机器人爆发前，卡着两个80%

8月19日，宇树科技登陆科创板。第二天，在2026世界机器人大会主论坛上，王兴兴没有再秀后空翻，而是抛出了一个冷静到近乎扫兴的判断：机器人离真正走进工厂和家庭，还差两个80%。

这两个80%是——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。换句话说，卡住具身智能的已经不是本体会不会做一个动作，而是换一个房间、换一个物体、换一个任务之后，它还能不能做。

这可能是2026年具身智能行业里最重要的一次表态：竞赛的记分牌，正在从运动性能切换到泛化能力。

🚀 上市第二天，王兴兴为什么不炫技了

先看时间线。上市答谢午宴上，王兴兴首次提出「物理AI机器人的自进化」，希望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。一天后，他在WRC主论坛把更多时间留给了一个不那么「炫技」、却更决定产业胜负的问题——机器人什么时候能真正落地。

⏱ 关键节点

• 2026-08-19：宇树科技登陆科创板，王兴兴提出物理AI自进化
• 2026-08-20：WRC 2026主论坛演讲，给出两个80%临界点
• 同期：OpenAI展示GPT-6 Astra三维生成能力
• 同期：World Labs Atlas推进空间理解与世界重建
• 同期：知行具身发布千赫兹视触觉传感器Imprint X

一个上市公司的创始人，在资本最需要故事的当口，选择讲「泛化」和「闭环」，这本身就是信号。

据多位接近人士观察，过去两年头部本体厂商的跑跳指标已经高度内卷，速度、负载、自由度这些参数很难再拉开身位。而当本体差异化收窄，投资人真正担心的问题只有一个：演示视频和真实交付之间的鸿沟，谁来填？

王兴兴的答案很直白：不靠工程师填，靠AI填。这就是产业逻辑的转折点——当一家头部厂商开始把「研发效率」而不是「运动能力」作为核心叙事，说明本体战争已近尾声，数据与算法的战争才刚刚开场。

🔁 自进化闭环：把最后一厘米交给AI

金句先放这儿：机器人行业最贵的人力，浪费在最后一厘米上。

什么是最后一厘米？行业里私下流传一句话：demo三个月，落地三年。一台人形机器人在展会现场抓杯子抓得行云流水，到了客户车间，工位布局变了、物料换了、光照不同了，就得工程师重新调参、重新采集数据、重新测试。这背后的成本结构是致命的——每一台机器人的部署，几乎都是一次手工定制。

王兴兴给出的解法，是把研发流程本身AI化。整个自进化闭环长这样：

五个环节，一个闭环。基础大模型负责检索最新论文、生成训练代码，仿真环境批量试错，真机验证结果再反馈回模型。人类工程师的角色，从「给每一台机器人做最后一厘米微调」，退到「定义目标和判断结果」。

这套逻辑并不新鲜，真正的变化在于可行性。仿真训练、代码生成这些环节的AI能力，恰恰在2025到2026年跨过了可用门槛。闭环能不能转起来，取决于两个外部条件：一是仿真世界够不够真实，二是真机反馈够不够快。这两件事，正好分别对应接下来两个信号。

🧊 三维数据，正在变成新基建

金句：AI从生成内容，走向生成世界。

同期另一条容易被低估的线，是三维世界模型。OpenAI的GPT-6 Astra展示了AI在Blender中完成住宅建模、再导入Unreal Engine 5形成可实时漫游场景的完整流程。关键区别在于：过去生成式AI产出的是「看起来三维」的图片，这次产出的是可修改、可渲染、可被其他软件调用的结构化三维资产。

World Labs的Atlas则把这件事推进到空间理解、世界重建和环境模拟层面。三维数据正在从专业设计素材，演变为机器理解现实环境的基础设施。

这对机器人行业意味着什么？回到自进化闭环里的「仿真训练」环节——它需要海量、多样、可编辑的仿真场景。过去三维建模高度依赖专业人员，几何、材质、光照、渲染全链条都贵，仿真场景的多样性长期受限。一旦Astra这类工具把建模单位成本打下来，游戏、建筑、工业设计的供给规模会扩大，机器人仿真训练等于「顺风车搭上了」。

三者关系可以这样看：

生成工具的普及，历史证明不会压缩需求，反而放大供给。三维内容如此，仿真世界同理——而仿真的多样性，直接决定泛化的上限。

⚡ 千赫兹触觉，补上操作的最后一块短板

金句：眼睛看得见杯子，看不见力。

泛化的第三个前提，是真机这一端要有足够快的感知闭环。近期，知行具身发布了面向机器人操作的视触觉传感器Imprint X，搭载自研微型事件相机模组，延迟1ms、帧率超过1000Hz。更重要的是落地信号：产品已进入多家3C制造企业产线开展验证，并与国内某灵巧手厂商达成合作。

为什么千赫兹重要？一个直观对比：

在装配、分拣这类操作任务里，物体形变、滑动、接触力这些信息，视觉根本看不见，只能靠触觉。而触觉的采样率如果跟不上执行器的控制频率，机器人只能「慢慢摸」，产线节拍就不成立。毫秒级的视触觉反馈，是从「演示级抓取」走向「产线级操作」的硬前提。

3C制造是一个理想的试验场：品类多、换线频繁、物体小而柔，天然是检验泛化能力的考场。据多位接近产线验证的人士透露，触觉传感与灵巧手的绑定合作正在成为行业标配——感知和执行，正在被当成一套系统来卖。

📈 两条80%线合流之前，还差什么

把三个信号放在同一张图上，会看到一个清晰的结构：王兴兴定义了「考题」（两个80%）和「方法论」（自进化闭环），三维世界模型解决「题库供给」（仿真多样性），千赫兹触觉解决「考场硬件」（真机感知带宽）。

（权重为定性示意，非量化数据。）

但仍要泼一盆冷水。两个80%是临界点，不是现状。自进化闭环里最难的「真机测试」和「评价反馈」环节，AI还很难完全接管；三维重建的真实度和物理保真度，离工业级sim2real仍有距离；触觉传感器则刚刚开始产线验证，成本和寿命都待检验。

换句话说，具身智能的估值已经飞到了天上，工程进度还走在地上。这中间的时间差，就是接下来两年行业洗牌的空间。

写在最后

王兴兴上市后的第一次公开亮相，没有制造新话题，而是给行业定了一把尺子：两个80%。尺子一旦立起来，「能不能泛化」就成了所有玩家绕不开的考题。

自进化闭环是方法，三维数据是新基建，千赫兹触觉是硬件底座——三条线在2026年8月密集合流，不是巧合，而是产业从炫技叙事切换到工程叙事的集体自觉。下一次值得盯住的节点，是3C产线上第一批真实交付数据。到时候，谁在两个80%的另一侧，一目了然。