昨天，宇树科技王兴兴在WRC2025大会上进行了分享。
除了宇树科技产品的介绍外，王兴兴这次重点谈及的是关于行业的看法。尤其是属于机器人的Chatgpt时代何时到来。
王兴兴认为，当前机器人的硬件能力已经足够应用。难的是AI算法如何让其场景泛化。对于VLA和世界模型，王兴兴认为世界模型可能会更有前景。此外，王兴兴认为现在对数据的关注度过热，机器人真正的进步还是需要依靠模型。
对于未来，机器人还需要解决工程化的问题，做到像汽车一样批量生产制造。受制于机器人自身的算力限制（最高100w左右），算力还是需要依赖集中算力。但机器人对试延要求高，分布式的算力将会是一个解决方案。
以下为正文。在尽可能保持讲话意思的情况下，进行部分调整。
01.
宇树科技产品回顾及介绍
2013-2016年我在读硕士期间做的XDog这款机器人。它基本上开创了全球范围内这种低成本、高性能总是激起这个技术方案的先河。简单说就是在我当时做这个技术方案之前，大部分的业界，包括很多学校里面，大家做这种机器人都是采用的工业电机和工业伺服驱动器，成本非常高。而且它的尺寸也非常大用起来非常不好用。然后我当时在13年我想到这个方案的时候，甚至想过，我要不要辍学去创业。因为大家也知道辍学创业这个概念还是非常时尚的一个概念，所以当时想了。但在那个时候其实是不现实的一件事情。因为只是有个想法，没有把东西做出来，也没有别的一些资源。所以当时在13年到15、16年，主要是把这个机器人给做出来了。而且这个机器人的话大家可能想象不到，当时的整个研发投入大概只有1到2万元人民币。
在15年的时候，我还用这台机器人去参加了一个上海的比赛，获得了二等奖，赚了8万块奖金。所以这款机器人也算是我赚的第一桶金。在我们公司16年成立的时候，这笔钱也提供了帮助。然后这个的话也是比较有代表性的一个机器，包括现在的很多人机器人用的很多技术方案，跟这个技术方案也非常类似这类事情。然后另外的话，我们公司目前的话像四足机器人主要是有三款。一款是比较小的，像Go 2这款机器人在23年发布的时候就集成了大语言模型，所以说功能非常健全的。包括标配了激光雷达，3D激光雷达，包括语言模型，还有各种小的功能。目前这款机器也是过去几年，包括今年应该全球范围内出货量四组机型出货量最多的一款机器狗。
然后另外的话，像我们也是有发布一两年时间，就B2这款机器人主要是工业应用的。因为我们还是希望机器人真正去干活，包括工业场景，包括各种场景。所以这款机器人的话就持续负载能力和续航能力，到现在为止都非常强劲。
然后另外的话，像我们人形机器人，我在很多场合也说过，就是我们公司早些年，包括很多年以前，我一直是坚决反对做人形机器人的。为什么呢？因为当时在09年，我在读大一的时候，我做的第一款机器人就是一个小的双足人形机器人，比较小，大概花了两百多元人民币。当时我就发现那个时候你要去做人形机器，它的商业价值或者它的技术是非常难做的。所以说当时我们公司成立很多年，一直是反对做人形机器人。但是后来在21年到22年，全球整个人工智能的发展非常迅速，尤其以ChatGPT那个时刻为代表的，就是整个AI的技术进步非常显著。并且像伊隆马斯克为代表的整个企业，包括尖端企业，对这个领域关注度非常高，带动了全球范围内的大众对人体关注非常高。
说的再直接一点，就大家可能想象不到，在22年的时候，我们公司完全没有开始做人形机器人。但是有很多很多客户直接找我，我们下订单，就是我们啥都没有，但是有客户愿意直接给我们钱付定金下订单给我们。所以就直接导致了我们在二三年初就开始做人形机器人。H1这款机器人就是我们二三年初花了半年多时间做的第一款人形机器人。因为我们公司做的是第一代，所以外观上可能相对粗陋一点，但它的动力性能到现在为止非常强劲。像比如说像上春晚的话，也是这款机器人（H1）。而且像下个礼拜我们在北京有个机器人比赛，我们这款机器人也会上场，大家可以关注一下。
