认错了！ 王兴兴检讨"低估AI"，梁文锋悄悄下场投宇树找身体？两个最谨慎的人一起改口，临界点被推前了

第一个是王兴兴。10月12日的工博会上，这位做了十几年机器人的人，做了一次罕见的自我检讨：“过去十几年我犯的最大的错误，就是对 AI 相信得还不够。”要知道，仅仅两个月前的世界机器人大会上，他给具身智能“ChatGPT 时刻”的判断还是快则两三年、慢则五到十年；这一次，最乐观的时间被他自己压缩到了一两年，他甚至说明年新一代模型出来，可能“直接把具身智能问题打穿”。

最懂机器人有多难的人，承认自己低估了 AI。

第二个是梁文锋。据多家媒体从多个信源核实，这位 DeepSeek 创始人近期密集接触具身智能创业者，内部正在评估亲自组建团队下场，或者通过投资切入。而熟悉他思路的人都知道，在他原本那张 AGI 路线图上，具身智能是排在最后一级的——语言模型、思维链、智能体、持续学习、自我迭代，走完这些才轮得到机器人。他去年还公开说过，先做具身“是一件很苦的活”，“具身产业还太早”，甚至主动砍掉了 3D 生成、视频生成、世界模型这些热门方向，理由是“不在主线上”。

最相信通用模型、本来准备最后才碰机器人的人，提前动身找身体了。

一个从物理世界出发，重新估计了 AI 解决问题的速度；一个从数字世界出发，重新评估了机器人在 AGI 里的位置。两条路线相向而行，撞到了同一个点上。

我在这行看了二十年，见过太多风口是被同一群人互相吹捧吹起来的。但这一次不一样——推动时间表的，是两个原本最有理由保持谨慎的人。真正该追问的不是“谁又追风口”，而是：他们共同依赖的那个前提，到底发生了什么变化？这对所有在牌桌上的创业者、投资人和做实业的人，又意味着什么？

⏰️与具身智能赛道的一线创业者、投资人深度交流，扫码报名GEIA具身智能与人形机器人创新周【北京站12.9-12.11 】↓

01 梁文锋的两步棋，卡住的是“大脑”和“身体”的两端

要看懂他的意图，别听传言，去看已经落下的真金白银。DeepSeek 的动作，是沿着身体和大脑两端同时卡位。

身体这一端是宇树。今年 8 月，DeepSeek 出资约 1.41 亿元，参与宇树科创板 IPO 的战略配售，拿到约 2.31% 的股份，锁定期三十六个月；双方同步签了战略合作备忘录，约定在通用人工智能、高性能通用机器人和大模型上深度合作，而且是双向优先——宇树采购模型训练服务优先找 DeepSeek，DeepSeek 采购机器人、拓展具身应用优先用宇树。这不是财务投资，这是把“身体”和“真机数据入口”用一份长约绑住了。

大脑这一端，是彭博社曝出的一笔计划中的领投：一家成立才几个月、名叫 Winverse AI 的公司，正在融数千万美元种子轮，投后估值约 4 亿美元，DeepSeek 已同意领投，美团龙珠等机构给出了投资承诺。创始人胡瀚履历很硬——清华大学博士，曾在微软亚洲研究院和百度任职，离开腾讯前是首席科学家，负责视觉语言模型和具身基础模型团队，也是视觉领域里程碑论文 Swin Transformer 的共同作者之一。

不过这里要留一份严谨：多位行业人士对凤凰网表示，Winverse 严格说“不能算一家具身智能公司”，业务更偏底层基础设施，做的是模型加速相关；而且这笔交易截至目前尚未最终敲定，估值和名单都可能变化。

把这两步连起来看，意思就清楚了。梁文锋没有在热门赛道上随手撒钱，他是在一张完整的牌桌两端同时落子：一端要身体、要现场、要源源不断的真机反馈，另一端要让模型跑得动、跑得快的底层能力。他自己最擅长的那个通用大模型，正好是串联两端的中枢。

他想买的，从来不是一台会走路的机器。

02 真正的导火索：模型，第一次证明自己能“动手”了

那个让两个谨慎的人同时改口的前提变化，有一个共同的名字：新一代通用模型在物理任务上的表现，超出了所有人的预期。

有报道援引测试称，GPT-6 在一项机器人控制任务中的成功率达到 95%，远高于上一代同口径的 40%。接近 DeepSeek 的人士也透露，梁文锋近期曾表达，DeepSeek 与 GPT-6 在部分能力维度上仍有差距，这促使他重新审视一个根本问题：只靠语言模型的规模化演进，到底够不够支撑 AGI 的下一场竞赛？

