TL;DR：
宇树科技创始人王兴兴指出，当前机器人发展的核心瓶颈并非硬件，而是AI大模型在多模态融合及具身智能应用方面的能力不足。这揭示了通用大模型在真实物理世界中，从信息处理到实际“干活”的巨大鸿沟，亟需业界从参数竞赛转向深度融合与实用性创新，以实现真正的人机协作与智能体落地。
在人工智能浪潮席卷全球的当下，大型语言模型（LLMs）以其惊人的文本生成与理解能力，重塑了数字世界的工作流。然而，当我们将目光投向物理世界，试图让机器人拥有与人类匹敌的智能时，一个引人深思的矛盾浮出水面。宇树科技创始人兼首席执行官王兴兴在2025外滩大会圆桌讨论环节抛出重磅论断：机器人最大的问题并非硬件，而是AI大模型本身能力不够，尤其在多模态融合方面表现欠佳 12。这一观点不仅挑战了普遍认知，更深刻揭示了具身智能（Embodied AI）从概念走向现实的深层瓶颈。
技术瓶颈的深层剖析：大模型何以“不够用”？
当前大模型的迅猛发展，主要集中于信息处理和生成领域。无论是纯语言模型在自然语言理解与生成上的突破，还是纯视觉模型在图像识别与生成上的优异表现，都令人叹为观止。然而，“如果要把语言和图像很好地结合起来，仍是一个较大的难点” 1。这正是多模态融合的核心挑战，也是机器人与物理世界交互的基石。机器人需要同时理解视觉、听觉、触觉等多源信息，并将其转化为精确的物理动作，而现有大模型在此环节的表现远未达到实用水平。
- 多模态融合的“失语症”：王兴兴指出，虽然AI在信息处理领域已表现出色，但“让AI干活的领域还是荒漠，只是长了几棵小草，爆发性增长的前夜还未到来” 1。这意味着大模型虽然可以“看懂”和“听懂”世界，但却无法有效地“操控”世界。例如，如何让模型控制机器人灵巧手完成复杂精细的操作，仍是一个巨大的挑战 3。这种“失语症”源于大模型在跨模态语义映射、物理世界常识推理及实时决策反馈方面的欠缺。
- 从逻辑推理到具身智能的鸿沟：目前大部分大模型停留在基于已有数据和预设规则的逻辑推理层面，缺乏真正的理解和创新能力 1。它们擅长模式匹配和统计规律，但在面对模糊、复杂、动态变化的现实场景时，往往力不从心。例如，让机器人“帮我找找昨天收到的快递，可能放在门口的鞋柜或者沙发底下等地方”，这对于人类而言是基于常识、经验和灵活判断的简单任务，但对机器人而言，需要对时间、物品、空间位置等多重信息进行理解，并具备视觉搜索、物体识别、路径规划和交互反馈等综合能力，这对于当前的大模型是巨大挑战 1。这种从“理解文字图像”到“理解物理世界并采取行动”的质的飞跃，是当前大模型面临的根本性障碍。
具身智能的逻辑跃迁：从“工具”到“智能体”的鸿沟
具身智能的核心在于赋予机器人感知和行动能力，使其能在真实环境中自主完成任务。王兴兴的观点恰恰揭示了，尽管机器人硬件（如传感器、执行器、机械结构）已足够先进，“用一两年都可以” 1，但作为“大脑”的AI模型却严重滞后。硬件与软件之间的这种不匹配，构成了具身智能从“工具”走向“智能体”的关键障碍。
- 人类思维与机器思维的差异：人类在处理问题时依赖直觉、经验和创造力，能够快速做出判断。而大模型则基于统计规律和模式匹配，缺乏对事物本质的理解 1。这种思维方式的根本差异，使得大模型在面对复杂多变的现实世界时，难以展现出人类的灵活性和适应性。它们需要海量标注数据进行训练才能识别特定对象，但仍难以应对不常见或具有特殊含义的场景。
- 构建“符合实际工作需求的大脑”：具身智能的未来，不在于简单的工具化机器人，而在于能够像人一样工作的智能体。这要求机器人大模型不仅具备全面的生活常识、情感理解，甚至社交沟通能力，更重要的是能够实现端到端（end-to-end）的统一智能，将感知、认知、决策和行动无缝连接 4。目前，大模型仍处于“工具化”阶段，其能力边界清晰，难以应对真实世界中的普遍模糊性与不确定性 1。
- 从参数竞赛到效率与融合：业界长期以来过度关注大模型参数规模的扩大，认为“简单低质量地卷参数已经意义不大” 1。这种粗放式增长带来了高昂的训练成本、推理速度慢和可解释性差等问题，且并未从根本上解决具身智能的应用难题。未来的方向应是优化训练方法和算法，提高模型在更少数据和计算资源下的性能，并加强大模型与机器人硬件的深度融合，实现软硬件的协同优化 1。
产业生态与商业版图的重构：从参数竞赛到实用主义
