全文|宇樹科技王興興在世界機器人大會上的演講

專題：2025世界機器人大會

　　2025世界機器人大會於 8月8日至12日在北京經濟技術開發區北人亦創國際會展中心舉行，主題為「讓機器人更智慧，讓具身體更智能」。宇樹科技創始人、首席執行官兼首席技術官王興興出席並演講。

　　以下為演講全文：

　　大家好，非常榮幸在此做分享。我是宇數科技創始人王興興，我們公司16年成立，到現在有9年時間，其實時間也比較長了。我們最早的話其實做高性能自主機器人，最近幾年也做高性能的任意機器人。目前的話產品佈局還是相對比較多的，各個型號都會比較多一些。

　　簡單介紹一下，最早其實在13年到15、16年，我在讀書期間做的x dog這款機器。這款機器人的話其實還是比較有開創性的，基本上開創了全球範圍內這種低成本高性能主視機器的技術方案先河。簡單説就是在我當時做這個技術方案之前，大部分的業界，包括很多學校里面大家做的這種機器人都是採用了工業電機和工業伺服驅動器，成本非常高。而且它的尺寸也非常大用起來非常不好用。

　　然后我當時在13年我想到這個方案的時候，甚至想過，我要不要輟學去創業。因為大家也知道輟學創業這個概念還是非常時尚的一個概念。我當時想了想，但在那個時候其實是不現實的一件事情。因為只是有個想法，沒有把東西做出來，也沒有別的一些資源。説當時在13年到1516年，主要是把這個機器人給做出來了。而且這個機器人的話大家可能想象不到，當時的整個研發投入大概只有1到2萬元人民幣。

　　在15年的時候，我還用這臺機器人去參加了一個上海的比賽，獲得了二等獎，賺來獎金。所以這款機器人也算是我賺的第一桶金。在我們我公司16年成立的時候，最早的錢就是這部分來的。然后這個的話也是比較有代表性的一個機器，包括現在的很多人形機器人用的很多技術方案，跟這個技術方案也非常類似這類。

　　然后另外的話，我們公司目前的話像自主機器人主要是有三款。一款是比較小的像go to這種機器人，在23年發佈的時候就集成了大語言模型，所以説功能非常健全的。包括標配了激光雷達，3D激光雷達，包括語言模型，還有各種小的功能。目前這款機器也是過去幾年，包括今年應該全球範圍內出貨量四足機型出貨量最多的一款機器狗。

　　然后另外的話，像我們也是有發佈一兩年時間，b2這款機器人，主要是工業應用的。因為我們還是希望機器人真正去干活，包括工業場景，包括各種場景。所以這款機器人的話，持續負載能力和它的續航能力到現在為止都非常強勁。

　　然后另外的話，像我們人形機器，我在很多場合也説過，我們公司早些年，包括很多年以前，我一直是堅決反對做人形機器人的。為什麼呢？因為當時在09年，我在讀大學大一的時候，我做的第一款機器人就是一個小的雙足人形機器人，比較小，大概花了兩百多元人民幣。當時我就發現那個時候你要去做人形機器，它的商業價值或者它的技術是非常難做的。所以説當時我們公司成立很多年，一直是反對做人工機器。但是后來在21年到22年，全球整個人工智能的發展非常迅速。尤其以ChatGPT時刻為代表的，整個AI的技術進步非常顯著。並且像馬斯克為代表的整個企業，包括尖端企業，對這個領域關注度非常高，帶動了全球範圍內的大眾對人體機關注非常高。

　　説的最直接一點，就大家可能想象不到，在22年的時候，我們公司完全沒有開始做人類機器人。但是有很多客户直接找我們下訂單，就是我們啥都沒有，但是有客户願意直接給我們錢付定金下訂單給我們。所以就直接導致了我們在23年初就開始做人形機器人。這款機器人就是我們23年初花了半年多時間做的第一款人形機器人中央機器人。因為我們公司做的是第一代，所以外觀上可能相對粗陋一點。但它的動力性能到現在為止非常強勁。像比如説像上春晚的話也是這款機器人，而且像下個禮拜我們在北京有個機器人比賽，我們這款機器人也會上場，大家可以關注一下。

