机器人爆发，卡在两个80%

机器人行业最不缺的就是会跳舞的本体，最缺的是换一个房间还敢用的底气。

8月19日，宇树科技登陆科创板；一天后，创始人王兴兴在2026世界机器人大会主论坛的演讲里，几乎没怎么提跑多快、跳多高，而是抛出了一个量化到有点较真的判断：机器人真正爆发，要等到两个「80%时刻」——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。这个数字，可能就是未来几年所有具身智能公司的生死线。

🎤 上市之后的王兴兴，开始谈「不炫技」的事

金句先行：当一家公司开始认真定义临界点，说明它已经从讲故事的阶段，进入了算账的阶段。

时间线先摆一下。8月19日，宇树科技正式登陆科创板，上市答谢午宴上，王兴兴首次提出「物理AI机器人的自进化」；8月20日，2026世界机器人大会主论坛，他把这套逻辑完整摊开在了行业面前。

有意思的地方在于内容的取舍。按常理，上市后首次公开亮相，最省力的做法是放一段双足跳跃、空翻接陀螺的视频，收获满场惊叹。但王兴兴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——机器人什么时候才能真正走进工厂和家庭？

他的答案，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」的泛化能力。

这话听着平淡，其实是把行业里所有人心里都清楚、但很少有人愿意摆上台面的问题挑明了：演示视频和真实交付之间，隔着一条鸿沟。一台在展台上能精准抓起矿泉水瓶的人形机器人，到了客户的产线上，换个料盘角度可能就束手无策。

而两个80%，第一次给这条鸿沟标了刻度。这不是一个营销指标——它同时是订单指标、验收指标，也将是下一轮融资的门槛指标。据多位接近人士透露，已经有下游客户在试点协议里，把类似「陌生场景任务成功率」写进了验收条款。演示经济的红利期，正在肉眼可见地关闭。

🧠 自进化：把最后一厘米交给AI

金句先行：与其雇一千个工程师去微调机器人的最后一厘米，不如让机器人自己学会调自己。

王兴兴给出的路径，是「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一个闭环，让机器人研发从高度依赖人工，转向持续自我迭代。

这条闭环长这样：

逻辑拆开看并不神秘。今天具身智能公司最大的成本项，往往不是硬件，而是那一大群做策略调优、数据标注、真机测试的工程师。每一个新场景、新任务，几乎都要人肉过一遍「改代码—跑仿真—上真机—看效果」的循环，效率极低，而且高度依赖个别资深工程师的手感。

自进化的本质，是把这个循环本身交给AI。论文检索负责捕捉最新的方法，代码生成把方法落成实验，仿真训练批量试错，真机测试验证现实差距，评价反馈把差距喂回下一轮迭代。人从循环里的操作者，退居为目标定义者和结果裁判。

这个判断和整个AI行业的趋势是同频的。过去一年的共识越来越清晰：智能体不只是在聊天窗口里干活，而是进入Blender、UE5这类专业工具里干活。研发工具链一旦被智能体接管，研发的边际成本结构就会松动——这和三维内容行业正在发生的事情，是同一个逻辑。

产业层面的判断是：自进化如果跑通，具身智能公司之间的竞争维度会从「有多少工程师」变成「闭环转速有多快」。慢的公司每一轮迭代以月计，快的公司以天计，半年之后的差距就是代差。

🌍 三维数据，正在变成基础设施

金句先行：大模型吃完了互联网的文本，下一个饭碗，是物理世界本身。

王兴兴谈泛化，泛化能力的底层是数据；而具身智能最缺的数据，恰恰是三维的、带物理属性的、可交互的环境数据。这个供给侧的变化，正在另外一个战场上发生。

OpenAI的GPT-6 Astra展示了AI从文字、图片和视频进一步走向可编辑三维资产的能力——在Blender中完成住宅建模，再导入Unreal Engine 5，形成可实时漫游的完整场景。这里生成的不是「看起来三维」的图片，而是能继续修改、渲染、被其他软件调用的结构化三维资产。

