10月12日，第二十六届中国国际工业博览会在上海拉开帷幕。开幕式期间，中国工程院院士、之江实验室主任王坚，宇树科技创始人、董事长、总经理兼首席技术官王兴兴，以及Sharpa联合创始人向少卿，就机器人的算力、训练数据及实际应用等议题进行了交流。

IDC在9月29日发布的报告指出，2026年上半年全球人形机器人出货量接近2.5万台，同比增长432.1%，其中中国市场的出货量超过1.9万台。但科研教育、表演展示和政府数据采集中心等场景仍占全球出货量的69%，工业制造、零售和物流等领域尚未成为主要出货方向。

王兴兴在现场表示，机器人进入工厂并非从零起步。宇树早在2024年就已与多家汽车企业开展了落地试点，国内外其他机器人公司也在进行类似尝试。然而，要将单点试验转化为大规模应用，机器人的泛化能力和作业效率仍需提升。

相比量产时间表，他对AI的迭代速度更为乐观。他认为，具身智能技术可能在未来一两年内取得较大进展，但这只是基于模型进步所做的推测，并非确定的商业化时间点。

“过去十几年我犯的最大错误，就是对AI（以前）相信（得）还不够。”王兴兴说，随着AI能力的提升，他对AI的信心日益增强。

在他看来，许多人仍未能充分利用AI，技术变革的速度可能比行业原先预期的更快。

王兴兴。图片来源：工博会官方直播截图

不过，这种乐观态度并不意味着工业场景会率先普及。王兴兴指出，相比工厂，一些面向企业的商业服务场景可能推进得更快，而家庭服务对机器人适应复杂环境的能力要求更高，落地顺序未必靠前。

算力如何分配，也是机器人制造商面临的现实问题。王兴兴解释，受机身空间、电池供电和散热限制，无法在每台机器人上安装大量高端算力。宇树的策略是，将运动控制等实时性要求高的计算留在本体，而涉及复杂决策和大范围场景适应的运算，则尽可能借助云端。

他补充说，本体算力可根据客户需求选配，无需所有型号统一配置。云端的优势在于算力可灵活调度，但如果未来模型能足够小、直接在本体运行，同样是更理想的选择。

向少卿也将时延视为重要约束。他认为，未来三到五年，大量复杂计算可能仍放在云端，执行动作则主要依赖端侧。长期来看，机器人数量增加会带来云端负载和通信带宽压力，更多计算能力可能转向本地。

在王坚看来，云端与端侧并非非此即彼的技术路线，而是计算资源的分工。他以智能手机为例指出，成熟产品往往同时使用本地和云端算力。机器人产业还处于早期，算力部署应从实际需求出发，而不是急于选择某一种技术路线。

除了算力配置，王兴兴还提到了近期基础模型的进步。他表示，全球AI技术几乎每隔一两个月就有较大更新。此前GPT-6发布后，宇树团队已将其用于不同机器人的任务测试，效果“还不错”。

他判断，具身智能的技术临界点最快可能在未来一两年到来。他甚至提出，如果明年GPT-7推出，有可能“直接把具身智能问题打穿”。

但基础模型的进步，并不意味着机器人模型的开发已经成熟。王兴兴说，现阶段机器人模型开发仍比较“原始”，工程师查论文、写模型，训练完成再交给测试人员，测试结果返回后继续修改，许多环节仍靠人工衔接。

他认为，写代码、模型训练、部署测试等环节可以进一步交给AI完成，让模型根据测试结果自动迭代。但现阶段，人工评价仍不可缺少。例如，机器人动作是否合适、任务成功率是否达标，以及结果是否是人真正需要的，目前还需要人参与打分。

图片来源：工博会官方

在训练数据方面，王兴兴认为，第一视角的人类操作数据有价值，但机器人真正进入物理世界时，最后几毫米的接触与操作，仍需要依靠真机数据不断调整。作为本体厂商，宇树尤其关注机器人在真实环境中的测试反馈。

向少卿认为，人类操作、仿真和真机三类数据各有作用。人类操作数据提供初始参考，仿真可用于强化学习、扩展训练场景，真机数据则用来修正仿真与现实之间的偏差。这三个环节可以同时进行，但很难省略任何一环。

“我觉得工业界应该把工业数据拿出来。”王坚在现场呼吁。他认为，互联网文本和开源代码能够被用于训练大模型，一个重要条件是数据能被广泛获取，而大量工业数据仍留在各企业内部。

“工业界所有的数据今天还是锁在每个人的抽屉里的。”王坚说。如果工业数据始终无法用于模型训练，机器人企业就很难充分利用工业生产中积累的经验。

王兴兴对此回应，AI确实需要各种数据，但企业也有保密要求。工业数据如何在保护商业机密的前提下用于训练，仍是需要解决的问题。

目前，一些机器人企业则开始从门店实际运营中积累操作数据。8月28日，Sharpa与DQ合作的机器人餐厅在上海亮相，并于次日正式启动运营。

向少卿介绍，Sharpa的机器人能够在无需专门改造的门店中处理真实订单。他认为，机器人进入商业场景，重要的是能否适应原有设备和工作流程，并持续完成任务，而不是为了机器人重新改造经营环境。

向少卿透露，Sharpa下一步计划在餐饮、零售和宾馆三类场景部署3万台机器人。他希望未来门店经营者只需少量数据和简单训练，就能让机器人适应新场景。

向少卿。图片来源：工博会官方

从单店验证走向数万台部署，效率和成本还有差距。此前，界面新闻记者在上述合作门店观察到，机器人制作一杯冰淇淋约需6分钟，熟练店员通常只需两三分钟。

Sharpa联合创始人李一帆当时也向界面新闻记者坦言，该设备现阶段还谈不上盈利。整套设备的标价仍在几十万元，长期目标是降至10万元人民币量级。

对于外界以“展品还是产品”来评价机器人，王坚认为这一说法对仍处于快速迭代期的行业并不公平。在他看来，机器人技术已经取得了很大进步，但行业仍需要找到真正适合机器人、又能解决实际问题的应用。

“这不是一个简单的事情，是一个非常需要创造力的事。”王坚说。

本文来自“界面新闻”，记者：徐美慧，编辑：文姝琪，36氪经授权发布。用户可通过米兰网页版入口获取更多相关资讯。