宇树 G1 累计下线 1 至 2 万台，王兴兴要让真机给 AI 写的代码当考场

10 月 22 日，在杭州举行的 2026 世界物理 AI 大会暨宇树合作伙伴生态大会上，宇树科技董事长王兴兴报出一组产量数据：2024 年 5 月发布的 G1 人形机器人，累计生产下线约 1 万至 2 万台。同一场演讲里，他介绍了被他称为宇树今年最重要工作之一的预研项目“物理 AI 机器人自进化 V1.0”。

宇树押注的是，机器人智能上的优势最终来自卖出去、还能继续造出来的机器人数量，自己未必要握有最强的模型。自进化循环的“大脑”借用外部前沿大模型，验证环节离不开大量真机，G1 的产量正好用在这里。

模型可以借，真机得靠自己

按王兴兴的描述，宇树先定义技能、工具和任务约束，再由前沿大模型自行检索最新论文和开源方案、编写机器人控制代码。代码先在仿真环境里训练验证，再部署到实体机器人上测试；结果由 AI 模型和人工共同打分，分数回传给编程智能体，进入下一轮。

他给这套循环列了四个前提：基础模型越强越好，多源数据规模化，更多真机部署，技能持续累加成生态。四条里有三条落在数据、真机和技能积累上。

借来的模型眼下能做到什么，他也举了例子：GPT-6 在完全零训练的情况下部署到宇树机器人上，能自主画画、清洗画笔，在精细棋盘上下围棋和象棋，还能自己找到厨房、再找工具。据机器人之家报道，他说：“我们没有专门为这些动作编写程序。”

宇树在会上定下的三个方向也指向同一处：提升大规模量产能力，适配未来千万级乃至亿级的需求；自研与合作并行，做适配自家硬件的物理 AI 小模型；建设超大规模算力集群。

王兴兴承认，模型和真机之间的误差还没解决

最有分量的反方意见来自王兴兴本人。这套循环目前仍标为预研；他也说，规划问题基本已经解决，最大的难题是 AI 模型输入与输出之间的对齐误差，机器人和真实物体的接触、交互还没处理好。如果这类误差降不下来，真机越多，循环里要打分的失败案例也就越多。

他给具身智能“ChatGPT 时刻”下的定义是：在 80% 的陌生场景里，机器人靠语音或文字指令完成约 80% 的任务。时间上，快则明年，慢则后年，最晚大约五年。

放到行业里比一比：据智东西援引的工信部数据，2026 年上半年中国人形机器人出货量已超过 4 万台；宇树招股书披露，公司 2025 年人形机器人出货量超过 5500 台。