王兴兴：机器人最大的问题仍是AI模型？大模型怎样不行用了？

王兴兴（宇树科技创始人兼CEO）认为，当前机器人领域的核心瓶颈并非硬件，而是AI模型的能力，特别是大模型在理解物理世界、多模态融合和实际任务执行方面还存在明显不足。这些年，伴跟着人工智能和机器人的高速开展，AI驱动现已成为了大多数人的一致，但是就近知名机器人公司宇树科技的创始人王兴兴却表明当时机器人大的问题仍是AI模型，这究竟是怎样回事？为啥如此蓬勃开展的大模型不行用了？

一、王兴兴：机器人大的问题仍是AI模型？

据汹涌新闻的报道，在2025外滩大会圆桌讨论环节，宇树科技创始人兼首席执行官王兴兴表明，在机器人范畴，硬件和大脑不是同一层面的事，现阶段，机器人硬件彻底足够用，“用一两年都可以”，大的问题仍是AI大模型自身才能不行用，在多模态交融方面体现还不行理想。

王兴兴表明，目前纯言语模型或纯视频模型的作用现已十分好，但如果要把言语和图画很好地结合起来，仍是一个较大的难点。在机器人范畴，现阶段没有很好的方法把硬件用起来。比方怎么用模型控制机器人灵巧手等，目前还存在必定应战。他表明，尽管AI在信息处理、文字图画等范畴，AI使用的体现现已十分好，但让AI干活的范畴仍是荒漠，仅仅长了几棵小草，爆发性增长的前夜还未到来。

“现在是对年轻人十分友爱的时代，AI时代是一个十分公正的时代”，王兴兴以为，年轻人可以用AI模型自己学编程等。他鼓舞大家可以对AI模型的认知更急进一些，可以不只仅把AI仅仅当作一个东西，还可以把它当作一个全能型的东西，去重新学习和接受它，把它用得更好。

不过和王兴兴有类似看法的人其实并不少，网上曾经流传着一个段子“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”。

二、大模型是怎样不行用的？

跟着人工智能技术的迅猛开展，机器人现已成为现代科技的重要组成部分。但是，尽管大模型的开展速度飞快，但其在实践使用中的体现却仍不尽善尽美，尤其是在机器人赛道，这就是王兴兴表态的根源，咱们该怎样看这件事呢？

首要，大模型虽开展迅猛，但大多仍处于开展的初级阶段。近年来，大模型范畴可谓是如火如荼，许多科技巨子和科研团队纷纷投入许多资源进行研发。从前期的简略模型到如今参数规划庞大、功用日益杂乱的大模型，其开展速度可谓令人叹为观止。但是，咱们必须清醒地认识到，目前大部分大模型依然停留在逻辑推理的层面。它们可以依据输入的信息进行必定程度的逻辑剖析和推理，输出看似合理的成果。但这种逻辑推理更多是依据已有的数据和预设的规则，缺少实在的了解和立异才能。

以自然言语处理范畴的大模型为例，它们可以生成流通的文本，答复各种问题，但在处理一些具有深度和杂乱性的语义了解时，往往会出现偏差。比方，关于一些隐晦的隐喻、双关语或许文化背景相关的表达，大模型或许无法精确掌握其实在意义。可以说，大模型在了解人类言语的丰厚内在和奇妙之处方面还有很长的路要走。并且，大模型目前的开展依然处于初期阶段，需求不断地进行练习和优化。每一次的练习都需求海量的数据和强壮的核算资源支撑，这不只本钱昂扬，并且练习过程也存在诸多不确定性。因而，从全体开展水平来看，大模型间隔实在老练还有很大的差距。

其次，机器人硬件尽管现已满足需求，但大模型思想方法与人类差异巨大。在机器人硬件方面，近年来取得了明显的前进。各种先进的传感器、执行器和机械结构使得机器人在感知环境、运动控制等方面具有了强壮的才能。例如，一些工业机器人可以精确地完结杂乱的装配使命，服务机器人可以在室内环境中自主导航、避障。但是，硬件的前进并没有彻底转化为机器人智能水平的进步，关键问题在于大模型的思想方法与人类思想存在较大差异。

