8月20日，在世界机器人大会主论坛上，宇树科技创始人兼董事长王兴兴以坦率的姿态分享了人形机器人在工厂产线应用中的现状：虽然在简单装配方面取得了一定进展，但效率仍低于人工，且更换任务需要重新调参。
他直言，目前尚未大规模推广。这番话在人形机器人热度高涨的当下，显得格外醒目。过去半年间，国内外头部人形机器人厂商都在积极推动人形机器人落地工厂，网络上也随处可见“量产元年”“拐点已至”的说法。但王兴兴却坦诚地指出：目前试点项目中的人形机器人，距离真正规模化应用在工厂产线上，还存在一道全行业普遍未跨越的瓶颈。
他将这一挑战概括为“最后几毫米”，这是业内普遍尚未逾越的鸿沟。王兴兴认为，当前通用机器人的关键在于提升具身智能的泛化能力。目前，AI模型在固定场景下的任务成功率接近100%，但只要机器人操作的物品或环境发生微小变化，成功率就会大幅下降。
[[MEDIA_X: 王兴兴在演讲中提到的技术挑战]] 他认为，最主要原因是“当前AI模型的输入和输出与真实机器人的对齐程度还不够”。王兴兴描述了一个常见场景：机器人移动物体、进行装配或搬运时，整体趋势看似良好，但往往在最后几厘米的细节上出现误差，导致任务失败率上升。
他将此与语言模型进行对比。语言模型的处理信息是数字编码的，输入和输出受限，偏差较小。而机器人涉及物理世界交互，每次输入输出都可能产生偏差和损失。
王兴兴认为，当机器人能够在80%的陌生场景中，通过语音或文字指令顺利完成大约80%的任务时，将是行业真正的转折点。他预计这一时刻可能在2-3年内到来，但也可能需要5-10年。
[[MEDIA_X: 宇树科技下一步的发展方向]] 尽管时间表存在不确定性，但可以肯定的是，在这一目标实现之前，行业仍需专注于解决“最后几毫米”的难题。
为了突破现有瓶颈，宇树科技正在探索一项创新举措：利用人工智能接管研发，实现物理AI机器人模型自进化。虽然过去几年许多企业已经大量使用AI进行编程和开发，但在机器人领域应用相对欠缺。
具体流程是，以最前沿的AI大模型为核心驱动，宇树定义技能、工具和任务约束，AI大模型自主搜索最新论文、优秀研究成果和开源方案，构建解决方案并生成机器人控制代码。然后，在仿真环境或大型模型中运行，部署到实体机器人进行测试，由AI和人工联合评分，并将结果反馈，形成闭环。
[[MEDIA_X: 宇树科技的自进化循环体系]] 这一体系的意义远不止提高开发效率。它旨在将“写代码-测试-评分-反馈”链条自动化，并形成一个体系，从而让机器人的技能可以更好地沉淀和迭代。
更重要的是，随着基础模型能力的提升，自进化循环的能力也会进一步提升，这是一个随全球AI进步共同进化的正循环。此外，相较于人工开发，该体系可以使用更多元的数据，大幅提高数据使用效率。随着真机部署数量增加，测试数据和评价指标也会越来越丰富，从而保障数据利用率和增长速度。
[[MEDIA_X: 机器人技术面临的挑战]] 然而，这条路仍处于早期阶段，需要解决许多工程问题，特别是从“生成代码”到“生成的代码能稳定控制一台物理机器人不出事”。仿真与真机的差距是一个长期难题。
这一方向的价值在于，它提出了一个不同于“堆数据、堆算力”的新路径。过去行业的共识是，谁先铺出十万台真机，谁就能获得数据飞轮的入场券。但如果AI自我进化的闭环能够实现，数据效率可能会被重新定义：不是依靠蛮力积累小时数，而是依靠智能体自动生成、验证和迭代，将每一次失败转化为可复用的技能沉淀。
在所有人都争相宣布拐点的行业中，承认瓶颈本身就是一种稀缺品。至于“最后几毫米”何时能够跨越，答案不在发布会的PPT上，而在于每一台真机摔过的跟头中。
