文 | 赛博汽车
“VLA模型是相对傻瓜式的架构。”
2025年8月9日，在北京举办的2025世界机器人大会上，宇树科技的创始人、CEO兼CTO王兴兴在演讲中这样说道。
尽管他是针对具身智能大模型发表这一看法的，但对于当前智能驾驶最热门模型方向，不得不让人有些错愕。
包括极佳视界的CEO黄冠也在吐槽他的观点“太业余”。
王兴兴认为，世界模型可能是更好的技术方向。不过，短期的未来2~5年，“最大的肯定还是一个端到端的具身智能AI模型”。
大会上，他从核心瓶颈、新兴技术引擎及未来技术重心三个方面，对具身智能机器人的发展态势进行梳理与分析。我们不妨看看，这位大红人的观点，有什么启发。
01 核心瓶颈：模型不够好
谈及机器人未大规模应用的原因，很多人误认为是硬件性能不足或成本过高。但王兴兴指出，当前机器人硬件（包括人形机器人的灵巧手、整机等）已基本够用。
从技术层面而言，人形机器人的硬件，诸如灵巧手和整机等，已足够满足基本需求，尽管在工程实施上仍存在诸多挑战，但已能够支撑基础功能的实现。
他认为，限制其大规模应用的核心瓶颈，在于具身智能的 AI 大模型尚未成熟。
王兴兴认为，目前的机器人大模型（具身智能）发展阶段，类似ChatGPT 发布前的1～3年，即业界已明确方向和技术路线，但尚未突破关键临界点。
在王兴兴看来，之所以没达到关键临界点，主要是由于行业对“数据” 的关注度过高，却忽视了模型本身的问题。
王兴兴认为，具身智能发展的关键问题在于模型架构不够完善、缺乏统一性、泛用性，导致能力受限，而且数据还不能完全利用起来。
以当前较受关注的VLA模型为例，王兴兴认为其是 “相对傻瓜式的架构”，其 在真实世界交互中，对数据质量的依赖过高，但适应性不足。因此，他对VLA 模型的应用前景持怀疑态度。
此外，“VLA模型+RL 训练”也是行业常见的优化思路，但他认为，实践表明折让仍然不够。“模型架构必须进一步升级，不能停留在简单组合层面。”王兴兴这样说道。
在王兴兴看来，另一个限制发展因素是“RL Scaling law（缩放定律）”的缺失，这导致机器人尚未解决“从零开始”的魔咒。王兴兴认为，目前机器人在学习新任务时，例如学习一支新的舞蹈或完成一项新的工作，往往需要从零开始训练，这导致了训练效率的显著低下。这是由于机器人控制中“RL Scaling law（缩放定律）” 的缺失造成的。
在王兴兴看来，具身智能的理想状态是“新任务训练基于旧有基础，速度越来越快、效果越来越好”。这一规律在语言模型中已得到充分验证，而在机器人运动控制领域，尚处于起步阶段，不过展现出巨大的潜力，是值得行业深入探索的关键领域。
02 新技术方向：视频生成模型
既然VLA模型模型还不足够优秀，那么什么模型才是方向呢？
王兴兴认为，现阶段看视频生成模型的路线可能比VLA模型更快，收敛概率更大。
其核心逻辑在于：利用视频生成模型预先“模拟生成机器人动作序列的视频”，进而直接指导实体机器人执行相应动作。例如，若指令为“整理房间”，模型可先生成机器人整理房间的虚拟视频，再将视频中的动作转化为实体机器人的控制信号。
不过，王兴兴指出，这一路线也存在一个现实问题：当前视频生成模型过度关注“视频质量”，导致 GPU 消耗较高；但对机器人而言，无需高精度视频，只要能驱动动作即可，目前看这一矛盾仍需解决。
03 未来技术重心：模型、硬件与算力网络
王兴兴预判，未来2-5 年，具身智能机器人的发展将聚焦三大方向：
一是，统一的端到端智能机器人大模型。端到端模型是提升机器人能力的关键。未来需重点推动端到端模型的研发，实现 “基于既有训练基础快速学习新技能”，提升模型的通用性和效率。
二是，更低成本、更高寿命的硬件及批量制造。硬件的优化亦是不可或缺的一环。即便是历经百年发展的汽车行业，也仍需不断攻克工程领域的重重难关；对于未来可能达到“数百万、数千万台” 量级的人形机器人，必须解决 “低成本、高寿命” 及 “超大批量制造” 的工程挑战，才能支撑大规模应用。
三是，低成本、大规模的分布式算力网络。机器人本体受限于尺寸和电池容量，无法部署大规模算力，因为“其峰值功耗通常仅 100 瓦左右，相当于几部手机的算力。”
因此，未来需要构建分布式算力网络，例如，工业场景中，可在工厂内部署局部服务器集群，供100 台级机器人就近连接，降低通信延迟；再如，民用场景（如小区）中，可建立区域级算力集群，减少用户的算力建设成本，同时保障延迟和安全性。
在会后采访中，有媒体提到了机器人的价格预期。对此，王兴兴表示，当机器人具备大规模作业能力时，机器人甚至将会是免费的状态，因为“每台机器人出厂后都可以缴税。”
对此，他举了个例子：一台机器人是干什么活的？就可以从它生产的价值中直接扣税。譬如，若有一片荒芜之地，企业派遣机器人前去开垦耕作，那么机器人所创造的部分价值将直接转化为税收。
“这个过程快的话可能要2～3年，慢的话可能3～5年，但是我觉得这波浪潮(的到来)大概率不会超过10年。”王兴兴说道。
王兴兴的发言引起了不小的争议。对于智能汽车行业而言，当前VLA+RL是最热门的方向，理想汽车、小鹏、华为、文远知行等多家企业都采用了这一路线或者近似路线。同时，华为、蔚来，以及理想、小鹏也采用了世界模型，不过表述和功能有所区别，有的仅用于模拟训练，有的则直接表述为自动驾驶模型的基座模型。
当然，具身智能的开发逻辑和智能驾驶开发逻辑未必一致，王兴兴的意见也仅仅是一家之眼，后续的技术路线之争，也还需要在实战中见高下。
