件性能仍是必要之举，而当前更大的挑战在于实现量产。
从技术或AI角度看，硬件性能已能满足基本需求，但具身智能AI的不足才是制约机器人，尤其是人形机器人大规模应用的关键因素。目前，机器人大模型或具身智能技术尚不成熟，类似于Chat GPT问世前的1-3年阶段。当时语音AI虽发展多年，但性能欠佳，直至Chat GPT出现才实现质的飞跃。如今，机器人领域还未迎来这样的“临界点”。
对于机器人领域的“Chat GPT时刻”，王兴兴认为，当人形机器人能在陌生环境中，依据简单指令流畅完成递水、整理房间等任务时，就意味着这一时刻的到来。他预计这一目标有望在未来2-3年实现，最慢估计3-5年很大概率上能实现。
王兴兴提到，目前全球范围内对数据的关注度过高，而实际上模型架构的问题更为突出。在大语言模型领域，充足且优质的数据确实能提升模型性能，但在具身智能和机器人领域，数据的应用却面临诸多挑战。很多时候，即便采集了数据，也难以有效利用。因此，大家对模型的关注相对较少，而对数据的关注过多。
在机器人能力提升方面，王兴兴指出，目前，机器人在跳舞、格斗等方面已取得不错效果，但若要进一步提升能力，机器人领域的RL(强化学习)Scaling law(缩放定律)仍存在较大不足。例如，在训练机器人新动作时，每次都需要从头开始训练。因此期望每次新训练都能在老训练基础上进行，以提高训练速度和学习新技能的效果。然而，目前全行业内在机器人RL领域的Scaling law方面仍做得不够好，他认为这是一个值得深入研究的方向。因为在语言模型上，Scaling law已得到充分验证，而在机器人运动控制方面则刚刚起步。
展望未来两到五年，王兴兴认为，端到端智能机器人大模型，更低成本、更高寿命硬件，低成本、大规模算力是重点。其中，端到端的具身智能AI模型将是很大的发展重点，值得大家持续关注和推动。同时，更低成本、更高寿命的硬件也是毋庸置疑的发展方向。以汽车行业为例，即便已发展100多年，要制造一辆优秀的汽车仍需巨大的工程量。对于机器人行业而言，若要实现每年数百万、数千万甚至数亿台人形机器人的生产制造，其工程挑战将极为巨大。
低成本的大规模算力也是未来发展的关键。由于在人形机器人或移动机器人本体上直接部署大规模算力并不现实，分布式算力将成为重要方向。王兴兴预计，未来在工厂等工业领域大规模应用的首批机器人将采用分布式服务器集群，机器人直接连接工厂内的局部服务器，以确保服务器安全性和通信延迟的可接受性。在居民小区等场景，也可能设有分布式集群算力中心，保证稳定性和安全性，降低新客户购买成本。
王兴兴强调，在过去的AI和机器人领域发展中，全球共创起到了至关重要的作用。包括中国企业在内，全球许多大型企业如英伟达等均作出了巨大贡献。在AI领域，没有一家大公司能保证永远领先，因为AI的创新伴随着随机性和更多年轻人的参与。因此，机器人领域的发展一直是全球共创的结果。未来，仍需全球共同努力，推动机器人领域的持续发展。
金猪配资提示：文章来自网络，不代表本站观点。