　　然后另外的話，像去年我們發佈了我們第二款機器人，就是G1這款機器人。這款機器人到現在也是非常有代表性，它代表性什麼東西呢？從去年我們這款機器人發佈以后，到去年下半年，到今年大家可以發現很多的別的企業的很多的新興的人形機器人，都跟我們這款機器人長得非常類似。就整個架構非常類似。然后這款機器人的活動力性能，包括它的靈活度非常好。相對來説去年發佈的話，這款機器人大概是低配價格大概是9.9萬人民幣，是非常有競爭力的。所以這款機器人在去年包我今年也是應該差不多是全球人形機器人領域出貨量最多的人形機器人。

　　如果大家平時刷抖音，刷一些視頻號，大家可以看到有很多我們的客户自發的在很多抖音平臺上放直播，很多基本上每天都有。大家可以關注有好多人在網上搞直播這類事情。所以這款機器人目前大家看到的地方還是非常多的，而且也比較有競爭力。

　　然后另外的話就是我們前一兩周剛發佈的一款我們R1這款新的人形機器人。這款遊戲機器人也非常特點，最大的特點就是相對來説性價比更高些。它當然也會更小一點，大概1.2米，但它的最低配價格做到3.99萬人民幣。

　　這款機器人的話，比較有特點，它的外觀我們還是給客户留下了很大的外觀的定製空間。大家可以在上面改裝或塗裝自己喜歡的造型。因為大家也知道，大家還是希望給自己的機器人做一些各種的打扮，衣服，各總的一些塗裝，大家還是非常喜歡的。所以這款我覺得到今年以及到明年，應該也是全球大家會經常看到這款機器人。大家也比較喜歡，在我們展位上也有，大家有興趣的話可以去我們展會上稍微看一下。到目前這個量產還沒有搞定，所以説發貨可能還是要比較晚一些纔會發貨。然后剛纔也提到就可以大家可以在上面做塗裝。這樣的話可以定製大家各種自己喜歡的機器人造型，我覺得這是還是非常有意思的一件事情。

　　另外的話，像我們前段時間發佈了我們的新一款的四足機器人。這款機器人最大的特點就是它的自重和它的負載能力是非常強勁的。它自重大概只有35千克。就是我自己，對一個成年的男性來説，這款機器人你完全可以把它搬起來，還是非常方便的。但它的負載能力又非常強，它的持續負載能力可以達到差不多25到30千克左右，並且它的空載續航可以達到6個多小時。簡單來説它的空載續航大概可以達到20千米的多一點點時間。就它的負載能力和續航能力還是非常強勁的，包括它的造型以及它的感知能力也非常強勁。所以這款機器人目前來説的話，發佈以后大家也非常喜歡的。

　　另外的話這里也有幾個我們過去的一些產品的一些視頻。這個的話像我們去年底，對我們的輪組做了一些更新。大家可能會好奇為什麼我們的輪組會相對來説有了更多的一些靈活性。其實原因非常簡單，就是我們過去的一兩年，我們在人形機器人上開發了很多這些複雜的動作。我們把這些複雜多推的一些算法直接用到了我們機器狗上面。這樣的話我們機器狗就帶了很大的一些靈活性。

　　並且這款機器人本身是工業級的，就是防塵防水，所以相對來説工業級場景會比較合適。像我們的工業級產品的話，在過去幾年已經在很多的一些工藝里，包括一些電網，包括一些工廠，已經有24小時運行。它有自動充電，可以自動巡邏，自動識別一些比如説一些圖像，包括一些氣體或者一些東西都會做一些自動識別之類的。而且這款機型其實是相對有點大的，這也是為什麼我們又發佈了款相對小一點的機器狗。這款機器人如果帶上輪子的話，它的自重達到了將近七八十千克，其實稍微有點重，所以這款機器還是有點大的。但是在這麼大的情況下，它的靈活性還是非常不錯的。

