在第26届工博会上，宇树科技创始人王兴兴说了一句话：“过去十几年我犯的最大的错误，就是对AI的相信还不太够。”
这话从一个机器人硬件出身的创始人嘴里说出来，分量不轻。王兴兴做机器人做了十几年，从四足到人形，一直是那种“先把东西造出来再说”的工程师风格。他很少讲愿景，经常讲的是电机扭矩、控制算法、量产良率。所以他承认自己“信仰不够”，这件事本身比任何技术发布都更有意思。
先把他这次发言的核心信息捋一下。
一是AI迭代速度。他说全球AI技术进步非常快，“每隔一两个月都有非常大的更新”。特别提到GPT-6发布后，对整个具身智能行业从业者认知的提升“非常大”。
二是实测效果。宇树把GPT-6放到各种机器人上做各种任务测试，“效果实际上非常不错”。
三是临界点判断。他认为“快的话甚至一两年内就有可能”，理由是“明年GPT-7出来，可能直接把具身智能问题打穿”。
四是现实差距。他承认目前要大规模应用，“无论是泛化性还是效率，都还要进一步提高”。
五是落地节奏。他认为商业服务场景的落地，“可能比工业领域还要更快一些”。
他这些说法在之前我们都有一些了解和探讨：GPT-6Astra机器人控制95%碾压Fable,一周五款模型密集发布，VLA和世界模型的路线之争结束，数据战争开始了。
所以更多的，我更想探究一下他为什么在此时此刻这么说。
一个行业领头的工程师的“信仰转向”意味着什么
我反复看了几遍他的发言，觉得最有价值的不是“GPT-7打穿具身智能”这个判断——这种预测听多了。最有价值的是他说“最大的错误是对AI相信不够”这句话。
这句话的分量，要放在他过去的公开发言里对比着看。
9月26日，数贸会。王兴兴在演讲中说：“困住人形机器人规模化落地的，不是大模型，是毫米级物理误差。”他当时举的例子很具体：机器人做大范围移动、搬运任务尚可，一到抓取、装配等精细操作末端，毫米级的误差无法自动修正，直接造成任务失败。王兴兴又泼冷水：卡住人形机器人的不是大模型，是毫米级误差
9月底，数贸会专访。他重申了同样的判断：行业核心瓶颈不是大模型，是真机仿真之间毫米级物理对齐误差。
10月，工博会。他说GPT-7可能直接把具身智能问题打穿。
这不是矛盾。这是一个工程师在看到AI能力的真实跃迁之后，主动修正了自己的判断优先级。“毫米级误差”是工程现实，“AI信仰不够”是认知升级。前者是现在，后者是未来。
更有意思的是他对落地节奏的判断。行业主流认知是“先工业后商业，最后家庭”，因为工业场景任务固定、环境可控，最容易跑通。但王兴兴说“商业服务落地可能比工业更快”。这个判断反直觉，但仔细想有道理——商业场景对泛化性的要求其实低于工业。商场里的导览机器人做错了动作，最多是尴尬；工厂里的机器人做错了动作，可能就是安全事故。容错率决定了落地速度。
市场的估值锚，会被这句话扰动
过去两年，具身智能公司的估值锚是“技术壁垒”——谁的控制算法更稳、谁的灵巧手自由度更高、谁的物理对齐误差更小。资本给“工程能力”定价。
如果王兴兴的判断成立——GPT-7级别的通用模型能解决泛化性和效率问题——那估值锚会从“工程能力”切换到“模型能力”和“场景数据”。那些把精力花在“毫米级误差”上的公司，护城河会被削弱；那些能积累真实场景数据的公司，护城河会加深。
这不是说工程不重要了。硬件是入场券，没有好的本体什么都跑不起来。但硬件的差异化空间在收窄——王兴兴自己在9月也承认过这一点，他说“机器人硬件开发中中国处于领先”。
二级市场的传导也值得看。宇树科技上市后股价经历了过山车，从1100元跌到415元，近期在400多元附近震荡。市场对人形机器人的定价逻辑一直在“技术信仰”和“商业现实”之间摇摆。王兴兴这次发言，本质上是在用自己的“信仰”给市场打气——如果GPT-7真的能在一年内解决泛化性问题，那Optimus们的量产时间表可能比摩根大通预测的2027年更早。摩根大通重排机器人座次：优必选降级，宇树低配300元，卖铲人留下
但这只是“可能”。王兴兴自己也很清醒：目前大规模应用还要提高泛化性和效率。GPT-7什么时候出来、出来之后到底能不能“打穿”，都是未知数。
王兴兴说“对AI信仰每年与日俱增”，这句话从一个十几年只做硬件的人嘴里说出来，比任何AI公司的PR稿都有说服力。他过去犯的“错误”是低估了AI，现在他选择不再低估。至于GPT-7能不能真的“打穿”——那是明年的事。但至少在今天，一个工程师的“信仰转向”，比任何模型参数都更能说明行业的走向。
#王兴兴#宇树科技#具身智能#人形机器人#世界模型
注：本文基于2026年10月12日以及之前的公开信源整理，涉及行业预测与盈利判断的内容均存在不确定性，不构成任何投资建议。
关注「智财社」看具身智能技术迭代与资本脉络
原文标题 : 宇树科技王兴兴认错：过去十几年，低估了AI做机器人的能力
