关于当前机器人技术的发展阶段，宇树科技创始人王兴兴与图灵奖得主、Meta首席AI科学家杨立昆（Yann LeCun）给出了看似截然不同的判断。王兴兴认为，机器人技术水平已接近10岁孩子；而杨立昆则表示，当下人形机器人的常识水平甚至不如一只猫。要理解谁的说法更接近现实，需要厘清他们各自的观察角度和评价标准。
王兴兴的“10岁孩子”之说，更多是基于机器人物理能力的“能力模拟”，而非本质智能的等同。作为一家机器人硬件公司的创始人，他的视角更侧重于机器人的运动控制与感知能力。例如，宇树的机器人在春晚舞台上表演翻筋斗、打醉拳等高难度动作，展现了出色的身体协调性和灵活度，这在运动能力层面确实可以对标一个活跃的孩童。同时，借助视觉SLAM、3D环境建模等技术，机器人能够像孩子一样“看懂”并导航于周围环境，避开障碍物。王兴兴也坦言，这种比喻的背后是机器人核心能力的短板：通用智能不足，环境自适应能力弱。春晚舞台上机器人“摔倒再站起”是预设好的程序，但在真实的家庭环境中，面对突然跑过的宠物或移动的地毯，机器人往往会不知所措。它们擅长执行单一、明确的任务，却缺乏10岁孩子那种“举一反三”、将技能迁移到未知任务中的泛化能力，更不具备情感、创造力等真正的人类意识。因此，王兴兴的观点是对机器人硬件所能达到的动作表现力的一种形象概括，同时他也预测，大规模应用快则3至5年，慢则不超过10年。
相比之下，杨立昆的“不如猫”之论，则直指当前人工智能（尤其是大语言模型）在理解物理世界方面的根本缺陷。他认为，大语言模型在处理文本、代码等符号世界的问题上取得了巨大成功，但这种成功难以复制到充满不确定性和复杂物理规律的现实世界中。人类婴儿通过与世界的互动，很早就建立了对重力、惯性等物理规律的直观理解，而这种“常识”是当前AI所缺失的。一只猫能毫不费力地在复杂的环境中跳跃、穿行，并预判物体的动态，这背后是对物理世界深刻的本能理解。杨立昆指出，一个4岁孩子接收到的视觉信息总量，与顶级大语言模型的训练数据量在同一数量级，但孩子能高效地学会与物理世界互动，而AI却做不到。他举了一个经典的例子：我们有了能在奥数比赛中击败人类的AI，却没有能稳定地收拾餐桌、将碗碟放入洗碗机的家用机器人。这正是因为机器人缺乏对物理动作后果的预测能力。从这个角度看，当下机器人的“智能”更多是基于海量数据的模式匹配，而非对世界运行规律的真正理解，其常识水平确实远不及一个能够灵活适应物理环境的动物。
综合来看，王兴兴和杨立昆的观点并非完全对立，而是从不同层面剖析了同一个问题。我们可以用一个比喻来理解他们的分歧：王兴兴描述的是一个拥有了10岁孩子般灵活身体的“演员”，这个“演员”的硬件平台（身体）已经足够出色，可以完成许多复杂的动作；而杨立昆则在评价这个“演员”的“大脑”，他认为这个大脑对于真实世界的理解还非常初级，缺乏最基本的物理常识，甚至不如一只猫。
因此，两位专家的说法都从各自的专业领域出发，揭示了现实的不同侧面。王兴兴的观点反映了机器人硬件和运动控制技术的显著进步，让我们看到了机器人实现复杂物理任务的可能性。而杨立昆的批评则点明了通往通用人工智能道路上的核心障碍——如何让AI建立起对物理世界的“世界模型”和常识。当前的人形机器人，正处于一个“身强体壮”但“心智尚浅”的阶段，未来真正的突破，将取决于如何弥合这具日益强大的躯体与那颗尚未真正理解世界的“大脑”之间的鸿沟。