　　這塊機器還是比較重一些。

　　負載能力也非常強，持續負載能達到可以四五十千克的持續負載能力，基本上一般性的話，載個人其實都沒問題。當然有點危險性，不太推薦大家這麼玩。

　　另外的話，我們其實很多人以為我們公司把機器人做一些表演，或者打格鬥之類。其實我們公司還是一直是非常重視對機器人干活這件事情。我們公司核心目標還是説讓機器人去干活。包括四足機器人，包括人形機器人。我們也做了很多的數據採集，包括做了一些數據的一些開源，大家有興趣可以關注我們，大家如果關注一下我們的公開的倉庫，我們每隔一兩個月都會公開一些算法，公開一些開源的數據之類的，大家都可以在上面玩。我們公司的話，在過去很多年，包括從16年開始，我們機器人的核心零部件都是我們自己開發的。包括關於電機、減速器，包括部分的傳感器。

　　像這個視頻里面的話，是我們開發的第二代的3D激光雷達。這款3D激光雷達最大的特點就是相對來説它的市場角非常大，達到了九十幾度乘以360度的市場角。而且它的成本非常便宜，單個的公開零售價大概只要1000元人民幣左右，然后也是標配在我們最低配的機器狗上，就配我們3D激光雷達。而且大家可以關注到這個3D激光雷達雖然比較便宜，但是它的精度還是非常非常好的，基本上也達到2到3個釐米的精度，在室內和室外都可以用。

　　所以對於一些低速的，比如清潔機器人或者一些物流機器人，大家如果爲了降低機器人的成本，還是可以非常推薦用這款機器人。因為這樣的話，你對於一個小的物流機器人，你的成本可以甚至可以降到小几千塊錢成本，是非常有競爭力的。

　　另外的話，像我們G1，像今年最近半年多時間，大家也關注到最近半年多時間在全球範圍內，包括我們公司整個的機器人的技術AI技術進步非常快的。像這個視頻的話是去年今年1月份的視頻，大家可以看到它的跑步還是相對僵硬一點點的。但是在最近幾個月我們已經開放給OTA給我們的客户的話，他這個跑步動作也會更加絲滑很多。而且我們的跑步是可以複雜地形跑步的，別的一些廠家可能只能在平地上跑一下。但是我們的機器的話在一些上下坡，包括石塊路都可以運行，而且這個功能已經開放給所有客户。所以大家可以關注到，包括在國內，包括在美國，其實有很多客户用我們機器人蔘加各種活動，非常多。

　　另外的話非常典型的就是今年1月份的一個春晚上，我們機器人跳舞。這個的話也是成爲了目前中國的一個科技以及傳統文化的一個文化符號。我覺得這是非常不容易的一件事情。因為大家也知道，如果單純的只是一個表演的節目，你表演結束一兩天以后，甚至很多情況下大家就忘記了。但現在來説，機器人跟傳統文化扭秧歌的這個表演，已經成爲了中國的一個某種意義上一個科技文化符號。這已經我覺得是非常有代表性的一件事情。我覺得沒準過個十幾二十年再看，也是非常經典的。

　　這個項目的話，我們是跟張藝謀導演合作的。像大家可能想象不到這個轉手絹和拋手絹的，就是張藝謀導演提出的，然后我們幫他技術實現了一下。而且這個項目最大的挑戰是什麼？最大挑戰並不是説一單臺機器人跳舞。單臺機器人跳舞的話，我們其實去年上半年就已經實現了。這個項目最大的挑戰就是用16臺機器人全自動變隊形跳舞。他頭上有3D激光雷達，對整個場景的自動變隊形、走位、跳舞都是全自動進行的。就簡單來説，每次表演的時候音樂一響，整個流程就全自動進行，我們甚至中間沒辦法中斷這個表演，所以這個點還是非常挑戰，以及當然最終效果也非常不錯，超過大家的預期，超過我自己的預期。大家非常喜歡這個節目，包括甚至有很多cosplay就是人cosplay這個節目，包括很多學生也很喜歡這個節目。

　　另外的話大家可能發現，我們機器人現在跳舞，比如最近幾個月，跳機器人跳舞可以更加絲滑很多。其實為什麼大家可以發現在春晚上的時候，機器人為什麼跳舞就相對有點僵硬的。其實原因非常簡單，就是因為這個技術我們2月份才做出來的，所以你想在一月份想用這個技術去跳舞都不現實。而且另外一點就是大家可能也會好奇，為什麼春晚上我們機器人會用我們黑色那款老的機器人，而不用這種，我們是更新的機身。其實原因也比較簡單，就是這款機身有點小，大概只有1.3米多一點。然后我們在表演的時候，大家是希望稍微大一點的機器人，這樣的話效果會比較好一些。而且像大家可以看到我們現在這種技術的話，這個其實是這種跳舞和功夫，其實不算我們目前最新的技術，算我們老一代的技術。

