宇树科技（Unitree）创始人王兴兴公开反思“自己对AI的相信程度不够”，以及伴随具身智能资本退潮而来的估值/市值缩水质疑，是当前硬件与AI结合领域最典型的**“理想照进现实”的阵痛**。
用批判性思维拆解这一现象，可以清晰地看清：他究竟承认了什么？这背后是真实的认知迭代还是资本话术？为什么人形机器人常被讥讽为“大玩具”？以及最重要的——物理世界对AI的毒打究竟有多残酷。
一、 他到底承认自己错了什么？“对AI相信不够”是什么意思？
王兴兴是典型的硬核机械与运动控制专家出身。宇树早期的成功（把机器狗价格打到万元级，实现四足机器人的商业化出货），靠的是极致的传统动力学控制、机械设计、电机功重比与供应链成本优化。
他所说的“承认错了”，核心在于技术路线的认知误判：
-
传统控制理论 vs. 端到端AI（End-to-End RL）：
在过去，机器人的动作是靠工程师写动力学方程（MPC、WBC等算法）硬算出来的，每一步迈多大、电机给多大扭矩，都是确定的数学逻辑。而以特斯拉Optimus、Figure等为代表的“AI原生派”，直接用强化学习（RL）和大模型去端到端控制机器人运动——直接让AI像小动物一样自己去摔、去试、去学会走路。 -
“不够相信”是指没有押注“Scaling Law（尺度定律）”会蔓延到物理世界：
王兴兴曾认为，物理硬件太脆弱、现实物理规律太复杂，纯粹靠大模型和算力“大力出奇迹”在机器人上行不通。但他后来发现，AI在虚拟仿真环境（Simulation）里自我训练几天，就能顶人类算法工程师调优几年。他承认自己低估了大模型对物理控制能力的泛化速度。
二、 他为什么要公开承认？是真错了，还是资本演戏？
这种反思，一半是技术焦虑，一半是商业与融资策略。
-
技术层面的真反思： 看到波士顿动力彻底转向电驱+AI，看到Figure 01与OpenAI结合展现出的语义理解与动作协同，纯靠卖“机械底盘”的硬件公司正在面临被降维打击的危险。如果不转型做AI，宇树很可能沦为“具身智能时代的富士康”——只赚辛苦的组装钱，拿不到最高的技术溢价。 -
资本层面的自救与重塑叙事： 具身智能在经历了2023年的狂热后，2024年二级和一级市场对“只能在舞台上走两步、翻个跟头”的人形机器人开始审美疲劳，估值泡沫破裂，融资变难。
此时公开承认“错在没All-in AI”，其潜台词是向资本市场宣告：“我不是硬件能力不行，我只是过去太保守；现在我要全面拥抱AI了，我依然是最头部的具身智能标的，请继续给我高估值。”
三、 市值暴跌、被嘲“玩具”：现在的机器人真是玩具吗？
结论是：在现阶段的工业和家庭严肃场景中，它确实基本等同于“极客的昂贵玩具”或“科研教具”。
资本挤出泡沫（所谓“市值蒸发”）的根本原因在于：Demo（演示）与 Commercialization（商业化落地）之间存在一条无法逾越的天堑。
-
表演与生产的区别： 在春晚跳舞、在发布会后空翻，容错率其实很高（摔了可以重录，动作变形观众看不出）；但如果在特斯拉工厂装配螺丝，连续工作8小时，要求99.99%的无故障率，现阶段的人形机器人几乎全军覆没。 -
成本与收益倒挂： 买一台宇树G1（售价9.9万元人民币）用来干什么？端茶倒水不如雇个保姆，搬运重物不如AGV叉车，做精细装配不如工业机械臂。它最大的买家，至今依然是大学高校、科研院所、科技公司展厅。在能够产生生产力之前，它在商业本质上就是个“科研探索平台”（高级玩具）。
四、 批判性结论：物理现实对大模型的残酷降维打击
王兴兴的“认错”，反而引出了那个最深刻、最本质的批判性结论：
机器人所要应对的现实世界，其复杂程度、不确定性与残酷性，远远高于屏幕中显示的文字和图像。
将“屏幕中的大模型”与“物理世界的机器人”做对比，就能明白为什么具身智能如此举步维艰：
屏幕AI（LLM/多模态）： 处理的是人类已经高度抽象化、结构化的数据。文字是离散的Token，图像是规整的像素矩阵。哪怕是ChatGPT生成了一段胡话（幻觉），代价无非是人类按一下“重新生成”或删掉一段字。
物理世界（机器人）： 机器人面对的是摩擦力、空气阻力、材料形变、光线阴影、接触面刚度、磨损与重力。这些物理变量是极其非线性的、连续的。端起一个装水的纸杯，纸杯的形变程度、水晃动的惯性、手指皮肤的粗糙度，都需要微秒级的传感器融合与力控。
在屏幕里，AI有1%的错误率，它依然是一个99分的优秀聊天助手。
在物理世界里，机器人有1%的控制幻觉，意味着它端咖啡会泼在客户脸上、搬运重物会砸断工人的腿、走楼梯会直接滚落摔成废铁。物理定律对任何一丝“幻觉”的惩罚都是即时且毁灭性的。
人类几十年AI发展最讽刺的结论就是：让计算机在象棋、围棋或写代码上击败人类很容易（因为那只是逻辑与符号）；但要让计算机拥有一岁婴儿那种“伸手在杂乱抽屉里精准抓起一个苹果”的感觉和运动能力，却极其困难。
屏幕上的文字和图像，是人类大脑皮层最高级思维的产物；而机器人在现实世界中行走、触摸、平衡、避障，调动的是人类在几亿年生物进化中刻在小脑和脊髓反射里的本能。进化了几亿年的“肉体本能”，比进化了几十万年的“语言逻辑”要复杂得多。
结语
王兴兴承认“对AI相信不够”，其实暴露了整个行业的尴尬：纯搞机械控制的走到了算力瓶颈，而纯搞大模型算法的又轻视了物理世界的熵增。
机器人的未来必然属于AI，但绝不是仅仅把ChatGPT装进一个铁皮躯壳里。在机器人真正能够理解“摩擦力、重力和不可预测的人类”之前，具身智能还需要在“物理世界的泥潭”里摔倒无数次。屏幕里的世界是数字的温室，而门外的物理世界，才是AI真正的修罗场。