然后另外的话，像去年我们发布了我们第二款机器人，就是G1这款机器人，这款机器人到现在也是非常有代表性，它代表性什么东西呢？就从去年我们这款机器人发布以后，到去年下半年，到今年大家可以发现很多的别的企业的很多的新兴的人形机器人，都跟我们这款机器人长得非常类似，就整个架构非常类似。然后这款机器人的话，动力性能，包括它灵活度非常非常好。相对来说，去年发布的话，G1大概是，低配价格大概是9.9万人民币，是非常有竞争力的。所以这款机器人在去年，包括今年也是应该差不多是全球人形机器领域出货量最多的这款人形机器人。
如果大家平时刷抖音，刷一些视频号，大家可以看到有很多我们的客户自发的在很多抖音平台上放直播。直播很多，基本上每天都有，大家可以关注有好多人在网上搞直播之类。这款机器目前大家看到的地方还是非常多的，而且也比较有竞争力。
然后另外的话就是我们前一两周刚发布的一款，我们R1这款新的人形机器人。这款人形机身也非常特点，最大的特点就是相对来说性价比更高一些。它当然也会更小一点，大概1.2米，但它的最低配价格做到3.99万人民币。
这款机器人的话我们另外一个比较有特点，就它的外观我们还是给客户留了很大的外观的定制空间，大家可以在上面改装或涂装自己喜欢的造型。因为大家也知道，大家还是希望给自己的机器人做一些各种的打扮，衣服，各种的一些涂装，大家还是非常喜欢的。和这款机器人。我觉得到今年以及到明年应该也是，全球大家会非常经常看到这款机器人，大家也比较喜欢，在我们展会上也有，大家有兴趣的话，可以去我们展会上稍微看一下这类事情。但目前这个量产还没有搞定，所以说发货可能还是要比较晚一些才会发货之类的。然后刚才提到就可以，大家可以在上面做涂装之类的，这样的话可以定制大家各种自己喜欢的机器人造型，我觉得这是还是非常有意思的一件事情。
另外我们前段时间发布了我们的新一款的四度机器人，A2。A2机器人最大特点就是它的它的自重和它的负载能力是非常强一点的。它自重大概只有35kg。
就是对一个成年的男性来说，这款机器人你完全可以把它搬起来，还是非常方便的。但它的负载能力就非常强，它的持续负载能力可以达到差不多25到30千克左右，并且它的空载续航可以达到6个多小时。简单来说它的空载续航大概可以达到20千米的距离。它的负载能力和续航能力还是非常常非常强劲的。包括它的造型以及它的感知能力也非常强劲。所以这款机身目前来说的话，发布以后大家也非常喜欢这款机器。另外的话这里有几个我们过去的一些产品的一些视频。
这个的话像我们去年底的话，对我们的轮组做了一些更新。大家可能会好奇为什么我们的轮组会相对来说有了更多的一些灵活性。其实原因非常简单，就是我们过去的一两年，我们在人形机器人上开发了很多这些复杂的动作。我们把这些复杂多推的一些算法直接用到了我们机器狗上面。这样的话我们机器狗就带了很大的一些灵活性之类的。
并且这款机器人本身是工业级的，就是防尘防水都相对来说工业级场景会比较合适。像我们的工业级产品的话，在过去已经在很多的一些工业里，包括一些电网，包括一些工厂已经有24小时运行。它有自动充电，可以自动巡逻，自动识别一些比如说一些图像，包括一些气体或者一些东西都会做一些自动识别之类。而且这款机型其实是相对有点大的，所以这也是为什么我们又发布了款相对小一点的机器。这款机器人如果带上轮子的话，它的自重达到了将近七八十千克，其实稍微有点重，所以这款机器还是有点大的。但是在这么大的情况下，它的灵活性还是非常不错的。这块机器还是比较重。负载能力也非常强，这款负载能力能达到可以四五十千克的持续负载能力。我基本上一般性的话，载个人其实都没问题。但有点危险性，不太推荐给大家这么玩。
