宇樹科技創(chuàng)始人王興興稱VLA模型是“相對傻瓜式”的架構，同時認為視頻生成模型有前景。這一觀點在智能駕駛領域引發(fā)了關注和爭議。

“VLA模型是相對傻瓜式的架構?！?/strong>

2025年8月9日，在北京舉辦的2025世界機器人大會上，宇樹科技的創(chuàng)始人、CEO兼CTO王興興在演講中表達了這一觀點。盡管他是針對具身智能大模型發(fā)表看法，但這也讓人對當前智能駕駛最熱門的模型方向產生了思考。包括極佳視界的CEO黃冠也吐槽他的觀點“太業(yè)余”。

王興興認為，世界模型可能是更好的技術方向。不過，在短期的未來2 - 5年，“最大的肯定還是一個端到端的具身智能AI模型”。在大會上，他從核心瓶頸、新興技術引擎及未來技術重心三個方面，對具身智能機器人的發(fā)展態(tài)勢進行了梳理與分析。下面我們來看看他的觀點有何啟發(fā)。

核心瓶頸：模型不夠好

很多人認為機器人未大規(guī)模應用是因為硬件性能不足或成本過高，但王興興指出，當前機器人硬件（包括人形機器人的靈巧手、整機等）已基本夠用。從技術層面講，人形機器人的硬件能滿足基本需求，雖工程實施有挑戰(zhàn)，但可支撐基礎功能實現(xiàn)。

他認為，限制其大規(guī)模應用的核心瓶頸是具身智能的AI大模型尚未成熟。

王興興覺得目前的機器人大模型（具身智能）發(fā)展階段，類似ChatGPT發(fā)布前的1 - 3年，業(yè)界明確了方向和技術路線，但未突破關鍵臨界點。他認為沒達到臨界點，主要是行業(yè)對“數(shù)據(jù)”關注過高，忽視了模型本身的問題。

王興興指出，具身智能發(fā)展的關鍵問題是模型架構不完善、缺乏統(tǒng)一性和泛用性，導致能力受限，數(shù)據(jù)也不能充分利用。以VLA模型為例，他認為其是“相對傻瓜式的架構”，在真實世界交互中對數(shù)據(jù)質量依賴過高，適應性不足，所以他對VLA模型的應用前景持懷疑態(tài)度。

此外，“VLA模型 + RL訓練”是常見的優(yōu)化思路，但他認為實踐證明這還不夠，“模型架構必須進一步升級，不能停留在簡單組合層面”。

他還指出，“RL Scaling law（縮放定律）”的缺失也是限制發(fā)展的因素，導致機器人學習新任務時要從零開始，訓練效率低下。具身智能的理想狀態(tài)是“新任務訓練基于舊有基礎，速度越來越快、效果越來越好”，這在語言模型中已得到驗證，在機器人運動控制領域雖處于起步階段，但潛力巨大，值得深入探索。

新技術方向：視頻生成模型

既然VLA模型不夠優(yōu)秀，那什么模型才是方向呢？王興興認為，現(xiàn)階段視頻生成模型的路線可能比VLA模型更快，收斂概率更大。其核心邏輯是利用視頻生成模型預先“模擬生成機器人動作序列的視頻”，指導實體機器人執(zhí)行動作。例如，指令為“整理房間”，模型可先生成虛擬視頻，再轉化為控制信號。

不過，王興興也指出，當前視頻生成模型過度關注“視頻質量”，導致GPU消耗較高，而機器人只需能驅動動作的視頻，這一矛盾有待解決。

未來技術重心：模型、硬件與算力網(wǎng)絡

王興興預判，未來2 - 5年，具身智能機器人的發(fā)展將聚焦三大方向：

一是統(tǒng)一的端到端智能機器人大模型。端到端模型是提升機器人能力的關鍵，未來要重點推動其研發(fā)，實現(xiàn)“基于既有訓練基礎快速學習新技能”，提升通用性和效率。

二是更低成本、更高壽命的硬件及批量制造。硬件優(yōu)化很重要，汽車行業(yè)發(fā)展百年仍有工程難題，對于未來可能大規(guī)模應用的人形機器人，必須解決“低成本、高壽命”及“超大批量制造”的工程挑戰(zhàn)。

三是低成本、大規(guī)模的分布式算力網(wǎng)絡。機器人本體受尺寸和電池容量限制，無法部署大規(guī)模算力，其峰值功耗通常僅100瓦左右。未來需構建分布式算力網(wǎng)絡，如工業(yè)場景可在工廠部署局部服務器集群，民用場景可建立區(qū)域級算力集群，降低成本，保障延遲和安全性。

會后采訪中，媒體提到機器人的價格預期，王興興表示，當機器人具備大規(guī)模作業(yè)能力時，甚至可能免費，因為“每臺機器人出廠后都可以繳稅”。他舉例說，若企業(yè)派遣機器人開墾荒蕪之地，機器人創(chuàng)造的部分價值將轉化為稅收。

“這個過程快的話可能要2 - 3年，慢的話可能3 - 5年，但是我覺得這波浪潮(的到來)大概率不會超過10年。”王興興說道。

王興興的發(fā)言引發(fā)了爭議。當前智能汽車行業(yè)，VLA + RL是熱門方向，理想汽車、小鵬、華為、文遠知行等企業(yè)采用了這一路線或近似路線。同時，華為、蔚來，以及理想、小鵬也采用了世界模型，不過表述和功能有區(qū)別。具身智能和智能駕駛開發(fā)邏輯未必一致，王興興的意見只是一家之言，后續(xù)技術路線之爭還需在實戰(zhàn)中見分曉。

本文來自微信公眾號“賽博汽車”（ID：Cyber - car），作者：王凌方，編輯：邱鍇俊，36氪經(jīng)授權發(fā)布。

本文僅代表作者觀點，版權歸原創(chuàng)者所有，如需轉載請在文中注明來源及作者名字。