宇树科技王兴兴：人形机器人具身智能尚需2到3年，听懂语音即能干

（图片来源：摄图网）

近日，宇树科技创始人、CEO王兴兴出席2026中国网络媒体论坛，并发表以《当机器人刷屏》为题演讲。他个人定义具身智能的“GPT时刻”为，带一台机器人到陌生场景，通过语音指令，机器人能完成80%到90%的任务。王兴兴表示，具身智能的GPT时刻大概还要两到三年到来。2026-2027年一定会有非常大的技术突破，行业将进入快速发展期。“可能很快，也可能慢一点，但今年或明年一定会有非常大的技术进步在等待着大家。”

王兴兴此前曾直言当前行业最大的瓶颈：具身智能AI模型本身的泛化能力和通用性不足。虽然端到端AI技术能在固定场景实现接近100%的成功率，但场景内容稍有改变，成功率便会暴跌。这一脆弱性正是行业亟待攻克的核心难题。

在我国，具身智能的战略地位正在快速提升。2025年《政府工作报告》首次将具身智能与生物制造、量子科技、6G等并列为未来产业培育重点，2026年政府工作报告再次将其与未来能源、量子科技、脑机接口、6G等前沿领域并列，并提出建立未来产业投入增长机制及风险分担机制。

"十五五"规划建议更进一步，明确提出推动具身智能成为新的经济增长点，将其定位为新质生产力的关键载体。

作为人工智能领域的前沿方向，目前，全球主要国家均已将具身智能纳入科技发展战略，中国正通过顶层设计与政策引导，加速技术突破与产业化落地进程。

人形机器人被视为具身智能最重要的发展形态，其意义远超传统工业机器人。

它打破了传统机器人 “专用、单一、场景受限” 的局限，成为首个可适配人类真实环境、替代人类完成多任务的通用具身智能载体。它不再只是辅助生产的工具，而是能行走、操作、感知、决策的 “物理形态 AI”，既可以重构制造业、物流、服务等行业的劳动力结构，也能深度介入家庭养老、生活照料等民生场景，推动人工智能从虚拟交互走向现实执行，从提升效率转向重塑生产生活方式，因此被视为继智能手机、新能源汽车之后，下一代具备划时代意义的颠覆性科技产品。

为了规范人形机器人行业的发展，国家地方共建人形机器人创新中心联合行业头部机构发布了《人形机器人分类分级应用指南》。该指南以具身智能、下肢运动、上肢作业及应用环境为核心分级要素，将人形机器人划分为L1基础执行型、L2条件智能型、L3自主协作型、L4全场景适应型四个等级，为行业建立了统一的技术评价标准。

目前，中国人形机器人行业正处于L2初阶向L3过渡的关键期。部分领先企业已在特定场景展现L3级能力，但整体仍受限于感知精度、决策泛化、执行稳定性和成本控制等因素。行业真正进入L4级“全场景适应”时代，预计还需3-5年的技术积累和场景验证。

不过，这并不影响市场对人形机器人的热情和期待。据人形机器人产业大会数据，2024年全球人形机器人市场规模约149亿元，其中国内市场规模18亿元，占比约12%。预计2026 - 2029年，中国市场年均复合增长率约93.6%，显著高于全球同期约57%的增速。到2029年，国内市场规模将达到750亿元，占全球比重超30%，成为全球第一大市场。

中国信息通信研究院副总工程师许志远指出，当前具身智能已取得阶段性突破。一方面，机器人的“认知智能”实现明显跃升(即“大脑”能力)，大模型使机器人能够完成传统机器人难以处理的复杂任务，具备“可感知、可思考、可交互”的智能特征。另一方面，“物理智能”加速突破：基于强化学习，人形机器人在复杂地形行走、高难度舞蹈等动态任务上表现显著提升;基于模仿学习与大模型范式，上肢操作能力快速增强，已能执行切黄瓜、倒水、叠衣服等精细操作。然而，尽管技术突破不断，具身智能的大规模落地仍处于早期阶段”。