王兴兴:具身人工智能有望在2至3年内实现类似ChatGPT的突破

BotSchool创始人兼首席执行官王兴兴在2026年世界机器人大会(WRC2026)主论坛上的演讲中强调,具身智能正接近一个类似于“ChatGPT时刻”的产业转折点。 他预测,相关突破最快可能在两到三年内实现,而在应用普及较慢的情景下,则可能需要五到十年时间。
就在王兴兴发表演讲的前一天,BotSchool刚刚在上海证券交易所科创板上市,其股票在上市首日收盘价较发行价上涨了460%。 王强调,具身智能进入产业繁荣期的真正指标并非孤立的演示,而是机器人能够在80%的陌生环境中,通过语音或文本指令执行约80%的任务。
据王先生介绍,类人型机器人面临的主要技术障碍仍是将AI模型与物理现实相匹配。虽然机器人在固定且经过充分训练的场景中表现良好,但一旦物体或环境发生微小变化,其成功率就会急剧下降。触觉反馈方面的挑战以及操作最后几厘米或几毫米时的精度误差,继续限制着机器人的泛化能力。
为应对这些挑战,BotSchool发布了“物理AI机器人自进化V1.0”的预研究路线图。该系统利用大型AI模型自动检索研究资料、生成控制代码,并通过模拟、真实环境测试以及AI与人类的联合评估,建立持续的迭代循环。 BotSchool将基础模型能力、多源数据积累、真实机器人部署规模以及技能积累视为推动这种自我进化的关键驱动力。
王还回顾了BotSchool从四足机器人到类人机器人的演进历程,并指出其G1类人机器人已成为行业标杆,曾亮相于春节联欢晚会“WuBOT”等项目。 今年,BotSchool推出了更多产品,包括载人外骨骼和轮足机器人As2-W,同时继续探索其在工厂、家庭和户外场景中的应用。
王指出,要实现大规模部署,必须解决效率和泛化能力问题。虽然机器人能够处理简单任务,但新任务往往需要重新训练。不过,随着AI模型的改进和真实世界数据的积累,具身智能有望加速向产业化转型。
随着类人机器人从实验性演示向商业应用转型,数据、模型、硬件以及自我进化能力正逐渐成为核心竞争力。BotSchool的发展路线图反映了整个行业正从单纯的“制造机器人”向“使机器人能够持续学习和进化”的更广泛转变。
相关文章
Preply的“独角兽”地位体现了乌克兰的韧性
语言学习平台Preply在完成1.5亿美元D轮融资后,估值达到12亿美元,这标志着这家成立14年的公司迈出了重要一步。其现有投资者包括Horizon Capital、Hoxton Ventures、Owl Ventures和Techstars Berlin。自2013年开始为语言学习者与辅导老师搭建桥梁以来,Preply已连续12个月实现息税折旧及摊销前利润(EBITDA)盈利。与此同时,该公司加
微软推出新编码模型,重启内部AI战略,因Claude成本飙升
AI辅助编码已成为现代软件开发中的常态,然而,即使是微软这样的科技巨头,也感受到了昂贵的第三方大型语言模型订阅带来的压力。为了减少对外部依赖和运营开销,微软正准备推出自己的AI模型套件,直接瞄准AI编码领域。飙升的成本推动微软转向内部解决方案微软最近要求内部团队从商业Claude模型迁移到其自己的GitHub Copilot,主要原因是租用和使用Claude的成本过高。此前,与OpenAI的独家协议限制了微软在某些高级领域开发竞争技术的能力。然而,最近对这一合作伙伴关系的调整恢复了微软的研究
字节跳动与香港科技大学发布 MMProLong,以增强长文档 LMM 训练
5月24日,字节跳动种子团队与香港科技大学合作,发布了一项关于多模态大语言模型(LMMs)长文档训练的突破性成果。该团队基于阿里巴巴开源的 Qwen2.5-VL,开发了一款名为 MMProLong 的新模型,在处理效率方面取得了显著提升。这项研究挑战了多模态模型传统的长文本训练方法,强调了战略性数据组织对于增强长上下文能力的关键作用。针对 LMM 训练中的关键挑战,研究发现,针对特定任务定制的问答(QA)训练远比传统的光学字符识别(OCR)转录更为有效。虽然仅依赖文本转录无法改善长上下文中的内
相关专题推荐
评论 (0)
0/500

