首页 / 资讯详情
独家：宇树上市庆功宴上，王兴兴首次明确「大脑」的技术路线
摘要
宇树的下一张牌，是搭起一套系统，让全球 AI 的持续进步，转化为机器人不断加快的进化速度。 作者 | Li Yuan 8 月 19 日，宇树科技正式登陆科创板。上市首日，公司股价一度较发行价涨超 6 倍，总市值突破 4400 亿元。 当市场盯着这家「机器人身体最强公司」的股价时，一个更重要的问题随之出现：获得更多资金和资源之后，宇树接下来要做什么？ 当天中午，王兴兴参加了宇树的上市答谢午宴。这几乎是公司上市后的标准动作：感谢一路支持的政府、股东和合作伙伴，再回望一遍创业十年的艰辛。 但在略显磕巴地完成这些常规致谢后，王兴兴没有就此结束，而是突然把话题转向技术，开始讲述宇树上市后真正准备投入的一套系统。 他的状态也随之变化。表达明显流畅起来，语速越来越快，从大模型讲到自动编程，从仿真训练讲到真机测试，再讲到机器人技能的自我进化。 显然，这部分内容他已经想了很久。 01 当 AI 进入机器人研发全过程 王兴兴讲的并不是宇树即将发布的某个模型或产品，而是他对机器人技术下一阶段的判断：只做一个 AI 模型或者视频模型，整体竞争力和迭代速度已经不够。下一阶段真正重要的，是能否把模型、工具、仿真、真机和评价连接成一个系统。 AI 不只会成为机器人的大脑，还会进入机器人的研发过程，帮助人类设计、训练和迭代机器人。搭建这样一套系统的循环将是具身智能企业最重要的竞争力。 今天，要让机器人学会一项新技能，工程师仍然需要手工推动多个环节：寻找论文和算法、编写训练代码、调整仿真参数、部署真机测试，再根据机器人的表现修改程序。 王兴兴认为，这套开发方式仍然非常原始。AI 已经具备编程、信息检索、视频生成和结果分析能力，完全可能把这些环节逐步连接起来。 按照他描述的路径，AI 首先自动查询最新论文和开源代码，选择可能适用的方案，生成机器人的训练程序。代码随后进入仿真环境，也可以借助视频生成模型构造训练环境和素材。 完成仿真后，训练结果被部署到实体机器人上。机器人能否保持平衡、动作是否准确、任务成功率有多高，都需要在真实世界中重新验证。 最后，AI 再对真机表现进行评价和打分，同时保留人工评价，把结果反馈给系统，进入下一轮代码生成和训练。 整套链路由此形成： 寻找技术方案—生成代码—仿真训练—真机测试—评价结果—再次训练。 而每次训练成功的结果都不只是一次任务完成，而是为所有同类机器人增加一个可以复用的新能力，最终推动机器人智能进化。 在王兴兴看来，这套系统可以持续借用全球基础模型的进步。即使宇树自身的编程能力没有同步提升，只要底层模型变强，自动搜索、编程、训练和评价的能力也会一起提高。 在早期，仍然需要人来定义机器人应该完成什么任务、采用什么算法、如何判断成功，以及系统不能突破哪些安全边界。但按照王兴兴的判断，一旦这套闭环跑通，在现有算力条件下，它的编程和迭代速度可能超过一支数百人规模的 AI 团队。 这个循环被王兴兴称为「物理 AI 机器人自进化 V1.0」，是他眼中未来机器人算法能够加速迭代的关键。 02 关键是真机部署 在王兴兴描述的这套系统里，最容易被注意到的是 AI：自动寻找论文、生成代码、运行仿真，再评价训练结果。 但真正决定这套循环能不能成立的，并不是 AI 会不会写代码，而是生成的结果能否进入足够多的实体机器人，在真实世界中反复测试，并把数据重新送回系统。 这也是机器人与今天的 AI 模型竞争最不同的地方。 最近两