逻辑到这里就通了。语言模型再强，也有一个先天缺陷——它从不为一个动作承担真实后果。文本可以告诉模型“杯子容易碎”，但一次抓取到底用多大力、杯子在指尖怎么滑动、失手之后怎么补救，这些反馈只存在于物理交互里。如果竞争对手的模型已经开始学会动手，那么物理世界的数据、接口和评测标准，就可能被别人抢先建立。等数字世界的问题全都解决了再进场，未必还是最省力的那条路。

但我必须立刻泼一盆冷水，否则这篇文章就成了捧杀。

同样是行业内部的声音，对那个惊艳的 95% 有另一面评价：“GPT-6 看起来厉害，好像要把具身一举拿下了，但它拿起一个杯子要 40 分钟，大家对具身的要求还是太低了。”更有说服力的是权威评测的整体口径：在全球近二十家顶尖高校合建的 RoboDojo 榜单上，排名第一的通用具身模型平均成功率也只有约 22.48%，也就是说大部分任务仍然完不成；而简单桌面上的放置任务，和工厂里连续八小时的合格产出、和走进家庭，根本是三个物种。

所以王兴兴的“认错”和梁文锋的“靠近”，都不等于临界点已经到了。他们改变的，是这件事发生的概率，以及所有人估算时间的方式。

03 这才是关键：梁文锋抢的不是机器人，是“手的互联网”

看懂了上面，我们就能触到这盘棋真正的棋眼。

语言模型为什么这么强？因为它背后有整个互联网——人类有史以来生产的文字，几乎都被它读过。可机器人面对的，是一片荒漠。这个世界上根本不存在一个“手的互联网”：没有一个网站，爬下来就能知道拧螺丝要多大力、鸡蛋怎么捏才不碎、零件滑动时该怎么收劲。这些数据只能靠遥操作、仿真、真机训练和现场运行，一个动作一个动作地生产出来，而且往往和具体的身体、传感器、环境死死绑定，换一台机器就要重采。

这就是梁文锋为什么非要“找身体”。当纯语言侧的数据和算力红利开始放缓，AGI 下一程最稀缺的生产资料，变成了物理世界的真实交互数据。而要拿到这种数据，你不能只待在机房里，你必须有身体下场，必须有场景让身体不停地干活、不停地把“手感”反馈回来。

他投宇树、绑定双向优先采购，本质上买的是一条持续产出真机数据的管道；他关注模型加速，是为了让这些昂贵的数据能被高效地消化。两笔投资看似一硬一软，底下盯着的是同一样东西——物理世界数据的入口。

这个判断，也正好回答了过去一周被反复讨论的另一个问题：为什么机器人最先跑通的，不是门槛最高的工厂，而是景区、乐园、商场、咖啡店？

04 当大脑开始抢数据，“商业服务先于工业”就有了第四本账

我上一篇讲过，商业服务先爆发，是因为三本账：容错账（工厂买确定性，差零点几毫米就是废品；门店早期买注意力，机器人摔一跤都能摔出流量）、决策账（工业采购要过半打部门、算清回本周期，门店老板看日租金跌到几百块就能拍板）、以及一本要泼冷水的账——门槛低也意味着最先见顶，日租金一年从一万元跌到两百八十九，三百台机器人的旗舰乐园还要配一百多个运维，三比一的配比说明很多“上岗”背后还站着一大群人，账并没真正算平。

但当 DeepSeek、OpenAI 这些大脑玩家杀进来，你会发现这件事还藏着第四本、也是更要命的一本账——数据账。

商业服务场景，恰恰是当下成本最低、密度最高、合规最宽松的一座真机数据矿。景区一天几万人流，机器人卖水、点单、迎宾、合影，每一次交互都在产生真实的视觉、语言、动作和接触数据；任务相对标准、容错空间大，摔了还能变成传播。对于急着喂养通用模型的大脑公司来说，这里就是练兵加采矿一体的“新手村”。

于是“以战养战”这条曲线，被加入了一股新的推力。过去我们说，先用商业服务的宽容和现金流，替机器人公司把模型、本体、成本练出来，再回头啃工业这块硬骨头；现在要再加半句——也是在替所有大脑公司，低成本地采集进入物理世界的第一批口粮。国庆期间近三十家企业、数千台机器人排班上岗，单台一天服务五百多单，这个数字的含金量，一半是门店的流水，另一半，是喂给模型的经验值。

