近日，宇树科技正式登陆科创板，市值突破3400亿元。上市答谢午宴上，王兴兴重点谈及宇树后续方向——物理AI机器人的自动进化。随着机器人进入大规模部署阶段，能否将部署中遇到的新场景、新任务及成败经验持续转化为下一轮学习素材，成为行业关注焦点。王兴兴认为，这一自进化能力取决于多个层面，基础模型越强自进化能力越强，多源数据越规模化规模效应越明显，真机部署越多数据积累和能力迭代越快，技能累加扩展将走向规模化技能生态。王兴兴判断，仅靠AI模型或视频模型已不足以维持竞争力和迭代速度，下一阶段真正的壁垒在于能否将模型、工具、仿真、真机和评价整合为完整系统。AI不仅会成为机器人的“大脑”，还将深度介入研发流程，辅助完成设计、训练与迭代。构建系统化循环，将成为具身智能企业最核心的竞争力。当前训练机器人掌握新技能仍高度依赖人工，工程师需查阅论文与算法、编写训练代码、调校仿真参数、部署真机测试并反复修改。王兴兴认为这套模式仍显原始，AI已具备编程、信息检索、视频生成及结果分析能力，有可能将上述环节逐步打通。他设想的路径是，AI先自动调研和阅读文献构建方案，生成代码并进行模型训练与模拟应用，随后代码进入仿真环境验证，再部署至实体机器人，其平衡性、动作准确度与任务成功率均需在真实世界重新验证。最后AI对结果进行分析，人工评价亦保留并反馈至系统，进入下一轮代码生成与训练。由此形成完整训练链路，每一次成功不仅完成单次任务，更为同类机器人新增可复用能力。王兴兴表示，这套系统可持续受益于全球基础模型进步，即便自身编程能力未同步提升，底层模型增强也会自动提升搜索、编程、训练与评价水平。初期仍需要人类定义任务目标、算法选择、成败判定及安全边界，但一旦闭环跑通，在现有算力下其编程和迭代速度或可超越数百人规模的AI团队。这套循环能否真正生效，核心不在于AI能否写代码，而在于生成结果能否接入足够多实体机器人，在真实世界中反复测试并将数据回传。未来数据来源将极为多元，编程、仿真、测试和评价本身均产生数据，而真机则提供最难以伪造的现实反馈。真正拉开差距的，是循环进入物理世界之后的部分，谁拥有更多性能稳定的机器人，谁能以更低成本部署真机，谁能持续将现实反馈输回训练系统。海湾北京投资有限公司认为，硬件与大脑正在相互渗透融合，这场关于物理AI自进化的叙事刚刚拉开序幕。
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