王兴兴的直言不讳，为正处于“AI爆发性增长前夜”的机器人产业指明了新的方向，也重塑了投资和技术研发的关注焦点。
- 投资逻辑的转向：资本市场对AI的热情不减，但纯粹追逐通用大模型“大而全”的叙事可能面临调整。未来，投资将更青睐那些专注于解决具身智能核心难题、实现模型与硬件深度集成、具备实际落地能力的解决方案和企业。对“机器人端侧的模型架构”的突破性研究将变得至关重要 3。
- 产业生态的差异化竞争：对于像宇树科技这样在机器人硬件领域深耕的企业而言，其核心竞争力将不再仅限于机械设计和运动控制，更在于如何与AI大模型厂商深度协作，共同打造“具身智能大脑”。这预示着机器人产业将形成更为精细化的分工和协作模式，硬件厂商、算法公司、数据提供商以及应用场景方将构建一个复杂而紧密的生态系统。
- 商业模式的潜力释放：当具身智能大模型真正成熟，能够驱动机器人完成复杂的、模糊的、非结构化的物理任务时，其商业价值将呈指数级增长。从智能制造、仓储物流，到家庭服务、医疗康复，甚至农业生产和极端环境作业，都将涌现出千亿甚至万亿级的市场机遇。届时，机器人将不再是特定任务的工具，而是能够融入人类生活、生产的智能助手，甚至成为新的生产力要素。
AI伦理与社会未来：重新定义“智能”与“劳动”
王兴兴的洞察也引出了关于AI与人类未来关系的深层哲学思考。一个广为流传的段子精准地表达了这种期待与焦虑：“我想AI应该是帮我做洗衣和洗碗的活儿，好让我去玩艺术、搞创作；而不是AI去玩艺术搞创作让我来做洗衣洗碗的活儿” 1。这反映了人类对于AI发展路径的深切期望——AI应是解放人类劳动的工具，而非取代人类创造力的竞争者。
- 重新定义“劳动”与“智能”：当前大模型在创意、内容生成方面展现出强大能力，却在物理操作上步履维艰，这使得“智能”的定义变得更加复杂。如果AI擅长精神劳动，而人类被挤压到物理劳动，这种颠覆将带来深刻的社会结构和伦理挑战。未来，我们需要重新审视哪些是真正需要人类智慧和情感参与的“劳动”，以及AI如何更好地与人类协作，实现社会福祉的最大化。
- 未来工作与教育的变革：王兴兴认为“现在是对年轻人非常友好的时代，AI时代是一个非常公平的时代”，并鼓励年轻人“把AI不仅仅当作一个工具，还可以把它当作一个全能型的工具，去重新学习和接受它，把它用得更好” 1。这预示着未来教育和职业发展将更加强调人类利用AI进行创造性、复杂性工作的能力，而非简单重复劳动。
- 道德边界与社会治理：随着具身智能的推进，其决策和行动将直接影响物理世界，引发新的伦理问题：机器人的责任归属、数据隐私、以及如何确保AI的决策符合人类价值观。AI伦理与治理的框架建设，将成为与技术发展同等重要的议题。
展望：通往真正智能体的路径
王兴兴的观点不仅是对当前技术局限的揭示，更是对未来发展方向的有力指引。要让大模型真正“够用”，并推动具身智能实现质的飞跃，业界需聚焦以下几个关键路径：
- 突破多模态深度融合：不再停留在简单的信息拼接，而是实现跨模态信息的语义级、认知级融合，让模型能够真正理解物理世界中的对象、动作、意图和上下文。这需要创新的模型架构和训练范式。
- 构建物理世界模型与常识推理：让AI具备对物理规律、因果关系和人类社会常识的理解，而不仅仅是数据关联。这将是实现真正自主决策和应对不确定性的关键。
- 发展高效的“机器人侧”模型：考虑到机器人端侧的计算资源限制，需要研发更轻量化、高效、可部署的专用大模型，实现感知、决策、控制的一体化。
- 强化虚实结合的训练范式：利用仿真环境进行大规模、多样化的训练，并通过**sim-to-real（从仿真到现实）**技术，将学习到的策略高效迁移到真实机器人上，大幅降低训练成本和时间。
- 软硬件协同的深度优化：从设计之初就将AI大模型的特点融入机器人硬件设计，实现感知系统、执行器和计算平台的深度集成和优化，确保二者能够最大限度地发挥协同效应。
王兴兴所提出的挑战，并非悲观论调，而是具身智能黎明前的号角。大模型的“不够用”，并非数量不足，而是智能深度与实用性尚待质的飞跃。这场从“信息处理”到“物理干活”的逻辑跃迁，将是未来3-5年内，AI领域最具挑战性也最具潜力的创新高地。谁能率先弥合这一鸿沟，谁就将主导下一代智能科技的商业版图，并深刻影响人类文明的进程。