会打拳的机器人，离上岗还差多远？

机器人在擂台上打拳，不是新闻；机器人没人遥控、全自主地打拳，才是新闻。

8月19日，宇树科技登陆科创板；紧接着，UnifoLM-X2-1.0世界-动作大模型被官方宣布首次实现人形机器人全自主搏击。一边是资本市场敲钟，一边是技术里程碑刷屏，但王兴兴在2026世界机器人大会主论坛上，却把最多的时间留给了那个最不炫技的问题：机器人什么时候才能走进工厂和家庭？

他给出的答案，是两个「80%」。这篇文章就聊聊：从会打拳到能上岗，中间到底隔着什么。

🥊 全自主搏击，验证的是什么？

先看这次的技术动作本身。

据36氪报道，宇树科技发布视频称，UnifoLM-X2-1.0突破了世界-动作大模型在瞬时规划、决策和动态交互执行等瓶颈，实现了高动态、强交互、实时对未来进行预测和规划，最终完成人形机器人全自主搏击。

搏击这个场景，选得其实很刁钻。

过去我们看过太多机器人「表演」：预编程的空翻、遥控的格斗，动作华丽但本质是回放。而搏击对抗，意味着对手的动作不可预测，机器人必须在毫秒级感知、预测对方下一步、再实时决策自己的应对——这正是「世界模型」最硬核的考试题：不是记住动作，而是理解物理世界正在发生什么、即将发生什么。

用官方的话说，这件事「验证了世界模型驱动的人形机器人大规模落地部署的基础可行性」。

关键词是「基础可行性」。翻译一下：能打拳不等于能干活，但它证明了大脑在动态、对抗、非结构化环境下是可以工作的。这是从「动起来」到「聪明起来」的分水岭。

一位接近头部整机厂的人士私下说过一句在圈子里流传很广的话：现在的演示视频，投资人看的是花活，同行看的是延迟和泛化。全自主搏击，恰恰同时考验这两项。

📏 两个80%，行业第一次有了「及格线」

金句先行：演示视频不会告诉你机器人什么时候爆发，量化指标才会。

在WRC 2026主论坛上，王兴兴没有讲机器人跑得多快、跳得多高，而是给具身智能行业画了一条前所未有的量化临界点——在80%的陌生场景中，通过语音或文字指令，机器人能够顺利完成约80%的任务。

两个80%叠在一起，才是行业大爆发的开关。

这个表述的分量在于：它把行业讨论从「本体参数」拉回到了「泛化能力」。用王兴兴自己的话说，关键已经不是本体能否完成一个动作，而是「换一个房间、物体、任务之后，它还能不能完成」。

这其实是对当前行业评测体系的一次委婉「打脸」。今天的发布会视频，几乎都是同一间实验室、同一组物体、同一个任务——满分试卷考一百遍。而真实世界是开放题库，工厂里每条产线的料架位置都不一样，家庭里每户的沙发高度都不同。

两个80%为什么不是100%？这反而是懂行的设定。人也不会在100%的陌生场景里100%完成任务，80%意味着机器人已经跨过了「可用」的门槛，剩下的是靠部署密度和迭代速度去磨。达到这个点，单位经济模型才能算得过来，规模化订单才会出现。

据多位接近产业链的人士透露，目前头部厂商在特定封闭场景下的任务成功率已经不低，但一旦场景开放、任务组合爆炸，成功率会断崖式下滑——这正是所有具身智能公司守着实验室数据不敢对外讲的部分。

🔄 自进化：把「最后一厘米」交给AI

比临界点更有意思的，是王兴兴给出的实现路径。

上市答谢午宴上，他首次提出「物理AI机器人的自进化」：利用基础大模型，把论文检索、代码生成、仿真训练、真机测试和评价反馈串成闭环，让机器人研发从高度依赖人工，转向持续自我迭代。

画成图，就是这样一个循环：

这个闭环的本质，是承认一个尴尬的现状：当前机器人研发里，大量人力耗在「最后一厘米」——为某个新场景微调参数、重写策略、重新采集数据。工程师调得越辛苦，越说明模型泛化能力不行。

王兴兴的逻辑是反过来的：与其让人继续磨这最后一厘米，不如把研发流程本身交给AI。AI读论文提出方案，AI写训练代码，仿真里先跑一万遍，真机验证后把反馈再喂回去。人从「调参师傅」变成「闭环监督员」。