　　這個技術最大的特點就是它理論上可以學習任何動作。學習打功夫也好，也可以學習舞蹈，其實都可以學。但這個技術有個不好的點是什麼呢？就是他的動作序列都是固定的，就是你在表演之前你要先採集，用動作數據去採集一個序列的動作，採集以后再去做AI訓練，AI訓練以后再放到機器人上用。但有個很大的問題什麼呢？就是你這次每次採集好以后的整個動作都是固定的，你沒辦法去調整他的動作，沒辦法甚至有時候都沒辦法去中斷它的整個動作表演。所以這個某種意義上是一個老一代的技術。這時候已經實現了，但是完全不夠的一個點，這里是但穩定性還是非常還是不錯的。

　　另外一個剛纔也強調我們公司其實是一直非常重視機器人，包括靈巧手，包括上班去干活這件事情。而且可能說出來大家可能不相信這件事情。就是我們公司真正讓機器人去干活，做手部操作，包括全身干活的AI的人，可能是我們公司最多的人。就是我們公司的團隊里面大部分的做AI的人，都在做讓機器人干活這件事情。

　　但是我們公司為什麼宣傳這部分做的比較少呢？其實原因比較簡單，就是我們公司希望做的干活的AI不是單功能性的AI，而並不是説讓一個機器人去整理一個衣服也好，或者去燒個菜也好，我們其實並不想做這件事情。我們真正想做的干活的AI是個通用型的AI，希望它是各種功能的AI都能做。包括比如説端茶倒水，包括工廠里，包括一些表演性的AI都可以做。所以對這個AI模型的挑戰非常大，到現在為止做的都不是特別理想。我們對這塊的宣傳相對少一些。

　　另外的話這個是我們最新一代的技術，就是剛纔説我們格鬥上用的技術，反而是我們最新一代的技術。這個視頻是我們四月份我們第一次把這個技術做出來的時候，我們做的一個預告。這個預告里面動作大家可以關注，去我們展位上看一下，其實跟這個還不太一樣，什麼地方不太一樣呢？就是這個四月份做出來的時候，他的動作速度有點慢。大家可以發現他的出拳動作，包括他的踢腿動作都有點慢，但是我們覺得動作慢的話，對於整個的格鬥的效果不太理想。所以在后來我們在五月份真正跟央視合作做全球直播的時候，我們又把他的出拳速度，包括他的各種的動作速度又加強了很多，至少加強了大概有一倍左右，所以説它的整個力道也會大很多。

　　這是我們公司最新的一個技術。因為大家也知道他每次做一個格鬥動作或做一個連續的格鬥動作的時候，你可以認為它就是一個動作序列。而且我們有十幾到20個動作序列要滿足隨機自由組合。因為大家也知道在格鬥的時候，你的動作的隨機性是比較大的。並不是説你這麼打圈以后，下個動作就是這個動作，它的動作會形成一個自由組合的一個序列。比如説一開始是123，然后我231或者321，它的動作序列的排列組合方式非常多，所以要滿足整個動作的隨機組合，而且隨機組合的時候要組合的相對會比較絲滑。你不能一個動作做好了以后，你下一個動作的時候切換非常僵硬。

　　還有另外一個最關鍵的一點，就是他要做更大的一個抗衝擊能力干擾。因為大家也知道在打比賽和格鬥的時候，它的外部的衝擊和擾動是非常大的這跟單純的舞蹈表演演或者武術表演非常不一樣。大家也知道在舞蹈表演的時候，他是沒有外部干擾的，但在格鬥的時候，他的外部干擾是非常大的。包括你在踢腿的時候，別人會都會打你，包括很多一些極端動作，如果大家有興趣可以關注一下我們機器人的腿部，他的腿部有很多凹坑，而且大家知道這個腿是鋁合金的，在鋁合金上面都有很多凹坑，所以他的打擊的力度還是非常大的，也比較有意思。

