在第二十六届中国国际工业博览会上，宇树科技创始人王兴兴提出的观点引发了业内广泛讨论。他预测，随着通用大模型的飞速迭代，明年的 GPT-7 有可能“直接把具身智能瓶颈打穿”，并认为具身智能产业的临界点最快可能在一到两年内到来。同时，这位长期从事机器人研发的创业者还做出了一场罕见的自我反思，坦承过去十几年自己犯的最大错误就是“对AI相信得还不太够”。
王兴兴态度的转变并非凭空而来。在此之前，他曾将具身智能迎来拐点的时间预估为数年之久，但近来AI技术的演化速度刷新了他的认知。特别是在将最近发布的通用大模型接入机器人本体进行多种任务测试后，团队发现大模型在语义理解、任务拆解以及空间感知能力上展现出了超出预期的效果。在王兴兴看来，当机器人在80%的陌生场景中，仅凭语音指令就能完成80%的任务时，产业拐点就会真正到来。而大模型的跨越式进步，似乎正在让这个目标加速实现。
从技术逻辑来看，王兴兴的乐观预判有其合理之处。长期以来，制约具身智能规模化落地的核心难题之一在于“泛化能力”。传统机器人往往需要针对固定环境和特定任务进行反复调试与训练，一旦物品摆放位置变了，或者换了一个新场景，机器人就容易卡壳。通用大模型的引入，相当于为机器人装上了一个具备常识推理能力的“大脑”。它不需要针对每个特定场景重新撰写代码，就能直接看懂复杂的物理环境，将抽象的大任务拆解为具体的执行步骤。随着GPT-7等下一代大模型的推出，机器人在复杂指令理解、长流程规划以及跨场景泛化上的门槛确实会被显著降低。
然而，要论GPT-7能否彻底“击穿”具身智能的所有瓶颈，行业内部依然保持着理性与客观的态度。具身智能的核心难题不仅仅是“大脑思考”，更在于“身体与物理世界的交互”。大模型擅长处理信息和规划逻辑，但物理世界存在着摩擦力、软质物体变形、微小碰撞等极其复杂的动力学特征。机器人捏取一个杯子或者折叠一件衣物，需要毫秒级别的实时反馈以及精细的触觉与力控。这些靠文本和视觉数据训练出来的通用大模型难以直接提供，依然需要依赖底层的运动控制算法以及物理世界的精细调优。
此外，数据匮乏与安全可靠性同样是无法单靠软件模型一蹴而就解决的难题。互联网上虽然拥有海量的文本和图像数据，但缺乏带有精确三维坐标、力反馈和物理接触日志的高质量真实操作数据。在实际投产运行中，大模型的推理成功率若无法达到极高的稳定度，在物理交互中出现一次误操作，就可能带来设备损坏或安全隐患。从目前的试点情况来看，机器人要从实验室演示走向工厂流水线或各类商业服务场景，并实现稳定、高效地连续工作，其综合效率和成本控制依然面临现实检验。
综合来看，王兴兴的发言反映了AI大模型对具身智能赛道带来的深远冲击。通用大模型的快速演进，确实正在拨快具身智能的技术时钟，大幅拉近了机器人“听懂人话、看懂世界”的距离。然而，具身智能最终是软件与硬件、算法与物理世界高度协同的综合产物。GPT-7或许能够突破机器人“大脑”在泛化推理上的瓶颈，但要真正实现机器人在物理世界中稳定、安全、高效地下场干活，依然需要整个产业链在传感器、真机数据积累以及物理底盘控制等底层环节上进行持续而扎实的工程攻关。
