新闻/Bing 中文资讯 · 具身智能·16 天前

宇树王兴兴：GPT-7或两年内打穿具身智能，真机数据与算力选配成落地关键

宇树科技创始人王兴兴在CIIF 2026指出，若明年GPT-7发布，具身智能临界点或在一两年内到来。团队已部署GPT-6测试效果良好，但行业仍面临泛化性与效率瓶颈，需依托真机数据闭环及云端/端侧算力灵活选配突破规模化障碍。

AI 整理

• 数据与采集
• 具身模型
• 端侧部署

本文由 AI 根据公开内容整理，可能有误，请以原文为准：“GPT-7可能将具身智能问题打穿”，机器人爆发会提前到来吗？（Bing 中文资讯 · 具身智能）

核心内容

在第26届中国国际工业博览会开幕式上，宇树科技创始人王兴兴表示，若明年GPT-7问世，有望直接解决具身智能核心难题，行业爆发临界点或缩短至一两年。他透露团队已将GPT-6部署至机器人进行任务测试且表现良好，并反思过去对AI信仰不足。尽管大模型训练自动化程度极高，但具身智能仍处于原始阶段，模型调试高度依赖人工，未来需通过物理AI自进化减少人类干预，当前核心挑战仍是泛化性与执行效率。

针对落地瓶颈，Sharpa联合创始人向少卿提出人类操作、仿真与真机数据层层递进的自进化逻辑，宇树则强调真机数据对解决Sim2Real Gap的关键作用。算力架构方面，业界共识为运动控制类AI适配端侧部署，而复杂决策与大规模场景仍需云端支撑；短期内端侧算力尚无法满足实时交互需求。此外，Sharpa计划在上海DQ门店等餐饮零售场景部署3万台机器人，验证少量数据微调下的跨场景泛化能力，中国工程院院士王坚亦呼吁制造业开放工业数据以加速迭代。

关键看点

• 模型验证：宇树科技已将GPT-6部署至机器人本体进行实际任务测试，反馈效果良好，验证了通用大模型在具身任务中的初步可用性。
• 数据闭环：Sharpa提出人类操作数据构建智能种子、仿真数据强化学习、真机数据解决Sim2Real Gap的三层递进自进化路径，三类数据目前同步开发。
• 算力分层：运动控制类AI可部署于本体端侧，但复杂决策及大规模场景仍依赖云端算力；受限于当前硬件性能，短期内机器人高阶思考难以完全脱离云端。
• 商业验证：Sharpa计划在餐饮、零售及宾馆三大场景部署3万台机器人，目标实现用户仅需采集少量数据并微调即可跨场景使用，直接检验泛化性指标。

工程与产业观察

该进展揭示了具身智能从“模型信仰”转向“工程验证”的关键转折。GPT-6真机测试与3万台部署计划表明，行业正试图用真实物理交互数据填补Sim2Real鸿沟。对于算法工程师，应关注人类演示数据作为冷启动种子的价值；对于硬件研发，需正视端侧算力在实时决策中的短期局限，采用云边端协同的实用主义架构，而非盲目追求单机高算力堆叠。

来源

本页事实对应的公开页面，以原文为准。

1. Bing 中文资讯 · 具身智能：“GPT-7可能将具身智能问题打穿”，机器人爆发会提前到来吗？访问 2026-10-14