宇树科技上市后首谈技术路线：王兴兴押注「AI 参与机器人研发」全流程闭环

bingdada

八月 20, 202662 次阅读约 8 分钟阅读

快速回答

宇树科技创始人王兴兴在上市答谢宴上首次明确公司技术路线：不再依赖单一AI模型，而是构建一个将大模型、仿真、真机与评价体系连通的自动化研发系统，让AI深度参与机器人技能的设计、训练与迭代，以此作为具身智能时代最核心的竞争力。

核心要点

宇树科技上市首日市值突破4400亿元，创始人王兴兴在答谢宴上首次披露公司下一阶段的技术路线。
王兴兴认为，只做单一AI模型或视频模型的竞争力已不够，下一阶段的关键是构建模型、工具、仿真、真机与评价的闭环系统。
AI的角色将从机器人的「大脑」扩展为研发流程的「参与者」，自动化完成查论文、写代码、仿真训练和真机测试等环节。
该系统的核心价值在于形成「数据飞轮」，通过每一次仿真与真机反馈加速机器人的自我进化，构建难以复制的护城河。
这一路线标志着国内机器人产业竞争焦点从单点硬件突破转向体系化的研发效率与自动化数据闭环构建。

8 月 19 日，国内人形机器人领域的明星公司宇树科技正式在科创板挂牌交易。上市首日，其股价一度较发行价上涨超过 6 倍，公司总市值随之突破 4400 亿元大关。在资本市场的一片喧嚣中，创始人王兴兴在上市答谢宴上的一番讲话，或许比股价数字更能揭示这家公司的未来走向。

从「最强身体」到「自主进化」：一场关于研发范式的转向

长期以来，宇树科技在业内的标签是「机器人身体最强公司」，其硬件能力和运动控制算法备受认可。然而，当市场目光聚焦于其市值表现时，王兴兴在午宴上却罕见地将话题引向了技术底层逻辑的变革。他并未发布任何具体的新产品，而是阐述了一套关于机器人研发方式即将发生根本性转变的判断。

在王兴兴看来，机器人产业下一阶段的竞争焦点，将不再局限于单一 AI 模型或视频生成模型的能力比拼。单纯依靠模型参数和规模的叠加，其带来的整体竞争力和迭代速度提升已经逼近瓶颈。真正决定未来格局的，是能否将大模型、自动编程工具、仿真环境、实体机器人以及评价体系，整合成一个高效运转的闭环系统。

这一观点的核心在于，AI 的角色将不再仅仅是机器人的「大脑」，而是会全面渗透进机器人的研发流程本身，辅助甚至替代人类工程师完成设计、训练与迭代工作。王兴兴将构建这一整套系统的能力，定义为具身智能企业未来最重要的核心竞争力。

打破「手工造机器人」的瓶颈：AI 驱动的研发流水线

为了说明这一转变的必要性，王兴兴对比了当前机器人技能开发的传统模式。在今天，要让机器人学会一项新技能，工程师依然需要手工推进一系列繁琐环节：从检索学术论文和开源算法开始，到编写训练代码、调整仿真参数，再到部署真机进行测试，最后根据实测表现反哺修改程序。

王兴兴认为，这种开发方式仍处于相当「原始」的阶段。既然 AI 已经展现出在编程、信息检索、视频生成以及结果分析方面的强大能力，那么将这些环节逐步串联起来，在技术上完全具备可行性。

他描绘了一条清晰的自动化路径：AI 首先自动检索并分析最新的学术论文与开源代码，筛选出潜在可行的技术方案，并据此生成机器人的训练程序。随后，这些代码被送入仿真环境进行初步验证，期间还可以借助视频生成模型来构造更丰富的训练场景和素材。完成仿真训练后，成果将被部署到物理机器人上，在真实世界中检验其平衡能力、动作精度与任务成功率。

这一循环的最终目标，是让机器人技能的获取过程实现高度自动化。从外部观察看，宇树科技正试图将自身从一家「机器人硬件制造商」转型为「机器人智能进化平台的搭建者」。这种思路与全球顶尖 AI 实验室对智能体（Agent）的研究方向不谋而合，即通过构建工具链和反馈机制，让 AI 系统能够自主完成复杂任务。

数据飞轮与生态构建：上市后的新棋局

宇树科技选择在上市这一节点抛出如此清晰的技术路线图，其背后的战略意图值得深思。登陆资本市场带来的巨额资金，显然不仅仅是为了扩大产能或补充现金流，更是为了支撑这种重研发、长周期的系统性投入。

值得注意的是，王兴兴所强调的「系统」，其价值并不在于某一个环节的突破，而在于「数据飞轮」的加速转动。每一次 AI 驱动的仿真训练、每一次真机测试反馈，都会成为优化下一代模型的养料。这种自我进化的能力，将构成竞争对手难以在短期内复制的护城河。

从更宏观的视角看，宇树的这一布局也反映了整个机器人行业的发展趋势。正如 DeepMind 在具身智能领域的研究所展示的，将大语言模型与机器人控制相结合，正在成为释放通用人工智能潜力的关键路径。而宇树的独特优势在于，它同时拥有大规模量产的人形机器人硬件平台和自研的 AI 训练体系，这种「软硬一体」的垂直整合能力，为其构建上述闭环系统提供了得天独厚的条件。

国内视角：从单点突破到体系化竞争

宇树科技的这一技术路线选择，并非孤例。放眼国内，包括智谱 AI 在内的多家大模型公司，也正在探索将多模态能力与机器人执行相结合。与海外巨头如 Figure AI 或特斯拉 Optimus 的路径相比，中国企业的优势在于拥有更完整的供应链体系和更丰富的应用场景。

然而，挑战同样存在。构建一个能稳定运行的「AI 参与研发」的闭环系统，对工程化能力提出了极高要求。如何确保 AI 生成的代码在仿真与真机环境中的一致性，如何设计有效的自动评价指标，这些都是需要长期投入解决的工程难题。宇树科技能否将上市后的资本优势转化为技术领先，并最终跑通这套系统，将决定其在下一阶段全球机器人竞赛中的位置。