宇樹科技（Unitree Robotics）掛牌上海科創板隔日，創辦人王興興迎來上市後首次公開演講。相較首日股價大漲逾 460% 的市場熱度，他談起人形機器人的實際能力時，給出的判斷相對審慎，指出機器人距離大規模進入工廠與家庭，仍有幾道關卡尚未跨過。
在 2026 世界機器人大會上，王興興首先把問題指向效率與泛化能力。他表示，機器人現在已能完成部分簡單裝配，但效率仍低於人類；一項任務即使在固定場景充分蒐集資料與訓練後，成功率可以逼近 100%，只要更換物品、環境或任務，表現就可能明顯下滑，碰到新工作往往還得重新訓練。他因此把泛化能力不足，視為當前全球機器人產業的核心瓶頸。
《Reuters》則指出，驅動機器人決策與互動的 AI 模型，仍是限制人形機器人大規模部署的主要因素。而宇樹科技目前投入最多資金與人力的方向，也正是世界模型。
什麼才算機器人的「ChatGPT 時刻」？
王興興在演將中也為具身智慧（embodied intelligence）真正跨過門檻，給出一個具體判準。對他來說，如果把機器人帶進一個完全陌生的環境，只靠語音或文字指令，就能在約 80% 的陌生場景完成約 80% 的任務，才算迎來具身智慧的「ChatGPT 時刻」。
至於還要等多久，他估計，在樂觀情況下最快 2 至 3 年，較保守則可能需要 5 至 10 年。但要跨過這個門檻，泛化能力不足還只是表面問題。王興興認為，更棘手的是 AI 模型一旦進入真實物理世界，誤差就開始產生與累積。
最後幾毫米，為何成為機器人難跨過的關卡？
王興興以抓取物品為例，機器人的手看起來已經接近目標，但最後一點觸覺回饋或位置偏差如果無法即時修正，整個任務就可能失敗。真正影響成功率的，往往是最後幾公分，甚至幾毫米。
這也是機器人 AI 與語言模型（LLM）的一項重要差異。他解釋，語言模型的輸入與輸出都留在數位空間，但機器人必須把模型判斷轉成真實動作，每一次執行產生的偏差，又會影響下一次感知與行動，讓誤差持續累積。這也是為什麼機器人學會一項任務，不代表換到陌生環境後還能照樣完成。
王興興在 2025 年也曾表示，當時機器人的硬體能力已基本夠用，雖然成本、可靠性與量產仍要持續改善，相較之下，具身 AI 模型更缺乏足以支撐廣泛應用的突破。
宇樹怎麼解？重押具身 AI 模型，再用 AI 改造研發流程
宇樹對 AI 模型的投入也反映在募資規畫上。該公司原募投計畫規模為 42.02 億元人民幣，其中 20.22 億元投入 AI 機器人模型研發，高於投入機器人機身、關節與運動控制等技術研發的 11.1 億元。
在模型端，宇樹目前同步推進 WMA（World-Model-Action，世界模型－動作）與 VLA（Vision-Language-Action，視覺－語言－動作）等路線。
WMA 希望讓模型不只根據眼前畫面決定下一個動作，還能預測機器人採取行動後，周遭環境可能如何變化，再據此規劃下一步；VLA 則把機器人看到的環境、人類下達的語言指令與最後執行的動作連接起來，提升理解與執行不同任務的能力。宇樹最新招股意向書顯示，該公司近一年也持續推出融合世界模型與 VLA 的模型，強化多步驟規劃、環境干擾下的操作與多任務能力。
資料怎麼來也是王興興關注的問題。他在演講中主張，大量真人與網路資料可以作為主要的預訓練來源，再搭配不可或缺的真機資料，因為機器人最終仍要把模型能力落到真實物理世界。
除了改善模型本身，王興興這次還提出另一個方向：直接用 AI 改造機器人的研發流程。宇樹正在預研一套物理 AI 機器人自進化系統，讓 AI 搜尋論文與開源方案、自行撰寫控制程式，先進入模擬環境測試，再部署到真實機器人，依 AI 與人類評分結果持續修改。目標是讓資料、技能與測試經驗可以累積，降低每遇到新任務都要重新由工程師開發的成本。
不過，這些模型距離廣泛商用仍有一段距離。宇樹在 8 月上市前路演中表示，WMA 與 VLA 目前仍處於持續研發測試階段，主要在自有工廠等試點場景進行部署驗證。
一邊是資金與人力持續往模型集中，一邊是 WMA、VLA 仍在試點驗證。這也呈現宇樹對現階段機器人產業的判斷：AI 模型既是下一階段最重押的方向，也是人形機器人距離大規模應用仍最需要補上的能力。
從實驗室到產線，機器人正重新定義產業的樣貌。如果你也想站在第一線追蹤這場變革、寫出有觀點與洞察力的報導，《TechOrange 科技報橘》正在徵內容編輯！
👉立即投遞履歷
【推薦閱讀】
◆ 【中國首家人形機器人 A 股掛牌】宇樹科創板首日飆 460%：年出貨 5,500 台、淨利 2.78 億，美國優勢不復存在？
＊本文開放合作夥伴轉載，資料來源：《Reuters》、《Bloomberg》、Unitree 1、Unitree 2、《panews》、《Global Times》，首圖來源：擷取自 Unitree Robotics