另外的话，我们其实很多人以为我们公司一直把机器人做一些表演，或者打格斗之类的。其实我们公司还是一直是非常重视对于机器人干活这件事情。就是我们公司核心目标还是让机器人去干活。包括四足机器人，包括人形机器人。我们也做了很多的数据采集，包括做了一些数据的一些开源，这些事情大家有兴趣可以关注我们我们持续。大家如果关注一下我们的公开的仓库，我们每隔一两个月都会公开一些算法，公开一些开源的数据，这些事情大家都可以在上面玩。包括我们还有就是我们公司的话，在过去很多年，包括从16年开始，我们机器人的核心零部件都是我们自己开发的。包括关于电机、减速器，包括部分的传感器。
像这个视频里面的话，是我们开发的第二代的3D激光雷达。这款3D激光雷达最大的特点就是相对来说它的 视场角 非常大，达到了九十几度乘以360度的视场角。而且它的成本非常便宜，单个激光雷达的公开零售价大概只要1000元人民币左右，然后也是标配在我们最低配的机构上，就配合我们3D激光雷达。而且大家可以关注到这个3D激光雷达虽然比较便宜，但是它的精度还是非常好的。就基本上也达到2到3个厘米的精度，在室内和室外的都可以用。所以对于一些低速的，比如清洁机器人或者一些物流机器人，我非常感受大家如果为了降低机器人的成本，还是可以非常推荐用这款机器人。因为这样的话，你对于一个小的物流机器人，你的成本可以甚至可以加到降到小几千块钱成本，是非常有竞争力的。
另外的话，我们像我们的G1，像今年最近半年多时间，大家也关注到最近半年多时间在全球范围内，包括我们公司整个的机器人的技术AI技术进步非常快的。像这个视频的话是去年今年1月份的视频，大家可以看到它的跑步还是相对僵硬一点点的。但是在最近几个月我们已经开放给OTA给我们的客户的话，他这个跑步动作也会更加丝滑很多。而且我们的跑步是可以复杂进行跑步的，别的一些厂家可能只能在平地上跑一下，但是我们的机器人的话在一些上下坡，包括石块路都可以运行。而且这个功能已经开放给所有客户。所以大家可以关注到，包括在国内，包括在美国，其实有很多客户用我们之前参加各种活动的非常多。
另外的话非常典型的就是今年1月份的一个春晚上，我们机器人跳舞。这个的话也是成为了目前中国的一个科技以及传统文化的一个文化的符号。我觉得这是非常不容易的一件事情。因为大家也知道，如果单纯的只是一个表演的节目，表演结束一两天以后，甚至很多情况下大家都忘记了。现在的来说，机器人跟传统文化扭秧歌的这个表演，已经成为了中国的一个某种意义上一个科技文化符号。这已经我觉得是非常有代表性的一件事情。我觉得没准过个十几二十年再看，当时的也是非常经典的。
这个项目的话，我们是跟张艺谋导演合作的。像大家可能想象不到这个转手绢和这个抛手绢的idea就是张艺谋导演提出的，然后我们帮他技术实现了一下。而且这个项目最大的挑战是什么？最大挑战并不是说一单台机器人跳舞。单台机器人跳舞的话，我们其实去年上半年就已经实现了。这个项目最大的挑战就是用16台机器全自动变队形跳舞。他的头上有三个激光雷达，它对整个场景的自动的变队形、走位、跳舞都是全自动进行的。就简单来说，每次表演的时候，音乐一响，整个流程就全都进行。我们甚至中间没办法中断这个表演，所以这个点还是非常挑战，以及当然最终效果也非常错，超过大家的预期，超过我自己的预期。
大家非常喜欢这个节目，包括甚至有很多cosplay这个节目，包括很多学生也很喜欢这个节目。另外的话大家可能发现，我们机器人现在跳舞，比如说两月份和最近几个月跳机器人跳舞可以更加丝滑很多。其实为什么大家可以发现在春晚上的时候，机身为什么跳舞就相对有点僵硬呢？其实原因非常简单，就是因为这个技术我们两月份才做出来的，所以你想在一月份想用这个技术去跳舞都不现实。
