9月11日，宇树科技CEO王兴兴出席上海外滩大会，并谈到了AI目前的发展节奏与未来方向，包括AI在通过多模态能力控制机器人领域的短板。

　　谈及AI领域的机遇，王兴兴表示，对于目前年轻一代来说，AI是一个良机。

　　他表示，过去大家都是从基础代码开始编程，而现在大家都把AI当做一个“越狱”编程工具。包括可以用更高级的模型能力去创作图像，或者创造Agent。

　　“当前的AI不能把它当做一个模型，而是一个工具集，忘记过去对模型的认知，重新学习和接受它一下，再去把它用得更好。”

　　谈及较早进入科技行业，王兴兴表示，自己早年通过对科技的兴趣，以及大学的机器人创造经历，顺理成章进入机器人行业。有一段时间，自己曾一度接触和喜欢神经网络，但因从事机器人行业，所以并没有在AI领域进行创业。

　　“最近几年因为AI领域的发展，无论是大模型也好，包括机器人的AI模型进展也非常快。我觉得这是给我个人的再一次机会，把握住AI的时代，让AI真正去落地干活。”王兴兴表示。

　　王兴兴还着重谈到了让AI和具身智能干活一事。

　　“现在的语言模型，包括一些文字图像领域已经做得非常好了，我觉得比99.99%的人都要做得好。但是真正到AI干活这个领域，现在整个领域都是荒漠，荒漠上可能长了几个小草，真正大规模爆发性增长的前夜还没来。”王兴兴表示：“这个时代对我来说，非常激动人心。对所有的人，尤其对于在座的，包括对于现在的学生来说，都是非常公平的时代，比以前要公平非常多。只要你聪明，愿意做事，你能做，你想达到自己想做的目标，大家都能在荒漠长出一些参天大树出来。”

　　在被问及机器人硬件、数据和架构创新的问题时，王兴兴重复了此前的态度。

　　“我前段时间说过，但是我说这话其实也不是说数据不重要，大家不要误解，”王兴兴表示：目前机器人的数据无论采集，包括它的噪声，包括数据质量的问题都非常大，包括到现在为止，真正的比较优质的数据应该怎么采，或者数据的质量应该达到什么程度，都还是相对比较模糊的阶段。

　　王兴兴还谈到，目前机器人在AI模型多模态融合方面仍然做得不够理想。

　　他表示，纯语言模型或者纯视频模型当前效果非常好，但即便是语言图像模态叠加，当下都是一个比较大的难点。

　　“当然现在已经做得越来越好了。比如说你要控制好一个图片生成的一些细节，或者一个视频生成的细节，你用文字单纯去控制是很难的，目前通过一些插图或者一些线稿来控制，图像生成效果会更好一点。”

　　而机器人要实现多模态智能，无疑又与语言模型和图像模型的智能融合关联密切。

　　“目前在机器人领域，如果单纯从语言或者其它模态，与机器人的控制模态绑定更好，现在也面临挺大挑战。比如说用视频去生成一个机器人做家务，现在视频生成的效果还不错的，但是要让生成的效果跟机器人控制的模态对齐得非常好，当下非常有挑战。”

　　当被问及多长时间能实现具身智能的突破时，王兴兴的回应重复了此前机器人硬件“够用论”。

　　“硬件其实目前是足够的，我觉得一两年以前的硬件都完全足够。其实最大的问题还是大模型AI模型本身的能力确实不太够。目前的软件没办法很好地把这些硬件给用起来，比如现在灵巧手用得就不是很好。无论是数据采集，包括控制灵巧手很好地去做一些更灵巧的事情，而不单单只是说做一些简单的抓取之类的事情，当下对AI领域也是一件非常具有挑战的事情。”