宇树科技陈立：具身智能突破需跨过“两个80%”，机器人或在2至5年迎来拐点

据IT之家援引新浪科技消息，7月4日，2026亚布力论坛创新年会在上海举行。宇树科技股份有限公司联合创始人陈立在现场谈及具身智能与智能机器人发展时判断，机器人行业有望在未来两到五年迎来关键突破。他认为，所谓具身智能的“ChatGPT时刻”，并不只是单点技术演示，而是机器人在大量陌生环境中具备可用、稳定、可规模化的任务执行能力，其核心标志可以概括为“两个80%”：在80%的陌生场景里，机器人能够通过语音或文字指令顺利完成约80%的任务。

这一判断反映出当前机器人行业的关注重点正在从“能否做出炫技动作”，转向“能否在真实世界中持续完成有价值任务”。对于中文科技读者而言，这也是理解具身智能赛道的重要分水岭：机器人要真正走向消费市场和产业现场，仅有运动控制、语音交互或视觉识别的单项进步还不够，必须让模型、硬件、算力和制造体系形成闭环。

三大要素：模型、硬件与算力共同决定突破速度

陈立在发言中提到，机器人行业突破有三项核心要点。首先是统一端到端机器人大模型。这意味着机器人需要从感知、理解、规划到执行形成更统一的智能系统，而不是依靠大量分散模块拼接完成任务。对于具身智能而言，模型不仅要“会说”，更要理解环境、约束和动作后果。

第二是更低成本、更长寿命的硬件，以及超大批量规模化生产制造。来源显示，陈立将其与汽车行业作类比：当规模化制造能力成熟后，硬件边际成本会显著下降，极致性价比产品也更容易快速普及。对于机器人行业，这意味着关节、电机、传感器、电池、结构件等核心部件的可靠性和成本，都会直接影响产品能否进入更大市场。

第三是低成本、规模化算力。陈立提到，可依托分布式算力来缓解端侧续航、散热和成本痛点，同时解决云端延时问题。例如，楼宇专属AI算力基站可以为场内智能设备和机器人提供算力支撑。这一思路指向一种更现实的部署路径：并非所有智能都必须塞进机器人本体，也不必完全依赖远端云端，而是在场景附近构建可调度的算力基础设施。

• 模型层：统一端到端能力，提升陌生场景下的理解与执行表现。
• 硬件层：依靠低成本、高寿命和规模制造降低普及门槛。
• 算力层：通过分布式算力兼顾实时性、成本、散热与续航。

“两个80%”为什么是关键指标

“ChatGPT时刻”在科技圈通常用于描述某项技术突然突破专业圈层、被大众直观感知到价值。陈立给出的“两个80%”标准，实际上把具身智能的突破从模糊叙事变成了更可感知的可用性门槛：机器人不必在所有场景做到百分之百正确，但必须在绝大多数普通环境里完成多数常见任务。

这对行业评估很重要。过去，许多机器人展示依赖高度布置的场地、预设流程或限定任务；而“陌生场景”强调的是泛化能力，即机器人面对不同房间、不同物体摆放、不同用户表达方式时，仍能理解目标并完成操作。语音或文字指令则降低了使用门槛，让普通用户不需要编程或复杂设置即可调用机器人能力。

影响解读：具身智能竞争将从单机产品走向系统能力

从产业角度看，陈立的判断说明智能机器人下一阶段的竞争不只是“谁的机器狗跑得更稳”或“谁的人形机器人动作更像人”，而是围绕可部署、可维护、可量产、可持续学习展开。未来能够形成优势的企业，可能需要同时具备机器人本体设计、AI模型训练、供应链管理、场景落地与售后运维能力。

来源还提到，陈立认为四年之后，也就是2030年，具身智能机器人将引领全新消费浪潮，并推动社会生产力与劳动力升级。对于家庭、楼宇、商超、工厂、仓储、养老等场景来说，如果机器人真正达到较高比例的通用任务完成能力，其价值将不再局限于新奇科技产品，而会成为自动化基础设施的一部分。

不过，从当前到“两个80%”之间仍存在不小挑战，包括真实世界数据获取、安全边界、长尾场景处理、硬件耐久性、成本控制以及人机协作规范等。换言之，具身智能的“ChatGPT时刻”不太可能只由某一个模型发布触发，更可能来自模型、硬件、算力和供应链同时成熟后的集中爆发。