在人工智能與機器人技術(shù)迅猛發(fā)展的當下，行業(yè)對AI大模型的期待與現(xiàn)實應(yīng)用之間的落差引發(fā)了廣泛討論。宇樹科技創(chuàng)始人王興興在近期一場科技論壇上直言，當前機器人領(lǐng)域的核心瓶頸并非硬件，而是AI大模型的能力尚未達到實際需求，尤其在多模態(tài)交互與復(fù)雜任務(wù)執(zhí)行層面仍存在顯著短板。

王興興指出，盡管機器人硬件技術(shù)已足夠成熟，甚至“未來一兩年內(nèi)無需重大升級”，但AI模型的局限性導(dǎo)致硬件潛力難以充分釋放。例如，在控制機器人靈巧手完成精細操作時，現(xiàn)有模型仍無法實現(xiàn)語言指令與動作的精準匹配；在家庭服務(wù)場景中，機器人對“尋找昨天收到的快遞”這類模糊指令的處理能力也遠未達標。這類任務(wù)需要模型同時理解時間、空間、物體屬性等多維度信息，并具備跨模態(tài)推理能力，而當前模型仍依賴大量標注數(shù)據(jù)和預(yù)設(shè)規(guī)則，難以應(yīng)對真實世界的復(fù)雜性。

這一觀點并非孤例。網(wǎng)絡(luò)上曾流傳一個調(diào)侃：“我們期待AI幫忙洗碗，自己專注藝術(shù)創(chuàng)作；結(jié)果卻是AI在創(chuàng)作，而我們還在洗碗?！边@一矛盾折射出公眾對AI技術(shù)落地的迫切需求與現(xiàn)實能力之間的差距。王興興認為，AI時代為年輕人提供了公平的機遇，但前提是突破現(xiàn)有模型的工具化局限，將其視為“全能型伙伴”而非簡單工具。

從技術(shù)層面看，大模型的發(fā)展仍處于初級階段。盡管參數(shù)規(guī)模持續(xù)膨脹，但多數(shù)模型仍依賴統(tǒng)計規(guī)律進行模式匹配，缺乏對事物本質(zhì)的理解。例如，在自然語言處理中，模型可能準確回答標準問題，卻難以捕捉隱喻、雙關(guān)語或文化背景的深層含義；在圖像識別領(lǐng)域，對罕見物體或特殊場景的識別仍需大量訓(xùn)練數(shù)據(jù)。這種“淺層智能”導(dǎo)致模型在面對動態(tài)環(huán)境或跨領(lǐng)域任務(wù)時表現(xiàn)乏力。

機器人領(lǐng)域的挑戰(zhàn)尤為突出。具身智能（Embodied AI）要求模型不僅處理信息，還需通過身體感知環(huán)境并自主決策。然而，當前模型與人類思維的差異顯著：人類能憑借直覺和經(jīng)驗快速判斷，而模型需通過海量數(shù)據(jù)訓(xùn)練才能完成簡單任務(wù)。例如，家庭機器人雖能執(zhí)行“播放音樂”等指令，卻難以理解“根據(jù)家人喜好調(diào)整房間布置”這類涉及情感與常識的需求。這種差距使得機器人仍停留在“工具化”階段，遠未達到“智能體”水平。

行業(yè)普遍認為，單純擴大模型參數(shù)已非最優(yōu)路徑。高參數(shù)模型雖能提升性能，但伴隨訓(xùn)練成本激增、推理速度下降等問題。更關(guān)鍵的是，參數(shù)規(guī)模與實際應(yīng)用能力并非線性相關(guān)。例如，某些模型在特定任務(wù)中表現(xiàn)優(yōu)異，卻無法遷移至其他場景。因此，優(yōu)化訓(xùn)練算法、提升數(shù)據(jù)效率、加強模型與硬件的協(xié)同，成為突破瓶頸的關(guān)鍵。

王興興強調(diào)，AI的進化需聚焦具身智能的落地。這要求模型從“被動響應(yīng)”轉(zhuǎn)向“主動感知”，通過實時環(huán)境反饋動態(tài)調(diào)整策略。例如，服務(wù)機器人在清掃時需識別障礙物類型，判斷是否需要移動；工業(yè)機器人在裝配時需根據(jù)零件變形調(diào)整力度。這些能力依賴模型對物理世界的深度理解，而當前技術(shù)仍無法滿足需求。

盡管挑戰(zhàn)重重，但行業(yè)對AI的潛力仍持樂觀態(tài)度。王興興鼓勵年輕人積極擁抱AI，將其作為重新定義職業(yè)路徑的契機。他預(yù)言，隨著模型與硬件的深度融合，機器人將逐步從“執(zhí)行者”轉(zhuǎn)變?yōu)椤皡f(xié)作者”，真正融入人類生活。而這一目標的實現(xiàn)，仍需跨學(xué)科協(xié)作與持續(xù)技術(shù)創(chuàng)新。