人形机器人开始自己写代码，物理AI最新进展及宇树自进化模型拆解

人形机器人的硬件环节在过去两年快速成熟，关节电机、减速器、本体结构已经能支撑双足行走、跑跳和复杂运动，具备这类能力的厂商不在少数。随着运动能力趋于稳定，产业的竞争焦点正在转向另一侧，即机器人能否依靠模型自主完成实际任务，以及技能能否以较低成本批量形成。

10月22日，宇树科技在杭州举办2026世界物理AI大会暨宇树合作伙伴生态大会，这是公司成立十年以来首次召开生态合作伙伴大会。会上，宇树披露了基于通用大模型直接驱动机器人的实验、自研的物理AI机器人自进化模型，并启动面向开发者的生态计划。这几项动作放在一起，反映出本体厂商正在补齐模型与生态环节。本文从大模型驱动实验、自进化模型机制、生态路径三个层面展开分析。

一、通用大模型直接驱动机器人的实验

王兴兴在会上介绍了宇树内部使用GPT-6 Astra完成的几项机器人实验。一是让机器人绘画，研究人员没有针对绘画任务编写专门程序，仅通过提示词下达指令，机器人完成了绘画，并自主完成更换颜料、清洗画笔等配套动作。二是让机器人下围棋，机器人能够识别棋盘，将棋子放置到对应位置。王兴兴称，这些实验是在零训练条件下完成的。

过去机器人完成一项任务，需要针对具体任务编写程序或进行专门训练，任务一变，程序和训练都要重做。通用大模型直接驱动的意义在于，机器人可以依靠模型的理解和推理能力执行未经过专门训练的任务，任务规划和导航环节已经可以由大模型承担。

王兴兴同时指出了当前的边界。大模型已经能够较好处理任务规划和导航，但机器人真正动手操作时仍然容易出错。让机器人抓起一个物体相对容易，让它组装精密零部件难度明显更高，因为后者要求机器人根据物体位置、受力情况实时调整动作。目前大模型在感知环境变化、及时纠正操作失误方面仍有不足。

这一判断指向具身智能的核心工程问题，即AI模型的输入输出能否与真实机器人对齐。大模型输出的是语言和离散指令，机器人执行需要连续、精确的控制信号，两者之间的转换精度直接决定任务完成质量。

二、物理AI自进化模型的闭环机制

除了与国内外大模型公司合作，宇树在会上披露了自研的物理AI机器人自进化V1模型系统。

这套系统的运作流程是，AI智能体自主编写代码，在仿真环境中进行测试训练，再进入真实环境验证，最终将结果反馈给自主评价系统，形成持续迭代的闭环。

传统的机器人技能开发流程中，每掌握一项新技能，都需要研发人员投入时间进行数据采集、训练和优化，即便在实验室成功，迁移到新环境也可能需要重新调整。自进化模型的目标，是把这一过程改造为自动化、可规模化的训练体系，减少技能开发对人工编程和调试的依赖。

这一机制的逻辑基础是数据和模型的循环。基础模型能力越强，机器人的自进化能力越强；更多机器人实际部署后产生的真实数据，又会反过来推动模型迭代。宇树希望通过这个循环积累和拓展技能，形成规模化的技能集合。

在运动控制层面，宇树从去年开始采用预训练的深度强化学习技术，自主研发了预训练的全身运动控制模型，使机器人能够批量训练不同动作，提高训练效率。这与自进化模型属于同一方向，即把原本依赖人工逐项完成的训练工作，转为模型驱动的批量生成。

需要说明的是，目前宇树披露的主要是技术思路和系统框架。自进化模型的实际训练效率、技能在不同环境间的迁移能力、真实环境中的任务成功率，仍需要后续数据验证。

三、从本体厂商到生态平台

大会上的另一项动作是生态。宇树正式启动宇创计划，面向已成立公司或有明确创业方向的团队，招募机器人本体与核心部件、具身智能算法、数据与仿真平台、行业应用及解决方案等领域的创业者，提供产业资本、机器人平台、开发工具、工程量产和应用场景等方面的支持。王兴兴提出，未来五年希望通过这一计划孵化200家以上生态企业。

产品层面，银河通用机器人与宇树在会上宣布，原生智能体机器人银河星仔由双方联合研发，围绕产品定义、硬件打磨和具身智能能力展开合作。

这两项动作表明，宇树的策略不是自己覆盖所有场景，而是以本体和平台为基础，联合外部团队开发具体应用。宇树G1机器人已经累计下线1万至2万台，本体规模为上层模型和生态提供了载体。

从这次大会的内容来看，人形机器人的竞争正在从硬件和运动能力，转向模型、数据和技能生产体系。本体厂商过去的优势在关节、动力和运动控制，当行业进入让机器人完成实际任务的阶段，单纯的硬件优势不足以支撑长期竞争力，因此宇树一方面自研自进化模型补足大脑，另一方面通过生态计划扩展应用。

王兴兴在会上判断，物理AI可能在未来一至三年出现突破，这是其个人对技术节奏的判断。就当前可核实的技术状态看，通用大模型已经能承担任务规划和导航，连续操作和模型与机器人的信号对齐仍是待解决的工程问题。

产业观察点

后续可以重点跟踪三个方面。一是自进化模型的实际效率，包括仿真训练到真实环境的迁移成功率，以及技能在陌生场景中的泛化表现。二是通用大模型驱动机器人的操作能力进展，尤其是精细操作环节的实时纠错水平。三是宇创计划的落地情况，包括加入的开发者和企业数量，以及这些团队能否基于宇树平台形成可交付的应用。

人形机器人产业的技术栈正在向软件和数据一侧延伸，模型能力与生态规模的变化，是观察这一阶段竞争格局的主要线索。

——————

免责声明：本文仅用于具身智能领域的技术研究与行业分析，不构成任何投资建议，亦不作为任何投资决策的参考依据。文中信息均基于公开渠道的官方与权威资料整理。具体数据以官方或权威发布信息为准。

张星河