　　然后對於這個比賽項目的話，其實最有趣是什麼呢？在視頻上面看其實感受不是特別好。如果大家有可能有機會去操作一下我們機器人，就是操作人員對這個體驗是最好的。然后其次是如果有機會的話，站在如果在機器人在格鬥比賽的時候，如果你是站在機器人旁邊，這個的體驗也非常好。但視頻上單獨看的話，其實反而沒有那麼體驗沒有那麼好。

　　另外的話剛剛也提到，我們也是前段時間發佈的我們最新款的，3.99萬的我們最新款的人形機器人。這種機器的話相對比較輕巧，也比較安全，自重大概只有25千克，就非常輕量級。這個由於時間關係，這里也不多介紹。包括我們前段時間發佈的新一代的A2，我們的那個思路機器人也非常的輕量級一下，而且它的負載能力非常強。我們還是希望在工業場景能有更多的落地。

　　這種也防護等級也比較高，這也是防塵防水。

　　然后另外分享一下，目前我個人對國內和全球的機器人整個行業分享。其實今年上半年的時候最大的特點就是今年上半年我個人感覺由於整個集成行業非常火爆，以及政策的相關支持，然后這塊行情我覺得平均整機廠商，包括零部件廠商，平均至少每家企業有將近50%到100%的增長。所以增長還是非常嚇人的。這個在整個行業來説都是非常少見一件事情，就是從需求端拉動了整個的行業的發展．

　　另外的話像海外也毋庸置疑，比如説以特斯拉為代表的，目前他們今年要量產幾千台人形機器人。而且今年大概他們會發布他們第三代的特斯拉的人行機器人。大家可以多關注一下這個事情。目前全球範圍內，大家在這塊的熱情，包括尤其海外的大公司，包括英偉達，包括蘋果，包括meta Open AI大家都非常持續在推動這個領域的發展這些事情。

　　另外的話我分享幾個字的個人小想法未必準確。第一點就是對於機身本體來説，很多人可能會有個誤區，為什麼可能機器人目前大家沒有大規模應用，或者目前的機器人的功能還不夠。這個原因可能是有人會懷疑是不是硬目前的硬件不夠好，或者成本比較高。其實最大的問題是，其實目前的硬件是夠用的，某種意義上完全是夠用的。目前人形機的硬件，哪怕靈巧手，整機，某種意義上完全是夠用的。當然不夠好啊，當然持續的要把它做的更好，它更大的問題就是你要把它量產。

　　工程上的問題肯定是很多的，但是在技術層面上或者在AI的角度來説，目前的硬件是完全是夠用的。但是目前最大的挑戰還是具身智能的AI還是完全不夠用，這也是限制當時機器人，尤其人形機器大規模的應用的一個最大點。就是機器人大模型或者具身智能到現在為止還是不太夠用。

　　簡單説就是目前的感覺有點像ChatGPT出來前面的1-3年左右時間，目前整個業界大家已經發現了類似的方向以及技術路線，但是沒人把它做出來。大家也知道ChatGPT出來前面的幾年，做語音AI的已經做了十幾二十年了，但是大家一直覺得他很傻瓜，很弱智，根本完全沒法用。像ChatGPT出來以后，大家達到了一個比一般人性能還更好的一個階段，所以這個階段目前還沒有到這個階臨界點。

　　如果對於機器AI這個臨界點，我覺得會達到什麼程度呢？就是如果哪一天我們帶一個人形機器人到這個會場，而且這個會場他沒有見過這個會場，如果他隨便我跟他説一句話，幫忙把這瓶水帶給某個觀眾。他是他可以比較順暢的自己走過去，流暢的把這個事情干了，或者説把這個房間幫忙整理一下。他這個房間完全沒有見過，他都能自己做這件事情的時候，我覺得達到了差不多那個機器人的ChatGPT時刻。

