AI信徒王兴兴一段话，宇树涨了54%，但考验在后面 - 九游体育

近几个交易日，宇树科技一扫此前低迷态势，股价连续攀升。与10月15日盘中最低点404.3元/股相比，累计涨幅已超54%，其中今日更是直接封上20%涨停板，收于624元/股，市值再度突破2524亿元。

与股价暴涨同步的是，宇树刚刚发布了定位为“保镖”的H2-X功夫传奇机器人。演示视频中，该机器人能扛起汽车、做出飞踢肘击等动作，负载能力相较以往的跳舞版本有了显著提升，显然仍在尝试突破物理硬件的极限。

在近日举行的2026世界物理AI大会暨宇树合作伙伴生态大会上，王兴兴的演讲中超过90%的篇幅都在大谈特谈AI。

他表示，“全世界包括他自己对AI的信仰都还不够”；“同事如果更关注AI，身价可能增长十倍甚至几十倍”；“真正看懂尖端AI模型潜力的人可能只有几千人”；“物理AI已经看到被击穿的苗头，快则1到2年，慢则2到3年……”

这与几年前的王兴兴几乎判若两人。自2016年创业至今，王兴兴此前将更多精力和心思投入到硬件研发上。

从本次大会的演示来看，宇树已在推进自研物理AI模型和机器人自进化体系。但现场最直观的绘画、下围棋等演示，主要基于GPT-6 Astra的测试结果。

外界或许更关注的是，已转变为AI信徒的王兴兴，究竟何时才能拿出宇树自身的AI能力？当人形机器人的硬件能力持续提升，宇树能否将自研AI从技术路线转化为真正的产品能力，将成为下一阶段的关键考验。

王兴兴处处谈论AI，但宇树的AI在哪里？

遗憾的是，尽管王兴兴反复强调AI，但在宇树生态大会上，能站得住脚的自研AI成果并不多。

这两天，宇树在杭州举办了成立十年来的首场生态大会。新发布的Unitree H2-X颇为吸睛：轻松翻越汽车，飞踢肘击能将车门砸出坑，徒手抬车，从4米高台跃下平稳落地，官方称续航最长可达8小时。

不过，这些动作证明的依然是宇树在硬件、运动控制和动作编排方面的能力，而非王兴兴极度看重的AI。

这场大会的主论坛主题为“世界物理AI大会”，王兴兴的演讲题目是《相信，尽可能相信AI》。他几乎将整场演讲都聚焦在AI上：全世界对AI的信仰还不够，包括他自己；四五年前他曾提醒同事关注头部AI公司股票，如果当时相信，个人财富可能已增长十倍甚至几十倍；真正看懂尖端AI模型潜力的人可能只有几千人；物理AI已看到被击穿的苗头，快则1到2年，慢则2到3年……

他越是强调AI，观众就越期待看到宇树的AI成果；但落到现场，真正拿得出手的演示却并非来自宇树自研模型。

首先得承认，宇树是有自研AI产品的。9月，宇树曾发布通用人形机器人基础模型UnifoLM-WLA-1.0。本次大会上，王兴兴进一步介绍了正在预研的“物理AI机器人自进化V1.0”。

他还将“物理AI机器人自进化V1.0”作为今年最重要的预研方向——让AI自主查阅论文、编写代码，在仿真环境中训练，再进入真实机器人测试，并通过AI或人工打分反馈，形成持续迭代闭环。

但预研框架不等于已跑通的模型，技术路线图也不等于已落地的能力。

现场最直观的AI演示，反而来自GPT-6 Astra：机器人在零训练条件下完成绘画、洗笔、换颜料、下围棋、室内导航。王兴兴自己也承认，大模型已能较好解决规划和导航问题，但真正动手操作时仍然容易出错。

这说明，外部大模型确实能驱动机器人完成部分任务，但也暴露出宇树自研模型尚未站到台前。

更重要的是，UnifoLM-WLA-1.0发布已一个多月，但在本次大会上却没有一个基于该模型的现场实操演示。观众看到的仍是GPT-6 Astra驱动的画面，而宇树自己的模型仍欠缺真刀实枪的落地。

