王兴兴说物理 AI“看到被击穿的苗头”：宇树 G1 已下线约 1-2 万台，具身智能开始算账

10 月 22 日，杭州国际博览中心二期，2026 世界物理 AI 大会暨宇树合作伙伴生态大会开场。3000 多名观众、40 多个展示专区，台上站着宇树科技创始人王兴兴。他没有先讲机器人参数，而是先说了一句判断：全世界几乎所有人，对 AI 的重视程度和信仰都还不够，包括他自己。

一分钟速览

• 王兴兴表示，随着 GPT-6 发布，物理 AI 已经”看到被击穿的苗头”，时间窗口可能是 1-2 年，也可能 2-3 年。
• 他认为具身智能迈过”ChatGPT 时刻”的核心挑战，是 AI 模型的输入输出与真实机器人对齐。
• 商业服务场景的落地会比家庭和工业更快。
• 宇树 G1 已累计生产下线约 1-2 万台，被称为全球最畅销的人形机器人。
• 他给出的”时刻”标准很具体：机器人进入陌生家庭，仅凭语音或文字完成约 80% 日常任务。

“击穿”指的是什么

在过去两年，人形机器人的演示视频已经不缺：会后空翻、能搬箱子、能冲咖啡。但王兴兴说的”击穿”，不是某段视频好不好看，而是模型能力是否跨过了一个通用门槛——机器人到了没去过的环境，听到一句自然语言，就能自己拆解任务、调用技能、处理失败，并把事情做完。

他把标准定在 80% 的日常任务完成率。这个数字听起来不激进，实际非常苛刻。家庭环境里，光照会变、物体位置会变、指令会含糊，任何一项都可能让预设流程失效。真正决定成败的，不是机械结构，而是模型能否把语言指令、视觉观察和本体动作对齐到同一个语义空间里。

这也是他反复强调”输入输出与真实机器人对齐”的原因。大模型在文本和图像上已经很强，但机器人执行是一个连续闭环：看到什么、判断什么、动哪只手、用多大力、失败后怎么退。任何一环的延迟或误差，都会变成现实世界里的碰撞。GPT-6 带来的多模态与推理能力，让这个闭环第一次看起来可以打通，但工程上的对齐仍是硬仗。

1-2 万台下线，意味着开始算真实的账

王兴兴在大会上给出的另一个数字更值得注意：宇树 G1 已累计生产下线约 1-2 万台。对人形机器人行业来说，这是一个分水岭。实验室里做出一台能走的机器人不难，难的是把良率、供应链、售后和成本控制到可以批量交付。产量上万台之后，企业面对的问题会从”能不能做出来”变成”每台机器每天能创造多少价值”。

他判断商业服务会先于家庭和工业落地，逻辑并不复杂。商场导览、展馆讲解、门店接待这类场景，环境相对可控，任务边界清晰，客户也愿意为”新鲜感”和”人力替代”付费。家庭场景对安全性和泛化能力的要求最高，工业场景则要过严苛的节拍和可靠性验证。先在高频、低风险的场景里跑出数据闭环，再反哺模型，是更现实的路径。

从”演示驱动”到”交付驱动”

值得注意的是，王兴兴此前在工博会上就做过类似判断，并预测 2027 年 GPT-7 可能”直接把具身智能问题打穿”。这次他把话说得更谨慎：1-2 年或 2-3 年。时间表的微调，本身就说明行业进入了更务实的阶段——资本不再只为视频买单，客户开始问交付周期、维护成本和投资回报。

对产业链来说，接下来真正值得盯的指标不是发布会数量，而是三个：批量交付后的日均有效工作时长、陌生环境下的任务成功率、以及单台机器人的年度持有成本。物理 AI 的故事讲了很多年，2026 年之后，它要开始用这三张表证明自己。