　　如果快的話，可能會來的一兩年或者2到3年還是很有可能實現的。最慢的話我估計3到5年也是很大概能實現這個概念，大家可以關注一下，但是現在確實還是不太夠用。

　　沒有達到這個效果，到底是模型的問題還是數據的問題？我反而感覺目前全球範圍內大家對數據這個問題，基層數據的問題關注度有點太高了。就是現在最大的問題反而是模型的問題，這並不是數據問題。就目前來説在具身智能和機器人來説，這個模型架構都不夠好，也不夠統一。所以模型的問題其實是現在大家反而關注的有點少，反而對數據的問題關注很多。因為在大語言模型領域，大家覺得我有足夠多的數據，尤其有足夠多的好的數據的時候，我就能把模型訓練的越來好。

　　但是在具身智能，在機器領域，反而大家可以發現，很多情況下你數據有了，會發現這個數據用不起來。你採了數據干嘛用？因為我們要採了數據要去用，對吧？但發現採了數據用不來怎麼辦？所以很多情況下大家對模型的關注目前是相對有點少，反而對數據關注有點太高了。

　　然后另外的話，大家也知道目前相對比較火的就是VLA模型。VLA模型是一個相對比較傻瓜式的一個架構。其實説我覺得對模型在我個人對VLA模型還是表示抱一個比較懷疑的態度。説對於VLA模型，目前它對真實世界交互的時候，它的數據質量能採集數據是不太夠用的。我有個簡單的想法，就是在VLA模型上面加一個ai的訓練，這是大家一個非常自然一個想法。但是我個人感覺包括我們公司目前嘗試下來VLA模型加AI這個訓練，我覺得還是不夠的這模型價格還是得再升級和優化這類事情。

　　也簡單分享一下我們過去做的一些事情。大家也可以關注到，就是像前幾天谷歌發佈了他們全新一代的視頻生成模型，或者某種意義上是一個視頻驅動的一個世界模型。這也是大家非常關注的，去年的時候，OpenAI他們發佈了他視頻生成模型以后，大家會有個很自然的想法。我如果在我控制一個視頻生成模型，跟他説我讓一個幫我生成一個機器人去整理一下房間。如果他能生成的這個視頻就已經讓一個機器人去做好的時候，那我是不是能讓這個視頻生成模型直接去驅動一個機器人去做。這想法非常直接簡單，對吧？所以我們去年的時就去做了這個事情。

　　所以大家可以看到這個視頻里面右上角有個小的視頻會出現的時候，幫忙導播重新放一下這個視頻，就右上角會有個小的視頻去放這個東西。實際上右上角那個視頻是它生成出來的，不是用攝像頭採集的。就是我們用一個預訓練的一個視頻生成模型，重新又去訓練了一下。讓他去先去生成一個視頻的一個機器人動作，然后再控制一個機器人去做。

　　這個技術是能實現的。包括目前谷歌的世界那個視頻生成世界模型，他們也想實現這個效果。我覺得這個路線的方向可能比VLA模型還更快的，收斂概率還更大。但是我沒有硬件，我不敢保打包票，我覺得可能還是有很多問題之類的。其中有一個很大的問題就是視頻生成模型太關注視頻生成的質量了，導致對GPU的消耗有點大。

　　但是對機器人干活來説，某種意義上你並不需要很高精度的視頻生成質量，你只要驅動機器人去干活就行了。所以右上角剛剛有提到這個是右上角這個視頻並不是個實拍的視頻。右上角這個視頻是生成的，生成好的視頻，然后再控制機器人。這個事情大家有興趣關注的話，去可以關注一下谷歌的他們的那個視頻生成模型，還是非常有意思的。然后這個是它的整個模型的架構，還是非常簡單粗暴的。就是把整個機器人的一些動作序列控制直接對齊到整個模型的架構之類。

　　另外一點就是還要提出一點，剛纔我已經想提出了一點我的個人想法，但實際上還是不太夠用。目前在機器大家也知道，目前像我們機器人，比如説跳跳舞，做一些打格鬥，其實效果不錯了，對吧？但實際上現在面臨一個很大的問題，就是如果要進一步把整個能力提升一個RL的，就是機器人里面的rl的scaling law，就是這個縮放定律還是非常目前大家做的非常不好。舉個最簡單的例子，就是如果我訓練一個機器人的訓練動作，我有一個新的舞蹈我要去訓練，或我先要他干一個活我要去訓練。訓練的時候每次我有新的動作我都要重新訓練，還是從頭開始訓練，這是非常不好的一個事情。我們是希望我每次做一個新的訓練的時候，我是在老的訓練基礎上去做訓練的。理論上我做rl訓練的時候，每次訓練的時候他的訓練速度越來越快，我學習新技能的效果越來越好。

