10月12日，上海，第26届中国国际工业博览会开幕式上，宇树科技创始人王兴兴把“具身智能临界点”压进了一个此前没人敢给的区间——快的话一两年：明年GPT-7出来的话，可能直接将具身智能的问题‘打穿’。 他同时承认，行业眼下仍卡在泛化性和效率两道难题上。细看会发现这句话是个条件句，前提是“明年GPT-7出来”；而“打穿”指的是通用大模型冲击具身智能的“大脑”瓶颈，不等于机器人马上进厂打工。一个造了十几年机器人硬件的人，为什么敢把自家时间表押在另一家公司尚未发布的模型上？《财经》杂志
两个月，乐观预期提前了一年
今年8月的世界机器人大会上，王兴兴给具身智能定的预期还是快则两到三年、慢则五到十年，他把泛化能力不足点名为行业最大瓶颈，还给“实质性突破”定了量：机器人进入任意陌生的家庭环境，仅凭语音指令自主完成80%左右的日常任务。 两个多月过去，这套口径的乐观端被他拨快成了“快的话一两年”——推手不是新的硬件突破，而是一次跨公司的模型实测。蓝鲸新闻
转折来自实测联动。9月3日，OpenAI发布新款旗舰模型GPT-6 Astra，称其为该公司迄今能力最强的模型，核心变化是AI从“提供答案”转向“完成任务”。 10月的工博会上，王兴兴第一次公开宇树的测试结果：把GPT-6放到各种机器人上做任务测试，效果非常不错，具身智能临界点快的话一两年都有可能，明年GPT-7若出来，可能直接把具身智能问题打穿。 他把这次转向说成一句自我检讨——过去十几年，他犯的最大的错误就是对AI还不够相信。央视财经电动汽车观察家科技头版
“打穿”的另一面，是宇树自己的落地账
不过，这份乐观有明确的边界。王兴兴在8月的演讲里描述过行业通病：固定场景里经过充分训练的机器人，任务成功率可以接近100%，可一旦更换操作物品、稍微改变环境，成功率就大幅下降。 营收结构更直观：据宇树2026年上半年财报，其收入中科研教育占73.6%、商业消费占17.39%，工业制造、巡检、物流等真实生产场景合计只有约9%——卖出的机器人，九成还没走上生产线。 对谁先落地，他的排序是：商业服务场景的落地，或许会比工业场景来得更快。蓝鲸新闻电动汽车观察家未来机器人
GPT-7：看得到方向，看不到日程
这条时间表还系在一个尚未兑现的前提上：OpenAI至今没有公布GPT-7的发布时间。研发方向的信号倒是明确——据The Decoder报道，OpenAI应用研究主管Boris Power称，公司已把80%至90%的研发资源投向GPT-7、GPT-8等新一代模型。但发布的不确定性刚刚显形：有报道称，OpenAI在测试中发现安全风险，取消了原定10月发布GPT-6.1 Astra的计划。 上一代旗舰也带着谨慎的一面——GPT-6 Astra发布时首次触及OpenAI内部“关键”级网络安全能力门槛，因此并未向所有用户开放全部网络安全能力。 同代产品都要为安全评审让路，跨代产品“明年必出”就只是概率，不是日程。白鲸出海央视财经
就算打穿，路径也还没统一
即便“大脑”真的被打穿，工程路线也没有共识。同一场工博会圆桌上，机器人大脑放哪里引发正面分歧：王兴兴主张能放云端的尽量放云端，Sharpa联合创始人向少卿认为时延决定算力必须贴近机器人本体，中国工程院院士王坚的落点是云和端协同。 技术社区的讨论则更具体：通用模型补的是听懂指令、拆解规划的“大脑”，真正卡住量产的是“小脑和手”——抓一个软塌塌的塑料袋、拧一颗没对准的螺丝、连续干八小时不出错。 换句话说，大模型的一两个月一迭代，确实在松动具身智能行业的认知，但松动不等于解决。电动汽车观察家微博
想验证这个预言，盯三个信号
与其转发金句，不如盯住三件事。第一，OpenAI是否正式官宣GPT-7的排期，以及开放的能力边界。第二，通用模型在真机上的验证，能否从“效果不错”的短时演示，走进无需改造环境的真实场景：Sharpa的机器人已在上海一家DQ门店全自主完成从点单到交付的55步流程，并在营业时段连续运营、全年无休，这类案例才是泛化能力的试金石。 第三，宇树下一份财报里，那约9%的工业场景营收占比是否开始跳动。三个信号同向变化，“打穿”才会从创始人的信仰，变成产业的事实。电动汽车观察家
