企业官网建设流程全解析

王兴兴的“认错”，为什么值得认真听

在第 26 届工博会期间，宇树科技创始人王兴兴说了一句让不少人意外的话：过去十几年，自己犯的最大错误，是对 AI 还不够相信。他坦言，现在对 AI 的信仰反而与日俱增。

这句话如果只当成企业家的自我反思，就低估了分量。王兴兴不是纯互联网背景的 AI 布道者，而是从机器人本体、运动控制、硬件成本一路打出来的创业者。宇树的四足机器人、人形机器人，能获得全球存在感，靠的是工程能力、供应链能力和产品化能力。也正因如此，当他开始把“对 AI 不够相信”定义为最大错误时，说明他看到的不是某个功能升级，而是整个行业底层逻辑的切换。

过去，机器人行业习惯“本体先行”：先把身体造出来，把运动能力做好，把成本打下来，再谈智能。AI 是加分项。但现在，越来越多人意识到，具身智能可能不是“机器人+AI”，而是“AI 长出身体”。顺序一变，所有事情都要重估。

他错在哪？不是不重视 AI，而是信得不够

很多硬件创业者并不是完全忽视 AI。他们会用视觉算法、导航算法、语音交互，也会在发布会里讲“AI 赋能”。问题在于，这种重视仍然是把 AI 当成工具，而不是底座。

工具思维下，产品节奏由硬件决定：一年迭代一代，供应链、BOM、可靠性优先。底座思维下，产品上限由模型能力决定：AI 每隔一两个月就有大更新，模型一提升，产品可能立刻多出新的任务能力、泛化能力和交互方式。

王兴兴特别提到，GPT-6 发布之后，对整个具身智能行业从业者认知的提升非常大。关键不是“GPT-6 有多强”，而是它改变了从业者对“什么能做、多久能做出来”的判断。过去觉得遥远的长程任务规划、自然语言指令理解、多模态环境感知，可能因为模型跃迁迅速靠近可用线。

所以，他说的“最大错误”，不是某个技术路线选错，而是对 AI 的信仰不足，导致对行业节奏的判断偏慢。在指数级变化面前，慢半拍，可能就是差一个时代。

每隔一两个月就有大更新：旧节奏正在失效

AI 行业的迭代速度，和传统机器人硬件行业完全不同。传统硬件讲长周期、重验证、慢反馈；AI 讲模型、数据、算力、算法、开源生态的快速循环。具身智能恰好站在两者交叉点：既要硬件量产，又要软件智能。

这意味着，最大的风险不是技术做不到，而是组织还在用旧节奏应对新范式。至少有几个变化：

• 产品定义要变：不只问机器人能完成几个固定动作，而要问接入新模型后，它能理解多少自然语言指令，能否泛化到新场景。
• 研发流程要变：硬件可以按季度、按年度迭代，但 AI 能力必须按月甚至按周跟踪、测试、接入。
• 人才结构要变：只懂机械、控制、电子不够，还需要模型、数据、强化学习、多模态人才。
• 数据闭环要变：机器人不是卖出去就结束，而要在真实场景持续采集数据、训练模型、OTA 升级。
• 资本叙事要变：不能只看出货量和硬件毛利，还要看数据资产、模型能力和场景复制速度。

如果具身智能的技术临界点真在一两年内出现，窗口期会非常短。到那时，竞争不再是“谁的机器人走得稳”，而是“谁的机器人更懂任务、更能泛化、更快学习”。

临界点到底指什么？不是像人，而是能赚钱

很多人对具身智能的想象，是机器人像人一样全能。但商业意义上的临界点，通常不是“像人”，而是在某些任务上达到可商用、可规模化、经济性超过人工。

它可能表现为几个信号：

1. 机器人能用自然语言接受指令，不需要工程师重新编程；
2. 在一个场景学会的任务，能低成本迁移到相似场景；
3. 长程任务成功率跨过可用阈值，而不是只能拍演示视频；
4. 硬件成本、维护成本、能耗和安全性达到客户可接受范围；
5. 投资回报周期清晰，企业愿意批量采购，而不是只做试点。

一旦跨过临界点，行业会从“展示技术”进入“交付生产力”。工厂、物流、商业服务、危险作业等场景，会率先出现规模化机会。王兴兴判断快则一两年，有人觉得激进。但回顾 AI 过去几年，很多曾经激进的时间表，后来都被证明保守。

给从业者的三个提醒

第一，别再只问“AI 能不能做”，先问自己“信不信、押不押”。技术判断背后是资源分配。你不把 AI 放在战略优先级，它就不会成为你的能力。

第二，把 AI 当底座，不是插件。产品架构、组织流程、数据体系，都要围绕模型能力的快速迭代来设计。否则模型每更新一次，你都只能被动追赶。

第三，硬件仍是护城河，但护城河要建在 AI 迭代速度上。本体稳定性、成本、供应链很重要，但如果没有数据闭环和 OTA 能力，硬件优势会被软件差距迅速抹平。

对普通人和投资人的意义

对普通人来说，这不只是行业新闻。具身智能如果在一两年内接近临界点，很多职业的工作方式会被重新定义。与其只当围观者，不如开始理解 AI 如何与物理世界结合，并尝试用 AI 改造自己的工作和学习流程。

对投资人来说，不能只用制造业估值框架看机器人公司。要看团队是否具备 AI 优先的认知，是否有真实场景的数据闭环，是否能随模型更新持续提升产品能力。临界点之前布局，和临界点之后追高，是完全不同的游戏。

对企业来说，最务实的动作不是等机器人完美，而是找到高价值、可数据化的场景做试点。谁先积累真实场景数据，谁更可能建立壁垒。

结尾：王兴兴的认错，是一个信号

王兴兴说，过去十几年最大错误是对 AI 不够相信。这句话真正的价值，不在于他个人是否后悔，而在于它给行业提了个醒：在 AI 时代，最大的风险不是犯错，而是信得太晚。

如果你是创业者，建议每个季度做一次“AI 优先”复盘：过去一个季度模型能力更新了什么？我们的产品因此能多做什么？组织是否跟上了？
如果你是工程师，尽早补齐 AI 与机器人交叉能力，别只停留在单一硬件技能。
如果你是投资人，建立模型更新跟踪表，盯住具身智能的任务成功率、泛化能力和成本曲线。
如果你只是普通用户，也别只当新闻看，从今天开始，把 AI 当成生产资料，而不是聊天玩具。

临界点可能不会等你准备好。它来的时候，只会奖励那些早就相信、并且提前下注的人。