王兴兴把行业 KPI 改写成两道题：80% 陌生场景完成 80% 任务，和那几毫米的误差
「机器人的核心瓶颈是几毫米的工作误差」「80% 陌生场景完成 80% 任务就是临界点」——王兴兴这次没讲产品讲判据，把行业流行语换成了可以考试的两道题。
- 核心瓶颈判断：王兴兴认为目前最大的问题是 AI 模型的输入、输出与真实物理世界精准匹配度不足，机器人工作会有几毫米的误差——「未来谁能解决这个问题，机器人的问题就完全解决了」。
- 爆发判据：当机器人可在 80% 的陌生场景中，通过语音具身能力完成 80% 的任务时，行业抵达爆发临界点，即具身智能专属的「ChatGPT 时刻」。
- 时间预判：这一产业拐点「有望在未来几年落地」，全球企业与各国资源届时将集中涌入赛道。
- 起点确认：「让机器人说指令、象征意义执行某个具体工作，在去年已能实现」——底线性能力已被跨过。
- 口径提醒：80/80 判据与毫米误差表述均为王兴兴个人演讲口径，无量化验收标准，属愿景式定义而非工程指标。
9 月 24 日，第五届全球数字贸易博览会在杭州举行，宇树科技创始人王兴兴发表《从机械到灵智——具身未来进化论》主题演讲。与展台上那台 390 万元起的载人变形机甲 GD01 抢走大部分镜头不同，这次演讲里更有信息量的是两个不带产品编号的表述：一个是瓶颈定义——「AI 模型的输入、输出与真实物理世界精准匹配度不足，机器人工作会有几毫米的误差」；另一个是临界点判据——「当机器人可在 80% 的陌生场景中，通过语音具身能力完成 80% 的任务时，就意味着行业抵达爆发临界点」。
王兴兴同时给出了一个坐标系：让机器人听懂指令、象征性地执行某个具体工作，在去年已经实现——这意味着行业的底线性问题（能不能动起来、能不能听懂话）已被跨过，现在卡住所有人的是精度与泛化的双重问题。他对拐点的预判是「未来几年」，并判断届时全球企业与各国资源会集中涌入。
先说毫米误差。工业机器人早就能做到零点几毫米的重复定位精度，人形机器人的问题不在「能不能精确」，而在「在陌生环境里能不能保持精确」——感知噪声、模型预测偏差、本体柔性、负载变化叠加在一起，构成了一个系统级的误差预算。王兴兴把它归结为「AI 模型输入输出与物理世界的精准匹配」，本质上是把问题从单一环节拉回到了整个链路。
再说 80/80。把两个百分比并排放：80% 的陌生场景、80% 的任务完成率，意味着大约每五个新场景里有一个可以失败，每十个任务里允许两个完不成。这比「通用机器人」这类不可考核的词严格得多，也比实验室里固定任务集上的高分宽松得多。它其实是给行业立了一道可以出考卷的门槛——只是这张考卷谁来出、在哪些场景出、谁监考，演讲里没有答案。
值得把演讲放在宇树自己的语境里读。9 月 24 日收盘，宇树科技股价报 488 元，总市值约 1974 亿元（据当日媒体公开报道口径）——资本市场已经按「行业旗舰」给它定价，而创始人自己给出的瓶颈定义是几毫米误差。这两件事放在一起看，等于创始人亲口确认：支撑当前估值的产能、出货与人形叙事，都还建立在尚未解决毫米级精度问题的前提之上，估值与技术现实之间存在一段必须被兑现的距离。
另一个信号是「语音具身能力」被写进了判据。80/80 判据里任务完成的入口是语音指令，这意味着在王兴兴的定义里，具身智能的交互范式默认是「人说、机器人做」，而不是预设程序或遥控。这与本站此前多篇稿件讨论的「手势/语音指令 Agent 化」方向一致——交互层会被当作具身智能的标配能力，而非附加功能。