宇树科技王兴兴：AI大模型智能瓶颈制约机器人实用性提升

2025外滩大会热议：AI模型能力已成机器人发展最大瓶颈

在外滩大会圆桌论坛上，机器人领域资深创业者、宇树科技创始人王兴兴分享的见解引发行业深度思考。他认为制约当前机器人发展的核心问题并非硬件性能，而是人工智能大模型的技术天花板。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

AI模型与硬件协同的现实困境

王兴兴以机器人灵巧手控制为例，深入剖析了AI系统在跨模态转换方面的不足。他指出，虽然当前的语言和视觉模型已经相当成熟，但将这些认知能力转化为精确的机械动作仍然是重大挑战。"知行不一"的问题在日常应用中尤其明显——当用户给出"帮我找找昨晚可能随手放在鞋柜或沙发下的快递"这样的复杂指令时，现有系统仍难以同时处理时空定位、多场景推理和动态物体识别等多维度任务。

大模型发展的效益递减困局

数据显示，大模型的"规模扩张"正面临边际效益锐减的窘境。当参数规模从百亿级增长到万亿级时，训练成本会暴增至天文数字，但性能提升却越来越有限。据某顶尖实验室统计，模型参数扩大10倍仅带来不足3%的任务准确率提升，而系统响应延迟却相应增加40%。这种投入产出比严重失衡的状况，促使产业界开始反思技术路线。

具身智能面临的多重挑战

要实现真正实用的家务机器人，必须突破多模态融合、常识推理和突发应对等技术难关。以"根据家人饮食偏好智能调整晚餐菜单"这类日常任务为例，现有系统常因缺乏生活常识而手足无措。市场上主流家务机器人虽然能完成预设的清洁工作，但面对打翻饮料或有客人突然造访等非常规情境时，智能化水平就捉襟见肘。

感知-决策-执行链路的断层现象

技术专家指出，从传感器数据采集到机械臂动作执行的全流程中，存在严重的信息流失问题。工业测试数据表明，在精密装配场景下，AI控制的误差率相比人工操作高出近三成，这在很大程度上限制了相关技术的应用范围。如何构建更高效的感知-决策-执行闭环，成为行业亟待解决的痛点。

技术突围的新思路

王兴兴建议行业转换视角："我们需要训练的不只是AI模型，更是能够理解物理法则的智能体。"一些前沿团队正在尝试将机器人运动数据直接整合到模型训练中，通过数百万次虚拟环境中的操作学习，显著提升了机械臂的抓取准确度。

市场反馈揭示的用户痛点

调研数据显示，超过七成的工业用户认为现有机器人系统智能化程度不足。消费级市场的表现更值得关注——那些主打对话功能的机器人产品退货率居高不下，主要原因就是用户对其实际理解能力的不满。这些现象清晰地表明，AI模型的认知边界已成为制约机器人产业升级的主要瓶颈。