宇树科技陈立谈机器人普及瓶颈：具身智能大模型尚未成熟，端到端模型成关键
据 IT之家援引新浪财经报道，亚布力中国企业家论坛第十二届创新年会于 7 月 3 日至 4 日在上海举行。会上，宇树科技股份有限公司联合创始人陈立谈到当前机器人产业落地现状时表示，机器人目前还没有实现大面积应用，核心原因在于具身智能大模型尚未成熟。他认为，未来 2 至 5 年，行业首先需要形成一个统一的端到端机器人大模型，同时还要解决硬件成本、寿命、规模化制造以及大规模低成本算力等问题。
这一判断也反映出当前机器人产业从“能演示”走向“能普及”的关键差距：机器人不仅要具备运动控制能力，还需要理解环境、拆解任务、感知变化并稳定执行。相比 ChatGPT 等纯软件 AI，具身智能面对的是更加复杂的物理世界，其难点不仅在算法，也在硬件、算力和制造体系。
机器人为何还未大面积应用：模型、硬件与算力三重限制
陈立提到，未来 2 至 5 年内，机器人行业最重要的前提，是出现一个统一的端到端机器人大模型。所谓端到端，通常意味着系统可以从感知输入直接生成动作或任务执行策略，而不是依赖大量分散模块拼接完成。对于机器人而言，这类模型如果成熟，将有助于降低复杂场景中的开发和适配成本。
目前，机器人在实验室、展会和部分工业场景中已有不少亮相，但距离家庭、商业服务、通用工业等大范围应用仍有距离。原因在于现实环境具有高度不确定性：地面材质、空间布局、光照条件、人与物体的位置变化，都会影响机器人决策和执行。具身智能大模型要解决的，正是 AI 如何在真实物理世界中稳定理解并行动的问题。
除模型外，陈立还提到机器人普及需要更低成本、更高寿命的硬件，以及超大批量规模生产制造。只有进入足够大的生产规模后，机器人本体的边际成本才可能显著降低。这意味着机器人产业并不是单靠软件突破就能快速普及，还需要供应链、材料、结构设计、电机、传感器和整机制造能力共同进步。
- 模型层面：需要统一的端到端机器人大模型，提升复杂任务泛化能力。
- 硬件层面：需要降低成本、提高寿命，让机器人具备商业化部署基础。
- 制造层面：需要超大批量生产，摊薄本体成本并提升产品一致性。
- 算力层面：需要低成本的大规模算力支撑，平衡端侧与云端的限制。
具身智能与大语言模型不同：难在“理解之后还要行动”
来源中也提到，具身智能是跨越认知科学、心理学和 AI 的概念，强调心智、身体与物理环境之间的关系。简单来说，具身智能不是只在屏幕里生成文字或图片，而是让拥有实体的机器人、机器狗等设备，通过传感器感知现实世界，并与环境互动、完成任务。
这也是为什么机器人与大语言模型之间存在本质差异。大语言模型主要处理文本、图像、音频等数字信息，输出结果通常也是数字内容；而具身智能机器人需要把模型输出转化为真实动作。一个动作如果执行失败，可能不是回答不准确这么简单，而会涉及安全、损耗、效率和用户体验。
例如，在家庭或商业服务场景中，机器人需要识别物体、判断路径、避开人群、抓取不同形态的物品，还要根据环境变化重新规划任务。这些能力都要求模型不仅“懂指令”，还要“懂世界”，并能将理解转化为连续、可靠、低延迟的物理行为。因此，端到端机器人大模型被视为通向通用机器人应用的重要方向。
算力部署成为另一道门槛：端侧与云端各有难题
陈立还指出，机器人普及需要低成本的大规模算力，而这些算力可能是分布式的。原因在于，如果完全依赖端侧算力，机器人会面临续航、散热和成本问题；如果过度依赖云端算力，又会受到延时影响。这一判断抓住了具身智能商业化中的现实矛盾。
对机器人来说，很多任务需要实时响应，例如避障、平衡、抓取和人机交互。如果计算过程延迟过高，机器人就可能无法及时完成动作调整。但如果把所有模型推理都放在机器人本体上，设备的电池、芯片、散热结构和整机价格都会承受压力。未来更可能出现的是端侧即时控制与云端复杂推理协同的混合架构。
从产业角度看，这也意味着机器人竞争不只是整机厂商之间的竞争，还会带动模型公司、芯片企业、云服务平台、传感器厂商和制造供应链共同参与。谁能在模型泛化能力、硬件可靠性、算力成本和规模制造之间找到平衡，谁就更可能率先打开大规模应用市场。
行业解读：机器人商业化进入“补短板”阶段
宇树科技近年来因四足机器人、人形机器人等产品受到关注，其联合创始人对行业瓶颈的判断，某种程度上也代表了当前具身智能赛道的共识：机器人已经从单点技术展示，进入到系统能力补齐阶段。模型不成熟、硬件不够便宜、寿命和维护成本尚未达到普及要求，都会限制机器人走向更广泛场景。
对中文科技产业观察者而言，值得关注的不是单个机器人演示有多惊艳，而是它能否在真实场景中持续、稳定、低成本地完成任务。陈立提到的端到端模型、低成本硬件、超大批量制造和分布式算力，正是衡量机器人产业成熟度的几个核心指标。
总体来看，机器人距离大面积应用仍有明显门槛，但方向已经更加清晰。未来 2 至 5 年，如果端到端具身智能模型取得突破，同时硬件与制造成本继续下降，机器人产业有望从少量示范应用走向更广泛的商业部署。现阶段，具身智能的竞争已经不只是“谁的机器人会动”，而是谁能让机器人在真实世界中长期可靠地工作。