而且另外一点就是大家可能也会好奇，为什么春晚上我们机器人会用我们黑色那款老的机器人，而不用这种我们是更新的机身。其实原因也比较简单，就是这款机身有点小，大概只有1.3米多一点。然后我们在表演时候，大家是希望稍微大一点的机器人，这样的话效果会比较好一些。而且像大家可以看到我们现在的这种技术的话，其实这种跳舞和功夫其实不算我们目前最新的技术，算我们老一代的技术。
这个技术最大特点就是他可以学习理论上可以学习任何动作。就是你可以学习他的打功夫也好，也可以学习舞蹈，其实都可以学。但这个技术有个不好的点是什么呢？就是它的动作序列都是固定的，就是你在表演之前你要先采集，用动物数据去采集一个序列的动作，采集以后再去做AI训练，AI训练以后再放到机器人上用。但有个很大的问题是什么呢？就是你这是每次采集好以后的整个动作都是固定的，你没办法去调整他的动作，没办法甚至有时候都没办法去中断他的这个动作表演。所以这个某种意义上是一个老一代的我们技术。这是这时候已经实现了，但是完全不够的一个点，真的是，但稳定性还是非常还是不错的。
另外一个，刚刚也强调，我们公司其实是一直非常重视机器人，包括零销售，包括上班去干活这个件事情。而且可能说出来大家不敢想，可能大家不相信这件事情。就是我们公司真正让机器人去干活，做手部操作，包括全身干活的AI的人，可能是我们公司最多的人。就是我们公司的团队里面大部分的做AI的人都在让机器人干活这件事情。
但是我们公司为什么宣传这部分做的比较少呢？其实原因比较简单，就是我们公司希望做的干活的AI不是单功能性的AI而并不是说让一个机器人去整理一个衣服也好，或者去包括菜也好，我们其实并不想做这件事情。我们真正想做的干活的AI是个通用型的AI希望它是各种功能的AI都能做。包括比如说端茶倒水，包括工厂里，包括一些表演性的都可以做。所以对这个AI模型的挑战非常大说到现在为止做的都不是特别理想，说对我们对这块的宣传相对少一些这类事情。
另外的话这个是我们最新一代的技术，就是刚才说我们格斗上用的技术，反而是我们最新一代的技术。这个视频是我们四月份我们第一次把这个技术做出来的时候，我们做的一个预告。这个预告里面动作大家可以关注一下去我们展会上看一下。其实跟这个还不太一样，什么地方不太一样呢？就是这个四月份做出来的时候，他的动作速度有点慢。
大家可以发现他出动作，包括他的踢腿动作都有点慢。但是我们觉得动作慢的话，对于整个的格斗的效果不太理想。所以在后来我们在五月份真正跟央视合作做全球直播的时候，我们又把他的出拳速度，包括他的各种的动作速度又加强了很多，至少加强了大概有一倍左右。所以说他的整个力道也会大很多，这个是然后为什么要说一下我们，这是我们公司最新的一个技术。
因为大家也知道他每次做一个格斗动作或做一个连续的格斗动作的时候，你可以认为它就是一个动作序列。而且我们有十几到20个动作序列要满足随机自由组合。因为大家也知道在格斗的时候，你的动作的随机性是比较大的。并不是说你这个打圈以后下个动作就是这个动作，它的动作会形成一个自由组合的一个序列。比如说一开始是123，然后我231或者321，他的动作序列的排列组合方式非常多。所以要满足整个动作的随机组合，而且随机组合的时候要组合的相对比较丝滑。你不能一个动作做好了以后，你下一个动作的时候切换非常僵硬。
