王兴兴：机器人最大的问题还是AI模型？大模型怎么不够用了？

这些年，人工智能和机器人几乎成了科技圈最热的话题，AI驱动也早已成为行业共识。但就在最近，宇树科技的创始人王兴兴却抛出了一个有点反直觉的观点：当前机器人最大的短板，恰恰是AI大模型本身不够用。这话一出，不少人可能愣住了——大模型不是发展得如火如荼吗？怎么反而成了瓶颈？

一、王兴兴：机器人最大的问题还是AI模型？

在2025外滩大会的圆桌讨论上，王兴兴说得非常直白：机器人的硬件和大脑根本不在一个层面。硬件方面，他直言“用一两年都够用”，真正卡脖子的，是AI大模型在多模态融合上的表现远未达标。纯语言模型或纯视频模型现在确实做得不错，但要把语言和图像好好结合起来，难度依然不小。更扎心的是，目前还没有很好的办法把硬件真正用起来——比如如何用模型控制机器人的灵巧手，这类问题至今仍存在挑战。

他打了个比方：AI在信息处理、文字和图像领域已是满园春色，但到了让AI干具体活的领域，还是一片荒漠，只长了几棵小草。“爆发性增长的前夜还未到来。”不过，王兴兴也给了年轻人一颗定心丸——他认为这个时代对年轻人非常友好，AI时代很公平，大家完全可以用模型自学编程。他甚至鼓励大家把AI当成一个全能型工具，而不是仅仅当作工具，要用更激进的认知去拥抱它。

其实，持有类似看法的人并不少。网上流传过一个段子，特别能说明问题：“我理想中的AI，是帮我洗衣洗碗，好让我去玩艺术、搞创作；可现实中的AI，却跑去玩艺术搞创作，让我来洗衣洗碗。”这一句调侃，道出了很多人的困惑。

二、大模型是怎么不够用的？

王兴兴的表态之所以能引起共鸣，背后其实是整个行业正在面对的深层困境。大模型这几年确实发展迅猛，但在机器人赛道上，它的“不够用”体现在哪里？我们一个个来看。

现在的模型参数动辄千亿、万亿，但它们的“智能”更多是建立在对海量数据的统计和模式匹配上。写文章、回答问题、翻译文本，这些做得都很漂亮。可一旦涉及隐晦的隐喻、双关语，或是需要文化背景才能理解的表达，模型往往会露出马脚。更关键的是，每一次训练都需要海量数据和天价算力，成本高、周期长，不确定性也大。所以，别看大模型现在风头正劲，它离真正的成熟还有不小的距离。

现在的机器人传感器、执行器、机械结构都已经相当能打——工业机器人能完成复杂装配，服务机器人能自主导航避障。可问题在于，硬件的提升并不能自动带来智能的飞跃。人类处理事情靠直觉、靠经验、靠创造力，很多事对我们是“本能”——比如一眼看出一个物体的用途，或者瞬间理解一个场景的氛围。但大模型要完成同样的任务，需要大量标注数据反复训练，而且它本质上还是基于统计规律，缺乏对事物本质的理解。这种思维方式的差异，导致在面对真实世界的复杂场景时，大模型常常力不从心。

从实际应用看，客服问答、格式化文稿生成、预设程序的装配检测——这些规则明确、步骤重复的工作，大模型确实能胜任。可一旦任务复杂度上升，比如需要多步骤推理、跨领域知识整合，或者动态适应环境变化，大模型的表现就会迅速打折扣。举个简单的例子：让家庭服务机器人完成“播放音乐”“开灯”这类指令很容易，但如果你说“帮我找找昨天收到的快递，可能放在门口鞋柜或者沙发底下”——机器人就得同时理解时间、物品、空间位置，还要具备视觉搜索、物体识别、路径规划和交互反馈能力。这对当前的大模型来说，难度堪比登天。

具身智能的目标，是让机器人像人一样在真实世界里自主完成各种任务。现在市场上已经有大量工具化机器人——扫地、搬运、焊接，都很实用。但要实现像人类那样的“多面手”，困难依然巨大。以做家务为例：一个合格的家庭主妇不仅要会打扫、洗衣、做饭，还得懂家人的习惯和喜好，遇到突发情况能灵活应对。这就要求机器人的大模型具备全面的生活常识、情感理解和社交沟通能力。目前，有些机器人甚至学会了扭秧歌这样的表演性动作，但这距离真正成为家里的得力助手，中间还差着好几个数量级的训练和实践积累。

一味扩大模型参数规模，带来的不仅是训练成本飙升、推理速度下降，还有可解释性越来越差。真正该做的，是把大模型的进化方向对准具身智能的实际落地。一方面，优化训练算法，用更少的数据和算力获得更好的性能；另一方面，加强软硬件的深度融合，让机器人的传感器数据实时反馈给大模型，帮助它更准确地感知环境、理解任务，从而做出更靠谱的决策。

到此，王兴兴提出的问题，答案已经很清楚：大模型的“不够用”，不是数量不够，而是智能深度和实用性还差着质的飞跃。这才是大模型接下来真正应该攻克的方向。