BotSchool创始人兼首席执行官王兴兴在2026年世界机器人大会(WRC2026)主论坛上的演讲中强调,具身智能正接近一个类似于“ChatGPT时刻”的产业转折点。 他预测,相关突破最快可能在两到三年内实现,而在应用普及较慢的情景下,则可能需要五到十年时间。
就在王兴兴发表演讲的前一天,BotSchool刚刚在上海证券交易所科创板上市,其股票在上市首日收盘价较发行价上涨了460%。 王强调,具身智能进入产业繁荣期的真正指标并非孤立的演示,而是机器人能够在80%的陌生环境中,通过语音或文本指令执行约80%的任务。
据王先生介绍,类人型机器人面临的主要技术障碍仍是将AI模型与物理现实相匹配。虽然机器人在固定且经过充分训练的场景中表现良好,但一旦物体或环境发生微小变化,其成功率就会急剧下降。触觉反馈方面的挑战以及操作最后几厘米或几毫米时的精度误差,继续限制着机器人的泛化能力。
为应对这些挑战,BotSchool发布了“物理AI机器人自进化V1.0”的预研究路线图。该系统利用大型AI模型自动检索研究资料、生成控制代码,并通过模拟、真实环境测试以及AI与人类的联合评估,建立持续的迭代循环。 BotSchool将基础模型能力、多源数据积累、真实机器人部署规模以及技能积累视为推动这种自我进化的关键驱动力。
王还回顾了BotSchool从四足机器人到类人机器人的演进历程,并指出其G1类人机器人已成为行业标杆,曾亮相于春节联欢晚会“WuBOT”等项目。 今年,BotSchool推出了更多产品,包括载人外骨骼和轮足机器人As2-W,同时继续探索其在工厂、家庭和户外场景中的应用。
王指出,要实现大规模部署,必须解决效率和泛化能力问题。虽然机器人能够处理简单任务,但新任务往往需要重新训练。不过,随着AI模型的改进和真实世界数据的积累,具身智能有望加速向产业化转型。
随着类人机器人从实验性演示向商业应用转型,数据、模型、硬件以及自我进化能力正逐渐成为核心竞争力。BotSchool的发展路线图反映了整个行业正从单纯的“制造机器人”向“使机器人能够持续学习和进化”的更广泛转变。
Preply的“独角兽”地位体现了乌克兰的韧性
语言学习平台Preply在完成1.5亿美元D轮融资后,估值达到12亿美元,这标志着这家成立14年的公司迈出了重要一步。其现有投资者包括Horizon Capital、Hoxton Ventures、Owl Ventures和Techstars Berlin。自2013年开始为语言学习者与辅导老师搭建桥梁以来,Preply已连续12个月实现息税折旧及摊销前利润(EBITDA)盈利。与此同时,该公司加
微软推出新编码模型,重启内部AI战略,因Claude成本飙升
AI辅助编码已成为现代软件开发中的常态,然而,即使是微软这样的科技巨头,也感受到了昂贵的第三方大型语言模型订阅带来的压力。为了减少对外部依赖和运营开销,微软正准备推出自己的AI模型套件,直接瞄准AI编码领域。飙升的成本推动微软转向内部解决方案微软最近要求内部团队从商业Claude模型迁移到其自己的GitHub Copilot,主要原因是租用和使用Claude的成本过高。此前,与OpenAI的独家协议限制了微软在某些高级领域开发竞争技术的能力。然而,最近对这一合作伙伴关系的调整恢复了微软的研究
字节跳动与香港科技大学发布 MMProLong,以增强长文档 LMM 训练
5月24日,字节跳动种子团队与香港科技大学合作,发布了一项关于多模态大语言模型(LMMs)长文档训练的突破性成果。该团队基于阿里巴巴开源的 Qwen2.5-VL,开发了一款名为 MMProLong 的新模型,在处理效率方面取得了显著提升。这项研究挑战了多模态模型传统的长文本训练方法,强调了战略性数据组织对于增强长上下文能力的关键作用。针对 LMM 训练中的关键挑战,研究发现,针对特定任务定制的问答(QA)训练远比传统的光学字符识别(OCR)转录更为有效。虽然仅依赖文本转录无法改善长上下文中的内





首页