还有另外一个最关键的一点，就是他要做更大的一个抗冲击能力干扰。因为大家也知道在打比赛或格斗的时候，他的外部的冲击和扰动是非常大的。这个单的舞蹈表演或者武术表演非常不一样。大家也知道在舞蹈表演的时候，他是没有外部干扰的。但在格斗的时候，他的外部干扰是非常大的。包括你在踢腿的时候，别人会都会打你，包括很多一些极端动作。如果大家有兴趣可以关注一下我们机器人的腿部，他的腿部有很多凹坑，而且大家知道这个腿是铝合金的，在铝合金上面都有很多凹坑，所以他的打击的力度还是非常大的，也比较有意思。
然后对于这个比赛项目的话，其实最有趣是什么呢？在视频上面看，其实感受不是特别好。如果你大家有可能有机会去操作一下我们机器人，就操作人员对这个体验是最好的。然后其次是如果有机会的话，站在如果在机器人在格斗比赛的时候，如果你站在机器人旁边，这个的体验也非常好。但视频上单独看的话，其实反而没有那么体验没有那么好这件事情。
另外的话刚刚也提到，我们也是前段时间发布的我们最新款的3.99万的我们最新款的人形机器人。这种机器的话相对比较轻巧，也比较安全，自重大概只有25kg，就非常轻量级。这由于时间关系，这里也不多介绍。包括我们前段时间发布的新一代的A2，我们的那个思路机器也非常的轻量级一下，而且它的负载能力也非常强。我们还是希望在工业场景能有更多的落地。
02.
行业分享
然后另外分享一下，目前我个人对国内和全球的机器人整个行业的看法。其实今年上半年的时候最大的特点就是今年上半年我个人感觉由于整个基层行业非常火爆，以及政策的相关支持，然后这块行情我觉得平均整机厂商，包括零部件厂商，平均至少每家企业有将近50%到100%的增长。所以增长还是非常吓人的。这个在整个行业来说都是非常少见的一件事情，就是从需求端拉动了整个的行业的发展这件事情。
另外的话现在海外也毋庸置疑。比如说以特斯拉为代表的，目前他们今年要量产几千台人形机器人。而且今年大概他们会发布他们第三代的特斯拉的人体机器人。大家也可以多关注一下这个事情。目前全球范围内，大家在这块的热情，包括尤其海外的大公司，包括英伟达，包括苹果，包括meta、open ai大家都非常持续在推动这个领域的发展这类事情。
另外的话我分享几个字的个人小想法，这里未必准确。
第一点就是对于机器本体来说，很多人可能会有个误区。为什么可能机器人目前大家没有大规模应用，或者目前的机器人的功能还不够。这类原因可能人有人会怀疑是不是硬目前的硬件不够好，或者成本比较高。其实最大的问题是，其实目前的硬件是够用的，某种意义上完全是够用的。目前人形机器的硬件，哪怕灵巧手、整机，某种意义上完全是够用的。当然不够好啊，就是当前持续的要把它做的更好。
它更大的问题就是你要把它量产。工程上的问题肯定是很多的，但是在技术层面上或者在从AI的角度来说，目前的硬件是完全是够用的。
目前最大的挑战还是具身智能的AI还是完全不够用，这也是限制当时机器人，尤其人形机器大规模的应用的一个最大点。就是机器人大模型或者巨身智能到现在为止还是不太够用。
简单说就是目前的感觉有点像ChatGPT出来前面的1到3年左右时间，目前整个业界大家已经发现了类似的方向以及技术路线，但是没人把它做出来。大家也知道chat GPT出来前面的几年做语音AI的已经做了十几二十年了。但是大家一直觉得他很傻瓜，很弱智，根本完全没法用。像chat GPT出来以后，大家达到了一个比一般人性能还更好的一个阶段。所以这个阶段目前还没有到这个接临界点。
如果对于机器AI这个临界点，我觉得会达到什么程度呢？就是如果哪一天我们带一个人形机器人到这个会场，而且这个会场他没有见过这个会场。如果他随便我跟他说说一句话，帮忙把这瓶水带给某个观众，他是他可以比较顺畅的自己走过去，流畅的把这个事情干了，或者说把这个房间帮忙整理一下，他这个房间完全没有见过，他都能自己做这件事情的时候，我觉得达到了差不多那个机器人的GPT时刻。这个的话如果我快的话，可能未来的一两年或者2到3年还是很有可能实现的。最慢的话我估计3到5年也是很大概能实现这个概念，大家可以关注一下。但是现在确实还是不太够用这件事情，然后没有达到这个效果。