这跟大模型领域的数据飞轮是同一个思路，只不过飞轮转动的对象从文本变成了物理世界的经验。而全自主搏击恰恰可以看作这条路径的一次能力校验——瞬时预测、实时决策，正是「自进化闭环」里真机测试环节最需要的底层能力。

时间线串起来看，宇树的节奏相当密：

• 2026年8月19日 : 宇树登陆科创板
• 2026年8月19日 : 王兴兴提出物理AI自进化
• 2026年8月20日 : WRC主论坛给出两个80%临界点
• 近期 : UnifoLM-X2-1.0实现全自主搏击

上市第一天谈自进化，第二天谈临界点，随后技术验证跟上——这不像巧合，更像一套提前编排好的叙事：资本市场要故事，产业界要路径，技术圈要验证。

💰 大脑战争：OpenAI下场，高盛改口

机器人行业的新共识正在形成：本体是身体，大脑才是胜负手。

OpenAI首席执行官奥尔特曼近期明确表态：「我们肯定会研发人形机器人，也会做其他形态的人形机器人。」但他同时强调，并非所有机器人都需要是人形，当拟人结构没有实际优势时，OpenAI会为特定用户设计非拟人化形态，甚至包括数据中心机器人。他给行业留了一句值得反复咀嚼的话：形态并不是最重要的，真正关键的是机器人大脑。

这句话对国内整机厂的杀伤力是结构性的。如果大脑的定义权握在通用AI公司手里，本体会不会沦为「机器人界的代工厂」？这几乎是所有整机厂都要回答的问题。

与此同时，资本端的叙事也在换挡。高盛研报把人形机器人出货量预测线整体上移：

海通国际的判断则更直白：AI机器人正由技术验证期进入商业化验证期，投资逻辑正在从「技术突破+远期空间」转向「订单+交付+业绩兑现」。

注意这个措辞的转折——过去三年，市场给机器人公司估值看的是视频播放量；接下来，看的是签了多少台、交付了多少台、收回了多少现金。这对二级市场是个范式切换：讲故事的企业会被减分，能交货的企业会被加分。

⚠️ 订单兑现：落地先走「窄门」

爆发临界点很美好，但当下正在兑现订单的，是那些不性感但能算账的场景。

A股里已经能看到端倪。拓斯达的人形机器人「小拓」，被称为中国首款应用于注塑场景的具身智能机器人——注塑车间高温、重复、单调，恰恰是人不想干、机器人最容易算得过账的地方。鑫宏业则依托特种线缆的技术积累，切入人形机器人、低空经济等新兴赛道，自主研发超柔性线缆，并战略投资无锡智动力机器人公司。

这两家代表的正是当下最现实的路径：一家用整机切工厂场景，一家卖「卖铲子」的核心零部件。具身智能的产业化，从来不是从全能管家开始的，而是从一个个「窄场景、高价值、低容忍度」的工业环节撕开口子。

对照王兴兴的两个80%，可以把产业地图分两层：现在，头部公司正在用80%×80%之外的「窄场景豁免权」换取首批订单——场景封闭、任务有限，泛化压力小，商业模型跑得通；未来，当两个80%真正达成，家庭、商业服务等开放场景才会接棒，那才是高盛那台648万台的真正出货曲线。

据多位接近券商研究的人士称，接下来机构调研机器人的问题清单正在明显变化：从「视频里能做什么」变成「在手订单多少、交付周期多长、毛利怎么算」。这个变化本身就是行业成熟度的信号。

结语：拳台上赢的是技术，市场上赢的是账

从全自主搏击到两个80%，从自进化闭环到高盛上调预测，最近这一轮密集信号指向同一个判断：人形机器人正站在从「技术验证」迈向「商业化验证」的门槛上。

搏击视频证明了大脑在动态世界里能转起来；王兴兴的量化临界点给全行业立了一块碑——在它到来之前，所有关于爆发的预言都只是预言。OpenAI的入局意味着大脑战争的号角已经吹响，而订单与交付，才是决定谁能活到那天的方式。

拳台上赢的是掌声，工厂里赢的是账本。2027年前后，回头看这两个80%达成与否，大概率就是这轮具身智能行情的分水岭。