World Labs的Atlas则把这一变化推进到空间理解、世界重建和环境模拟层面——也就是让AI真正「看懂」一个空间，并能在其中做模拟。

这两件事对机器人行业意味着什么？简单说，仿真训练的「燃料」成本在下降。传统三维建模高度依赖专业人员，几何、材质、光照、渲染一整套流程走下来，建一个合格训练场景的成本高得吓人。一旦自然语言成为三维生产的入口，单位成本持续下降，机器人公司就可以按需批量生成训练环境——今天练厨房，明天练仓库，后天练产线工位。

而创作工具普及的历史经验是：它不会压缩需求，反而会放大供给。图片和视频行业已经验证过一遍，三维大概率会重演。过去因为成本太高而没形成的潜在需求——游戏、电商、建筑、工业设计——会先爆发；而对机器人行业来说，最重要的是那些为训练而生的仿真环境，会从稀缺品变成日用品。

梳理一下这三条线的卡点与进展：

🤏 1毫秒的触觉，卡住灵巧手的脖子

金句先行：眼睛再好，抓一个鸡蛋你也得靠手上的感觉。

泛化和数据是「大脑」层面的事，但机器人要真正进产线，还有一道绕不开的硬门槛：感知。准确说，是触觉。

36氪报道，知行具身发布了面向机器人操作的视触觉传感器Imprint X。两个数字值得划重点：搭载自研微型事件相机模组，延迟1ms，帧率超过1000Hz。目前，Imprint X已经进入多家3C制造企业产线开展落地验证，同时还和国内某灵巧手厂商达成了产品合作。

为什么是千赫兹？可以对比一下：人手操作精密物件时的反馈感知频率远高于普通相机的30帧；而工业场景里的插拔、装配、柔性件抓取，接触瞬间往往只有几十毫秒，普通传感器的采样根本捕捉不到打滑、形变这些关键信号。事件相机模组的意义，就在于此——它不是按固定帧率拍照，而是只在变化发生时触发，天然适合捕捉高速接触过程。

落地选择也很有讲究。3C制造是当下人形机器人最现实的滩头阵地：场景结构化程度高、 pays 得起钱、对精度和速度要求苛刻。视触觉传感器先进了3C产线，拿到的是最贵的真实工况数据；再和灵巧手厂商绑定，意味着传感器不再是实验室配件，而是进入整机BOM表的零部件。

对行业来说，这补上了具身智能技术栈里最短的一块板。大脑在进化，世界模型在丰富，如果手上的「皮肤」还停留在毫秒级以下的反应速度，再聪明的策略也落不了地。据多位接近人士观察，视触觉传感器正在从「论文里的方向」变成「量产线的选配件」，这个转变的速度比很多人预期的快。

⏳ 临界点之前，大家到底在赌什么

金句先行：临界点之前拼的是技术，临界点之后拼的是产能——现在所有人还在前者里内卷。

把这几天的信息串成一条线，能看到一个清晰的产业共振：

• 2026年8月19日：宇树科技登陆科创板，上市当天提出自进化方向
• 2026年8月20日：WRC 2026主论坛，两个80%临界点公开
• GPT-6 Astra发布：AI进入专业三维工具，结构化资产成本松动
• World Labs Atlas：空间理解与世界重建能力落地
• 知行具身发布Imprint X：千赫兹视触觉进入3C产线验证

本体公司定义标准，大模型公司补数据基础设施，零部件公司补感知短板——三条线指向同一个目标：让机器人从「能演示」走到「能交付」。

写在最后

两个80%大概率不会是精确的预言，但它是一个有用的标尺。它把行业从「跑得多快」的军备竞赛，拉回到「换一个场景还行不行」的真问题上。三维数据在降价，触觉在提速，研发闭环在自动化——临界点之前，比拼的就是谁能先把自己的泛化曲线推过那条线。等真有公司宣布做到了两个80%，那一天的发布会，恐怕连跳舞的环节都省了。