到底是模型的问题还是数据的问题？我反而感觉目前全球范围内大家对数据这个问题，基层数据的问题关注度有点太高了。就是现在最大的问题是反而是模型的问题，这并不是个数据问题。目前来说在巨身智能和机器人来说，这个模型架构都不够都不够好，也不够统一。模型的问题其实是现在大家反而关注的有点少，反而对数据的问题关注很多。因为在大语言模型领域，大家觉得我有足够多的数据，尤其有足够多的好的数据的时候，我就能把模型训练的越来越好。
但是在具身智能，在机器领域，反而大家可以发现很多情况下你数据有了，会发现这个数据用不起来。你采了数据干嘛用？因为我们要采的数据要去用，对吧？但发现采了数据用不来怎么办？所以很多情况下大家对模型的关注目前是相对有点少，反而对数据关注有点太高了。
然后另外的话，大家也知道目前相对比较火的就是VLA模型。VLA模型是一个相对比较傻瓜式的一个架构。其实我对VLA模型还是表示抱一个比较怀疑的一个态度。说对于VLA模型，目前他对真实世界交互的时候，他的数据质量，人采集数据是不太够用的。所以有个简单的想法，就是在VLA模型上面加一个RL，这是大家一个非常自然的想法。但是我个人感觉，包括我们公司目前尝试下来VLA模型加RL这个训练，我觉得还是不够的。
大家也可以关注到，就是像前几天谷歌发布了他们全新一代的视频生成模型，或者某种意义是一个视频驱动的一个世界模型。这也是大家非常关注的，大家如果有兴趣可以关注一下。
像去年的时候open ai他们发布了他视频生成模型以后，大家会有个很自然的想法。我控制一个视频生成模型，跟他说，帮我生成一个机器人去整理一下房间。如果他能生成的这个视频就已经让一个机器人去做好了的时候，那我是不是能让这个视频生成模型直接去驱动一个机器人去做。这想法非常直接简单，对吧？所以我们去年的时候我们就去做了这个事情。
所以大家可以看到这个视频里面右上角有个小的视频会出现的时候，就右上角会有个小的视频去放这个东西。其实实际上右上角那个视频是它生成出来的，不是用摄像头采集的。就是我们用一个预训练的一个视频生成模型，重新又去训练了一下。让他先去生成一个视频的一个机器人动作，然后再控制一个机器人去做。
这个技术是能实现的。包括目前谷歌的世界那个视频生成事件模型，他们也想实现这个效果。我觉得这个路线的方向可能比VLA模型还更快的，收敛概率还更大。但是我没有硬件，我不敢保打包票，我觉得可能还是有很多问题，对不对？其中有一个很大的问题就是视频生成模型太关注视频生成的质量了，导致对GPU的消耗有点大。
但是对机器人干活来说，某种意义上你并不需要很高精度的视频生成质量，你只要驱动机器人去干活就行了。所以右上角刚刚有提到这个是右上角这个视频并不是个实拍的视频。右上角这个视频是生成的，生成好的视频，然后再控制机器人。这个事情大家有兴趣关注的话，其实可以关注一下谷歌的他们的那个视频生成模型，还是非常有意思的。然后这个是它的整个模型的架构，还是非常简单粗暴的。就是把整个机器人的一些动作序列控制直接对齐到整个模型的架构之类。
另外一点就是还要提出一点，刚才我已经想提出了一点我的个人想法，但实际上还是不太够用。就是目前在机器大家也知道，目前像我们机器人，比如说跳跳舞，做一些打格斗，其实效果不错了，对吧？但实际上现在面临一个很大的问题，就是如果要进一步提升，就是机器人里的RL的scaling law。就是这个缩放定律还是做得非常不好。