人类在处理问题时，往往可以凭仗直觉、经验和创造力快速做出判断和决议计划。一些看似简略的工作，比方辨认一个物体的用途、了解一个场景的氛围，关于人类来说或许是本能反响。但关于大模型来说，这些使命却需求相当长的一段时间来进行练习。以图画辨认为例，尽管大模型在辨认常见物体方面现已取得了很高的精确率，但关于一些不常见或许具有特别意义的图画，大模型或许需求许多的标示数据进行练习才能精确辨认。并且，大模型在处理问题时通常是依据统计规则和模式匹配，缺少对事物本质的了解。这种思想方法上的差异导致大模型在面对杂乱多变的现实场景时，往往体现出无能为力。

第三，大模型当时仅能代替基础工作，高难度使命面前无能为力。从当时大模型的实践使用来看，其可以代替和胜任的依然是许多基础性、重复性、规则明确的工作使命。例如，在客服范畴，大模型可以高效处理标准化的问答；在内容创作中，可以生成新闻稿、营销文案等格式化文本；在工业自动化中，可执行预设程序的装配与检测。但是，一旦使命杂乱度进步，触及多过程推理、跨范畴常识整合或动态环境习气，大模型的体现便敏捷下降。

以家庭服务机器人为例，简略的“播放音乐”“开关灯”等语音指令可以顺利完结，但咱们要知道咱们日常日子中的许多场景是含糊的，比方说：帮我找找昨日收到的快递，或许放在门口的鞋柜或许沙发底下等当地，这关于机器人来说就难度巨大了，机器人不只需求了解时间、物品、空间位置等多重信息，还需具有视觉查找、物体辨认、途径规划和交互反响等归纳才能，这对当时的大模型而言仍是巨大应战。因而，咱们依然需求知道，大模型目前仍处于“东西化”阶段，而非“智能体”阶段，其才能边界明晰，难以应对实在世界中普遍存在的含糊性与不确定性。

第四，具身智能离构建符合实践工作需求的大脑还有很长的一段路。具身智能作为人工智能的一个重要分支，旨在赋予机器人身体感知和举动的才能，使其可以在实在环境中自主完结使命。如今，越来越多的东西化机器人涌入商场，它们可以在特定场景下完结特定的操作，比方搬运货物、打扫地上等。

但要完成实在像人相同工作的机器人依然面对巨大困难。以做家务为例，一个合格的家庭主妇不只要知道怎么打扫房间、洗衣服做饭，还要懂得依据家庭成员的习气和喜好来组织日常事务，甚至在遇到突发状况时可以敏捷做出反响。这关于机器人的大模型提出了极高的要求，它需求具有全面的日子常识、情感了解和社交交流才能。

目前，尽管有些机器人现已学会了扭秧歌这样的表演性动作，但这间隔实在意义上的家务劳动和助理角色还有很长的路要走。要让机器人实在融入人类日子，成为得力的帮手，就需求为其打造一个高度发达且符合实践工作需求的“大脑”，而这无疑需求许多的大模型练习和实践积累。

第五，人工智能的未来究竟该向何处去？关于大模型的开展来说，目前简略低质量地卷参数现已意义不大。跟着模型参数规划的不断扩展，尽管在必定程度上进步了模型的性能，但也带来了诸多问题，如练习本钱昂扬、模型推理速度慢、可解释性差等。并且，单纯寻求参数规划的扩展并不能从根本上处理大模型在具身智能使用中面对的难题。

大模型们进化晋级该考虑的工作是怎么可以实在帮助具身智能的落地。这需求从多个方面进行努力。一方面，要优化大模型的练习方法和算法，进步模型的练习效率和质量，使模型可以在更少的数据和核算资源下取得更好的性能。另一方面，要加强壮模型与机器人硬件的深度交融，完成软硬件的协同优化。通过将机器人的传感器数据实时反响给大模型，使大模型可以更好地感知环境、了解使命，然后做出更精确的决议计划和举动。

因而，王兴兴所提出的问题答案无疑是必定的，而大模型的“不行用”，并非数量不足，而是智能深度与实用性尚待质的腾跃，这才是大模型该做的工作。对于开发者、研究者和投资者而言，关注点可能需要更多地投向基础模型创新、高质量数据构建以及具身智能等前沿方向。