王兴兴（最新）：全球算力竞争将非常惨烈！

王兴兴最新判断：芯片产能将成为全球最核心资产之一！算力竞争将非常惨烈！

深科技 deeptek｜全球人工智能产业观察

人形机器人距离真正干活，还有多远？

11月5日，在第九届虹桥国际经济论坛“人形机器人与具身智能产业创新发展合作”分论坛上，宇树科技创始人、董事长王兴兴发表了题为《具身智能的泛化上限，一半写在“身体”里》的演讲。

这一次，王兴兴不仅谈到了人形机器人的技术瓶颈，还对具身智能模型的自进化、万台机器人测试以及全球算力竞争作出最新判断。

其中，三个观点尤其值得关注：

1、具身智能最大的技术挑战之一，是机器人与物理世界之间最后几毫米的误差；

2、这一技术难题有望在未来1—2年得到较好解决；

3、未来世界最核心的资源是数据、算力、芯片产能、能源和矿产。未来全球算力竞争，将会“非常非常惨烈”。

一、最大难题：最后几个毫米！

王兴兴认为，目前具身智能面临的最大挑战，并不完全是AI模型的理解能力，而是模型与物理世界之间的输入输出没有实现充分对齐。

他在现场表示：

“目前具身智能面临的最大挑战并不是多模态模型的理解能力不够，而是与物理世界输入输出没有很好对齐，最后几毫米有比较大的偏差。”

按照王兴兴的解释，目前全球领先的多模态模型，如果直接应用于机器人操作，让机器人规划动作并抓取一个较大的物体，成功率已经接近100%。

但是，如果让机器人执行更加精密的任务，例如抓取机械零部件、完成零件装配等，成功率就会明显下降。为什么会出现这种情况？

因为模型理解任务是一回事，机器人能否准确执行又是另一回事。对于较大的物体，少量位置偏差可能不会影响抓取结果；但在精密工业装配中，即使只有几毫米的误差，也可能直接导致操作失败。

王兴兴特别强调：

“最后的几个毫米，还有比较大的偏差。”

他认为，如果能够解决模型输入输出与真实物理世界之间的对齐误差，具身智能模型在技术层面就有望取得重要突破，剩下的更多是工程化和实际推广问题。

对于这一技术瓶颈，王兴兴给出了相对乐观的判断：未来1—2年，有望得到较好解决。

这意味着，具身智能下一阶段的竞争，可能不只是比拼模型参数和任务理解能力，而是进一步考验机器人能否把AI生成的动作真正精准地执行出来。

点击参与【深科技之王榜单】AI大爆发！「深科技50」人工智能榜单，正式启动！

二、AI自进化：机器人自己训练自己！

除了物理世界的对齐问题，王兴兴还重点谈到了机器人AI模型的自进化。

在他看来，当前一些大模型企业已经开始形成AI自进化循环。简单来说，就是利用AI完成数据采集、数据标注、模型训练和效果评价，再根据评价结果不断优化模型。

整个过程中，人工参与程度逐渐降低。

不过，与大语言模型相比，机器人AI模型的自进化速度仍然相对较慢。

王兴兴提出，未来可以让AI模型自行编写机器人控制代码，再通过真实机器人进行训练和测试，并利用AI评价动作完成度、任务成功率等指标。

如果测试失败，模型可以根据反馈继续优化；如果测试成功，相关数据又能够进入下一轮训练。

由此形成持续迭代的循环。

更值得关注的是，随着机器人数量不断增加，企业能够积累更多来自真实物理世界的数据，从而加快模型训练和优化。

这也是机器人与纯数字模型的重要区别：机器人不仅需要在计算机中学习，还需要在真实环境中不断验证自身能力。

王兴兴认为，随着模型能力提高、机器人部署规模扩大，AI模型自进化的速度有望进一步加快。

三、万台机器人：宇树科技准备怎么干？

对于机器人训练和测试规模，王兴兴还透露了一个值得关注的设想。

未来，如果需要部署一万台机器人开展测试和评价，对宇树科技而言，并不是特别困难，成本也不会太高。

这一判断背后，是机器人规模化部署与模型迭代之间的关系。

过去，机器人企业往往需要通过人工操作、人工采集和人工标注获得训练数据。这种方式不仅成本较高，而且数据积累速度受到限制。

但如果未来能够同时部署大量机器人，在不同环境下执行任务，就有机会持续获得更加丰富的真实场景数据。

这些数据可以用于模型训练、动作优化和任务成功率评价，进而推动机器人能力持续提升。

机器人数量越多，真实测试数据可能越丰富；模型能力越强，机器人能够完成的任务也可能越复杂。

王兴兴所描述的，正是这样一种机器人规模化部署与AI模型自进化相互促进的发展方向。

当然，万台机器人测试是对未来技术能力和部署规模的展望，并不意味着宇树科技已经完成一万台机器人组成的自进化训练系统。

四、全球算力争夺战：将非常非常惨烈！

相比机器人本体技术，王兴兴对全球人工智能产业竞争格局的判断，同样引人关注。

他认为，随着人工智能持续发展，产业竞争正在从模型和算法，逐步延伸至更加底层的资源。

数据和算力固然重要，但芯片产能、能源以及矿产的战略价值也会不断提升。

王兴兴明确表示：

“数据、算力、芯片产能、能源和矿产。这五种资源将成为未来世界最核心的资产。”

在这五种资源中，算力尤其值得关注。

王兴兴以马斯克及其旗下企业的布局为例，认为相关企业正在向大型算力公司转变，通过建设算力基础设施参与全球竞争。

这意味着，未来人工智能企业之间的竞争，不仅取决于谁拥有更先进的模型，也取决于谁能够获得足够的计算资源、芯片制造能力和能源供应。

对于全球算力竞争的前景，王兴兴使用了一个极具冲击力的表述：

“非常非常惨烈。”

从英伟达GPU到AI专用芯片，从先进制程到HBM高带宽存储器，从AI数据中心到能源基础设施，人工智能产业正在形成越来越庞大的底层供应链。

对于半导体产业而言，这也意味着AI算力需求可能持续推动芯片制造、先进封装、存储器、光互连以及数据中心基础设施的发展。

不过，这些半导体产业链影响属于深科技基于王兴兴观点作出的延伸分析，并非他在现场逐项提出的判断。

点击参与【深科技之王榜单】AI大爆发！「深科技50」人工智能榜单，正式启动！

结语：具身智能真正的较量，才刚刚开始！

从最后几毫米的动作误差，到AI模型自进化，再到万台机器人测试和全球算力竞争，王兴兴此次演讲释放了一个重要信号：具身智能正在从模型能力突破，进一步走向真实物理世界中的精准执行和规模化应用。

对于机器人企业而言，未来不仅需要更强大的AI模型，还需要更可靠的机器人本体、更丰富的真实数据，以及更高效的训练和部署体系。

对于整个科技产业而言，数据、算力、芯片产能、能源和矿产的重要性也在持续提升。

当AI模型开始真正控制机器人的身体，当机器人能够在现实世界中持续学习、执行和改进，人形机器人产业的竞争也将进入新的阶段。

王兴兴此次演讲最值得关注的判断，或许正是：具身智能的关键突破，不仅在于让机器人学会思考，更在于让机器人真正把事情做对。

深科技 deeptek 整理

资料来源：第一财经、中新经纬、中国电子学会。本文根据2026年11月5日王兴兴公开演讲报道整理，部分产业分析为编辑补充，非演讲逐字实录。

点击参与【深科技之王榜单】AI大爆发！「深科技50」人工智能榜单，正式启动！