當行業里都認為，宇樹是一個做機器人本體的公司，宇樹科技創始人王興興，在世界機器人大會（WRC）期間的一番言論，打破了這刻板印象。
WRC上，王興興在他的主題演講中，將大段篇幅留給了模型、算法和數據，其中不少觀點引起了行業廣泛討論——
比如，對于當前機器人大火的VLA（Vision-Language-Action）路線，王興興直言，他持有一定的懷疑態度。他甚至認為，“這是一個相對傻瓜式的架構”。
原因是具身領域的現存數據量不夠。王興興認為，當VLA模型與真實世界交互的時候，背后的數據質量、數量，并不太夠用。
這已經是個共識，但不少具身公司都瘋狂用堆真機數據、仿真數據、甚至建數采廠的方式來彌補。
王興興對此也直言不諱——“大家對于基礎數據的關注度太高了”，相反，他認為應該把焦點放在具身機器人的模型架構上，因為現在的模型“不夠好、也不夠統一”。
1、“宇樹的模型團隊其實不算小”
此前王興興在公開場合中多次強調，宇樹的核心優勢在于機器人本體硬件而非大腦，過往的種種表述，很容易讓外界產生，“宇樹不做機器人大腦”的印象。
而在WRC期間，王興興向“智能涌現”等媒體表示，宇樹雖然對于模型的投入保持謹慎狀態，但其實“模型團隊人數算多的，但相比于AI大廠算少的。”
但是，他也堅信，在模型上部署人員數量多寡，與最終的結果并不強掛鉤——至少，從過去AI領域的經驗來看，創新不一定在大廠中發生。
“不是資源多、錢多、人多，就能做出全球最好、最早的技術，一個中小型團隊，也是有概率做出更好的模型，只是壓力也會很大。”王興興對“智能涌現”等媒體說到。
在大腦的路線選擇上，王興興選擇多方下注，他的另一個引發行業熱議的論點，有關當下最熱門的“VLA”。
王興興并不認同行業里在VLA模型還不夠好的情況下，就瘋狂堆一大堆數據去訓練。因為，對于一個能力更強的具身模型來說，或許只要很少的數據，就能以更高的成功率做訓練。
當然，宇樹不是完全不使用VLA，在演講中，王興興也提到，宇樹也在嘗試在VLA模型上，加AI進行訓練。
不過，在大腦路線上，宇樹顯然會更傾向于視頻的路線。去年，谷歌已經發布了視頻驅動的世界模型，王興興說，早在去年，宇樹已經嘗試了類似的方法。
具體而言，就是先讓視頻生成模型生成一個“機器人整理房間”的視頻，再用這個視頻去驅動機器人，完成整理房間的任務。王興興判斷，這種視頻的路線，未來或許會比VLA的路線發展更快、收斂的概率更大。只是，這種視頻的路線也不是100%完美。由于對視頻質量要求過高，會導致GPU消耗過多。
但未來機器人的算力問題如何解決，王興興也有了一定的預期。
他判斷，未來機器人領域，需要搭建低成本、大規模、分布式的算力集群。他認為，未來如果一個工廠里有 100 個機器人，那工廠里面大概率可以搭建一個分布式的服務器集群，因為機器人需要更低的通訊延遲。
2、宇樹機器人，只表演，不干活？
從今年春晚的機器人扭秧歌丟手絹，再到今年WAIC、WRC大火的機器人格斗，這讓很多人以為，宇樹的機器人不干活，只做表演。
尤其是，一眾新入局者，都在費盡心思把機器人送進工廠擰螺絲、疊衣服、疊被子，形成了對比。
王興興直言，現階段要讓機器人進工廠、進家庭干活，并不太現實，而在當前，表演則是機器人相對容易落地的方向。
相反，在宇樹的內部，思考如何讓機器人干活的員工，也是最多的。
他也解釋了為什么宇樹很少對外宣傳機器人干活的場景——“機器人干活，對于AI模型的挑戰很大，目前我們的實現也并不理想。”
對于“干活”這件事，王興興提出了自己的看法——他希望，機器人不應該只做單功能性的事情，比如整理衣服、燒菜，而應該是通用型、多功能的，比如能在工廠端茶倒水，又能做表演。
王興興這次也對機器人的節點下了判斷：機器人的ChatGPT時刻，最快可能2-3 年實現，最慢可能是3-5年。他認為，這波具身智能浪潮，不會超過10年。
不過，ChatGPT時刻長啥樣？
王興興設想了一個畫面——在一個場館里，人形機器人隨意走來走去，你隨機吩咐一個機器人做點事情，他都能幫你完成時，這才達到了機器人的“臨界點”。
本文鏈接：聊模型的王興興http://www.sq15.cn/show-3-151934-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
下一篇： 三名華裔天才創業，21個月估值720億