举个最简单的例子，就是如果我训练一个机器人的训练动作，我有一个新的舞蹈我要去训练，或我先要他干一个活我要去训练。训练的时候每次我有新的动作我都要重新训练，还是从头开始训练，这是非常不好的一个事情。我们是希望我每次做一个新的训练的时候，我是在老的训练基础上去做训练的。理论上我做RL训练的时候，每次训练的时候他的训练速度越来越快，我学习新技能的效果越来越好。
但是全行业内，目前整个机器人在RL这里， scaling law 没有人做出来做好。我觉得这是非常值得做的一个方向。RL scaling law 在语言模型上已经是充分验证过的事情。但在机器的运动控制上面，大家做的还是刚刚开始。如果在座的有一些同学，大家可以关注一下这个领域之类，其实可以发表一些比较好的论文这类事情。
然后另外的话，个人感觉就是在未来2到5年，其实最大的肯定还是一个端到端的生成式的AI模型。这个其实是大家可以多关注，以及多推动一件事，我觉得这是最重要的一件事。模型本身是非常最重要的。然后另外就是更低成本的，更高寿命的硬件，这个是毋庸置疑的。
大家也知道，哪怕对于汽车行业来说，哪怕已经一百多年了。哪怕到今天，如果你对一家企也要做一个很好的一辆汽车出来，它的工程量还是非常大的。说对汽车行业未来，比如说每年有几百万、几千万甚至几亿的人体集成。如果要生产制造出来，它的工作的挑战，他的工程量挑战还是非常吓人的一件事情。
另外的话有低成本的大规模的算力。另外的话，我分享一个概念，就是其实在人形机器人在或者在移动机器人本体上，其实没办法直接部署很大规模算力。为什么呢？因为它的尺寸只有这么大，它的电池只有这么大，它部署的算力的功耗是有限制的。我个人感觉在人形机上，你最多只能部署峰值功耗大概只有100瓦的算力。你最好平时工作的时候算力只有小几十瓦。简单说就只有大概几个手机的算力的水平。因为它的尺寸只有比较小，它不能部署大规模算力。
但是对于未来在于大规模的算力的需求，肯定是毋庸置疑的一件事情。而且我觉得可能是个分布式的算力，为什么呢？因为大家也知道，机器人让他干活的时候，它的通讯延迟是希望比较低的。如果你在北京干活的机器，你的数据中心或者你的算力中心在上海或者在内蒙，你的延迟实在是太大了。所以我个人感觉未来在工厂里，工业领域大规模云的手臂。比如说我一个工厂里面有100个机器人，那我工厂里面可以有个集群的分布式的服务器。我所有的机器人就直接连接我的工厂里的局部服务器就好了让它整个服务器的安全性延迟和通信延迟是可以接受的。
或者换一个话题，如果大家在比如一个小区，如果一个小区每家每户有一个机器人的时候，我觉得在这个小区或者这个区里面，肯定是有分布式的一个集群算力中心的。这样的它的颜值和它的安全性是有保证的。并且如果有一个新的客户想买一个人形机器人的时候，他不需要给这幅算力的建设花钱，成本也会更低很多。我觉得分布式算力是一个未来在机器人领域非常重要一个领域，比目前的算力可能分布还要更广一些。需要。
然后另外一点，大家也知道在过去的AI领域，包括机器人领域都是一个全球共创的过程。包括中国的企业，包括美国的很多的大的企业，包括英伟达。大家在过去很多年，包括当下在未来大家都做了很多很多贡献。包括我们想共同推动这件事情，说在机器人领域，我觉得一直是全球共创的。就是在中国我们公司或者哪一家公司，大家都做了不少的贡献出来。
大家也知道在AI领域没有人能保没有一家大公司能保证我有足够的人我有足够的资源，我就是永远能保证AI领域最领先的。在过去的open ai包括deepseek已经证明了AI的创新永远是伴随着一些随机性，伴随着更多的年聪明年轻人的。所以很多情况下都是每家公司或者每家高校都做了很多贡献，还是要全球共创出来的。谢谢大家。
沪公网安备31010702008139