但新手村终究会关门，数据也会贬值。当每家都能租到会跳舞握手的机器人，当同质化把新鲜感榨干，浅层交互数据很快就不再稀缺。真正又深、又厚、别人拿不走的数据，最后还是在工业现场——在老师傅的暗劲里，在毫米级的装配里，在八小时不停机的连续作业里。而制造业机器人渗透率到今天还不足 1%，这意味着最肥的一座数据矿，几乎还没开。

所以我对顺序的判断没有变，只是看得更清楚了：商业服务是练兵场和先头矿，工业才是主战场和终极金库。大脑公司的下场，会让新手村更热闹，也会让主战场的争夺提前到来。

05 临界点到底是什么？不是技术时刻，是算账时刻

把两条线合在一起，最后回答那个最大的问题：王兴兴和梁文锋一起往前推的，究竟是一个什么时刻？

我的定义很朴素：那不是一个技术时刻，而是一个算账时刻。不是机器人能力达标的那一天，而是某个老板默默掏出计算器，发现“用它确实比用人划算”的那一天。技术到位只是发令枪，经济账算平，才是真正的起跑。

在那之前，别被演示带着走。虎嗅那篇梳理里给了三个真正该盯的硬指标，我很认同，送给你：同一个模型换一副身体、换一项任务之后，还能留下多少能力（这是检验通用性的试金石）；机器人连续工作时，合格产出、耗时和人工接管次数怎么变（这是检验能不能上岗）；能力提高的同时，危险动作的拒绝机制和责任边界有没有同步建起来（这是检验敢不敢规模化）。这三项不同时改善，再强的模型也只能制造更精彩的视频；它们一旦同时改善，行业的进步方式才算真的变了。

06 给三类人，三句不绕弯的话

给具身智能的创业者和联创：梁文锋下场，是对一类公司的判决书，也是另一类公司的邀请函。被判的，是那些把全部身家压在“自研通用大脑”上、靠这个讲估值的公司——大脑这一层正在被 DeepSeek、OpenAI 这个量级的玩家快速变成公共能力，中间地带最危险。受邀的，是那些肯做大脑公司最饥渴、又最不愿意自己干的苦活累活的人：可靠的身体、专属场景的真机数据、毫米级的工程 know-how、安全与交付。冷静问自己一句：在 DeepSeek 那张牌桌上，你是它想投资、想绑定的数据入口和身体，还是它一抬手就能绕开的重复大脑？

给投资人：今年上半年近四百四十亿资金涌进具身，其中一半以上流向了所谓“大脑”，拿到融资的具身模型公司超过一百四十家。但大脑注定只收敛到极少数几个名字，绝大多数中间层公司，终局要么被收编，要么被抹平。真正稀缺的卡位在两端：像宇树那样掌握身体和真机数据回流的入口，以及像模型加速这种让昂贵数据跑得动的底层设施。尽调时对“一个杯子要拿四十分钟”式的 demo 估值保持警惕，多问换身体后的能力留存和连续作业的人工接管率，这比任何发布会参数都接近真相。

给做实业的一把手：大脑公司抢着下场，对你是实打实的利好。它们会更快地把智能成本打下来、把使用门槛削平，你不必自己养一支 AI 军团，也能用上一流的具身智能。但你手里有一样它们做梦都想要的东西——工厂里跑了十几年的产线、带着力道和经验的真实工况数据，这正是“手的互联网”里最稀缺、几乎还没被开采的矿。趁商业服务还在替全行业练兵、主战场尚未开打，尽早想清楚：怎么用你的场景和数据，去换未来生态里的一个位置、一份筹码。

07 最后

王兴兴和梁文锋，一个造身体，一个造大脑，从两头往中间走，把同一张时间表一起往前推。

但历史最后记住的，从来不会是模型参数最大的那个，也不会是舞跳得最好的那个。

它只会记住让智能第一次真正落了地、干成了活、并且把账算平了的那批人。

大脑会越来越通用、越来越便宜，身体会越来越可靠，数据会越来越成为命门。风是真的要来了，而且比所有人想的都急。但每一次大潮，被吹上天的，和最后站着的，从来都不是同一批人。

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

THANKS FOR READING