在第26届工博会上，宇树科技创始人王兴兴说了一句话：“过去十几年我犯的最大的错误，就是对AI的相信还不太够。”
这话从一个机器人硬件出身的创始人嘴里说出来，分量不轻。王兴兴做机器人做了十几年，从四足到人形，一直是那种“先把东西造出来再说”的工程师风格。他很少讲愿景，经常讲的是电机扭矩、控制算法、量产良率。所以他承认自己“信仰不够”，这件事本身比任何技术发布都更有意思。
先把他这次发言的核心信息捋一下。
一是AI迭代速度。他说全球AI技术进步非常快，“每隔一两个月都有非常大的更新”。特别提到GPT-6发布后，对整个具身智能行业从业者认知的提升“非常大”。
二是实测效果。宇树把GPT-6放到各种机器人上做各种任务测试，“效果实际上非常不错”。
三是临界点判断。他认为“快的话甚至一两年内就有可能”，理由是“明年GPT-7出来，可能直接把具身智能问题打穿”。
四是现实差距。他承认目前要大规模应用，“无论是泛化性还是效率，都还要进一步提高”。
五是落地节奏。他认为商业服务场景的落地，“可能比工业领域还要更快一些”。
他这些说法在之前我们都有一些了解和探讨：GPT-6Astra机器人控制95%碾压Fable,一周五款模型密集发布，VLA和世界模型的路线之争结束，数据战争开始了。
所以更多的，我更想探究一下他为什么在此时此刻这么说。
一个行业领头的工程师的“信仰转向”意味着什么
我反复看了几遍他的发言，觉得最有价值的不是“GPT-7打穿具身智能”这个判断——这种预测听多了。最有价值的是他说“最大的错误是对AI相信不够”这句话。
这句话的分量，要放在他过去的公开发言里对比着看。
9月26日，数贸会。王兴兴在演讲中说：“困住人形机器人规模化落地的，不是大模型，是毫米级物理误差。”他当时举的例子很具体：机器人做大范围移动、搬运任务尚可，一到抓取、装配等精细操作末端，毫米级的误差无法自动修正，直接造成任务失败。王兴兴又泼冷水：卡住人形机器人的不是大模型，是毫米级误差
9月底，数贸会专访。他重申了同样的判断：行业核心瓶颈不是大模型，是真机仿真之间毫米级物理对齐误差。
10月，工博会。他说GPT-7可能直接把具身智能问题打穿。
这不是矛盾。这是一个工程师在看到AI能力的真实跃迁之后，主动修正了自己的判断优先级。“毫米级误差”是工程现实，“AI信仰不够”是认知升级。前者是现在，后者是未来。
更有意思的是他对落地节奏的判断。行业主流认知是“先工业后商业，最后家庭”，因为工业场景任务固定、环境可控，最容易跑通。但王兴兴说“商业服务落地可能比工业更快”。这个判断反直觉，但仔细想有道理——商业场景对泛化性的要求其实低于工业。商场里的导览机器人做错了动作，最多是尴尬；工厂里的机器人做错了动作，可能就是安全事故。容错率决定了落地速度。
市场的估值锚，会被这句话扰动
过去两年，具身智能公司的估值锚是“技术壁垒”——谁的控制算法更稳、谁的灵巧手自由度更高、谁的物理对齐误差更小。资本给“工程能力”定价。
如果王兴兴的判断成立——GPT-7级别的通用模型能解决泛化性和效率问题——那估值锚会从“工程能力”切换到“模型能力”和“场景数据”。那些把精力花在“毫米级误差”上的公司，护城河会被削弱；那些能积累真实场景数据的公司，护城河会加深。
这不是说工程不重要了。硬件是入场券，没有好的本体什么都跑不起来。但硬件的差异化空间在收窄——王兴兴自己在9月也承认过这一点，他说“机器人硬件开发中中国处于领先”。
二级市场的传导也值得看。宇树科技上市后股价经历了过山车，从1100元跌到415元，近期在400多元附近震荡。市场对人形机器人的定价逻辑一直在“技术信仰”和“商业现实”之间摇摆。王兴兴这次发言，本质上是在用自己的“信仰”给市场打气——如果GPT-7真的能在一年内解决泛化性问题，那Optimus们的量产时间表可能比摩根大通预测的2027年更早。摩根大通重排机器人座次：优必选降级，宇树低配300元，卖铲人留下
但这只是“可能”。王兴兴自己也很清醒：目前大规模应用还要提高泛化性和效率。GPT-7什么时候出来、出来之后到底能不能“打穿”，都是未知数。
王兴兴说“对AI信仰每年与日俱增”，这句话从一个十几年只做硬件的人嘴里说出来，比任何AI公司的PR稿都有说服力。他过去犯的“错误”是低估了AI，现在他选择不再低估。至于GPT-7能不能真的“打穿”——那是明年的事。但至少在今天，一个工程师的“信仰转向”，比任何模型参数都更能说明行业的走向。
#王兴兴#宇树科技#具身智能#人形机器人#世界模型
注：本文基于2026年10月12日以及之前的公开信源整理，涉及行业预测与盈利判断的内容均存在不确定性，不构成任何投资建议。
关注「智财社」看具身智能技术迭代与资本脉络
原文标题 : 宇树科技王兴兴认错：过去十几年，低估了AI做机器人的能力