准确地说，宇树的AI并非没有，只是还没真正走到舞台中央。

它已搭好了骨架——模型、数据、评测、开源生态都在推进，但离“让机器人听懂一句话就去干活”还有距离。王兴兴预测具身智能的“ChatGPT时刻”最快2027年到来，这意味着宇树给自己留了一年多的追赶窗口。

问题是，窗口期内，对手不会停下来等待。

硬件可以持续迭代，但智能能力才是下一道关

宇树的硬件优势是真实的。H2-X能抬车、能飞踢、能从4米高台跃下，续航8小时，运动控制能力放在全球人形机器人里也属第一梯队。

但硬件在中国没有壁垒。电机、减速器、控制器、激光雷达等供应链已成熟，后来者靠工程迭代就能快速追上。如果恰巧去过2026世界机器人大会现场，许多人的第一感觉就是：能唱会跳的人形机器人随处可见，根本不是哪一家的独门绝技。

所以，靠持续改进硬件来维持一定的先进性，对宇树来说是远远不够的。

真正决定谁能留在牌桌上的，是智能能力。

王兴兴自己把这道坎说得很清楚。他给具身智能的“ChatGPT时刻”定了一个量化标准：在约80%的陌生场景中，通过自然语言指令完成约80%的主要任务。这个标准不低——它意味着机器人要从“特定场景下的演示品”变成“通用环境中的可用产品”。

难点在于，大模型让机器人更会“想”，但做家务不是聊天。

王兴兴承认，目前大模型已能较好解决规划和导航问题，但真正动手操作时仍然容易出错。核心瓶颈是AI模型的输入输出与真实机器人之间的对齐：传感器读数有偏差，关节响应有延迟，抓取力度、摩擦力、遮挡和光线变化都会带来误差。

拿起一枚象棋也许不难，但要把细小零件装配到位、把易碎杯具稳妥放进洗碗机，最后几毫米的误差就可能决定成败。

更麻烦的是泛化性。当前AI模型在固定场景里经过充分训练，成功率可以接近100%；但只要物品位置、形状或环境稍变，成功率就可能明显下降。

家庭场景恰恰是最不“配合”的：桌面每天不同，老人小孩宠物随时改变空间状态，任务也常常模糊——“收拾一下客厅”听起来简单，背后包含识别、规划、抓取、移动、避障、纠错和失败重试。机器人不能只完成一次漂亮演示，它必须在陌生环境里反复成功。

这正是宇树自研模型需要证明的地方。

9月发布的UnifoLM-WLA-1.0是6B参数的具身多模态大模型，基于约2500小时真机数据训练，单模型统筹64项任务，在多项具身推理评测中领先开源模型。

但评测领先不等于现场能打。UnifoLM-WLA-1.0发布已一个多月，本次大会上却没有一个基于该模型的现场实操演示。观众看到的仍是GPT-6 Astra驱动的画面。

这恰恰说明，宇树的自研模型还差一次“现场证明”。 发布模型、提出技术路线、搭建算力集群，与证明模型的实际能力，是两回事。真正值得关注的，是自研模型能否在真实机器人上稳定完成任务，能否适应陌生环境，又能否根据执行结果持续改进。

招股书显示，宇树2023年至2025年三年合计研发费用约2.65亿元，相较于AI大模型公司在研发层面的投入，这样的资金完全不在一个量级。王小川曾透露，一个千亿级参数大模型单次训练成本在3000万至5000万元人民币之间。而多位具身赛道从业者也向凤凰网科技感慨，具身大脑投入巨大，日消耗在百万元级别。

机器人“会打架”已经实现，但离“会过日子”还有一段路。对宇树而言，下一阶段的竞争，不只是让机器人做出更惊艳的动作，更是让自研AI真正转化为机器人的执行能力。

到那时，人们评价一台机器人，大概不会再问它能不能扛车，而是会问：它能不能在我出门前，把厨房收拾干净，并且不把猫吓跑？