　　但是全行業內，目前整個機器人在rl這里，沒有人做出來做好。我覺得這是非常值得做的一個方向。這件事情因為大家也知道，在語言模型上已經是充分驗證過的事情。但是在機器的運動控制上面，大家做的還是剛剛開始。如果在座的有一些同學，大家可以關注一下這個領域之類，其實可以發表一些比較好的論文。

　　然后另外的話，個人感覺就是在未來2到5年，其實最大的肯定還是一個端到端的具身智能AI模型。這個其實是大家可以多關注，以及多推動一件事，我覺得這是最重要的一件事。模型本身是非常最重要的。然后另外就是更低成本的，更高壽命的硬件，這個是毋庸置疑的。大家也知道，哪怕對於汽車行業來説，哪怕已經一百多年了。哪怕到今天，如果你對一家企業要做一個很好的一輛汽車出來，它的工程量還是非常大的。説對機器人行業未來，比如説每年有幾百萬、幾千萬甚至幾億的人形機器人，如果要生製造出來，他的工作的挑戰，他的工程量的挑戰，還是非常嚇人的一件事情。

　　另外的話有低成本的大規模的算力。另外的話我分享一個概念就是其實在人形機器人在或者在移動機器人本體上，其實沒辦法直接部署很大規模的算力。為什麼呢？因為它的尺寸只有這麼大，它的電池只有這麼大，它部署的算力的功耗是有限制的。我個人感覺在人形機上，你最多隻能部署峰值功耗大概只有100瓦的算力。你最好平時工作算力只有小几十萬，簡單説就只有大概幾個手機的算力的水平。因為它的尺寸比較小，它不能部署大規模算力。但是對於未來在於大規模的算力的需求肯定是毋庸置疑的件事情。

　　而且我覺得可能是個分佈式的算力，為什麼呢？因為大家也知道機器人讓它干活的時候，它的通訊延迟是希望比較低的。如果你在北京干活的機器人，你的數據中心或者你的算力中心在上海或者在內蒙，你的延迟實在是太大了。所以我個人感覺未來在工廠里，工業領域大規模雲的手臂。比如説我一個工廠里面有100個機器人，那我工廠里面可以有個集羣的分佈式的服務器。我所有的機器人就直接連接我的工廠里的局部服務器就好了，整個服務器的安全性延迟和通信延迟是可以接受的。

　　或者換一個話題，如果大家在比如一個小區，如果有一個小區每家每户有一個機器人的時候，我覺得在這個小區或者這個區里面，那是有分佈式的一個集羣算力中心的。這樣的它的延迟和它的安全性是有保證的。並且如果有一個新的客户想買一個人形機器人的時候，他不需要給這部分算力的建設花錢，成本也會更低很多。我覺得分佈式算力是一個未來在機器人領域非常重要一個領域，比目前的算力可能分佈還要更廣一些。

　　另外一點，大家也知道在過去的AI領域，包括機器人領域都是一個全球共創的過程。包括中國的企業，包括美國的很多的大的企業，包括英偉達。大家在過去很多年，包括當下在未來大家都做了很多很多貢獻。包括我們想共同推動這個件事情，説在機器人領域，我覺得一直是全球共創的。就是在中國我們公司或者哪一家公司，大家都做了不少的貢獻出來。

　　大家也知道在AI領域沒有人能保證，沒有一家大公司能保證我有足夠的人我有足夠的資源，我就是永遠能保證AI領域最領先的。在過去的OpenAI包括DeepSeek已經證明了，AI的創新永遠是伴隨着一些隨機性，伴隨着更多的年聰明年輕人的。所以很多情況下都是每家公司或者每家高校都做了很多貢獻，還是要全球共創出來的。謝謝大家。

　　新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閲，新浪網登載此文出於傳遞更多信息之目的，並不意味着贊同其觀點或證實其描述。

責任編輯：李思陽