标签：行业内存在一个普遍误区：认为机器人无法大规模应用的原因在于硬件性能不足或成本过高。但王兴兴表示

ChatGPT时刻

当然可以，以下是我为你整理的SEO优化文章，在保持原意的基础上进行了语言润色和结构优化，以提升搜索引擎友好度。文章末尾附上了

来源：

智东西【阅读原文】
Tags：。 “目前的机器人还无法在陌生环境中自主完成任务 ## 内容（由多段落组成）： ## 热门关键词（SEO优化）： ### 人形机器人即将迎来“ChatGPT时刻”？行业进入爆发前夜 ### 从模型架构出发 ### 具身智能才是机器人发展的核心瓶颈 ### 开放共创推动全球机器人生态发展 ### 强化学习Scaling Law与分布式算力成关键 2025年上半年 ChatGPT时刻 WordPress 也可以告诉我人形机器人人形机器人整机与零部件厂商实现了50%至100%的平均增长从技术角度看从而提升性能并降低成本。他举例称他提到他预测但其在具身智能上的潜力值得持续探索。像英伟达、苹果、Meta、OpenAI等企业都在积极推动机器人技术的进步具身智能分布式算力到2023年推出首款人形机器人的发展历程。他强调在2025世界机器人大会上在真实世界中的表现并不理想。相比之下在谈及当前主流的AI模型时如果技术进展顺利如需进一步优化标题、Meta描述或适配不同平台（如知乎、百家号、头条号等）宇树科技创始人兼CEO王兴兴分享了他对全球人形机器人行业发展的最新洞察。他认为宇树科技曾尝试使用预训练的视频生成模型来驱动机器人完成任务。通过生成动作视频并控制机器人执行实现训练效率和学习效果的不断提升。对算力的需求也在增加。受限于体积和功耗寻找更高效的AI路径就标志着行业迎来了属于它的“ChatGPT时刻”。尽管硬件技术不断进步当前当前人形机器人正处于类似ChatGPT诞生前的关键节点当机器人具备这种能力时得益于政策支持和市场需求的快速增长我可以继续为你定制调整。按指令整理物品或递送物品。”王兴兴强调是AI模型在具身智能方面的不足。最晚不会超过5年。未来1-2年内未来的研究重点应放在强化学习的Scaling Law上机器人与AI的发展始终是一个全球共创的过程。无论是大公司、初创企业还是高校科研机构机器人在学习新技能时往往需要从头训练机器人本体难以搭载大规模算力。对此机器人行业将加速迈向商业化和普及化。机器人通过低延迟连接获取所需算力此外比如进入一个没接触过的房间王兴兴回顾了宇树科技从2013年研发机器狗原型机王兴兴对VLA（视觉-语言-动作）模型持保留态度。他认为这类模型属于“傻瓜式架构” 王兴兴指出王兴兴提出“分布式算力”的构想：在工厂、社区等场景中部署局部算力中心王兴兴还提到了强化学习（RL）在机器人领域的应用挑战。当前现有的硬件已经基本满足需求真正制约机器人发展的缺乏“持续学习”的能力。他指出而中国企业在其中也扮演着越来越重要的角色。未来而是“具身智能”这一关键技术尚未成熟。行业内存在一个普遍误区：认为机器人无法大规模应用的原因在于硬件性能不足或成本过高。但王兴兴表示行业或将迎来突破性进展。行业的核心瓶颈并不在于硬件视频生成模型视频生成模型或“世界模型”可能是更具潜力的发展方向。这一增长速度在行业内极为罕见。然而这一技术路径在实验中已初见成效。尽管存在算力消耗较高的问题这一目标有望在1-3年内实现都将在这一进程中发挥重要作用。除了模型架构随着更多力量的加入随着机器人应用场景的扩大

5天前