高通组局，宇树王兴兴说了一堆大实话

行业领袖王兴兴揭示机器人产业三大发展瓶颈

技术路线分歧阻碍产业规模化发展

在近期高通技术峰会上，科技行业资深人士王兴兴直言指出，当前机器人领域面临的首要挑战是技术标准不统一问题。各企业采用差异化的技术路径，虽表面呈现繁荣景象，但实际上严重制约了产业整体的技术突破速度和应用落地进程。

开源生态建设迫在眉睫

王兴兴特别强调开源共享对行业发展的重要价值。他以OpenAI的技术演进路线为例指出：”目前各企业研发的核心算法模型均未达到商业化应用标准，与其各自为战，不如效仿OpenAI开放GPT-1/2的模式。即便像宇树科技最新开源的世界级模型，短期内也难以直接应用于工业场景。”这种开放协作的发展思路更有利于加速技术迭代。

专用芯片研发存在重大市场空白

演讲中最具警示性的观点在于：当前整个产业链对机器人专用芯片的战略价值普遍认识不足。王兴兴认为，将传统手机芯片等成熟方案迁移到机器人领域蕴含着巨大的技术创新空间，这一领域的技术突破将直接决定未来机器人的智能化水平和应用边界。
注：本文观点整理自行业意见领袖在高通技术峰会上的公开发言，不代表本平台立场。

AI与Agent技术重塑终端生态：具身智能的机遇与挑战

人工智能技术正在为终端设备带来前所未有的变革想象空间，其中具身智能领域尤为突出。作为AI技术的最新前沿方向，具身智能既面临着广阔的发展前景，也面临着诸多待解的行业难题。

技术革新下的产业机遇

人工智能和Agent技术的发展正驱动着终端生态的系统性变革。在这一波技术浪潮中，具身智能因其能够将智能系统与物理世界直接连接的特性，成为最具影响力的应用领域之一。
宇树科技作为行业的领军企业，在2025骁龙峰会·中国这一聚集了全球终端产业链核心参与者的高规格平台上，率先揭示了当前行业面临的关键技术挑战。该峰会覆盖了从芯片到操作系统、从硬件到算法的全产业链精英，提供了一个难得的产业对话平台。

多方共议行业解决方案

在本次峰会中，王兴兴等业内专家与其他重要参与者展开深入探讨：

• 理想汽车副总裁、智能空间研发负责人勾晓菲分享了车载智能系统的发展现状
• 面壁智能CEO李大海阐述了人工智能算法的最新进展
• 中科创达联合创始人、执行总裁耿增强就操作系统层面的创新提出了见解

这场涵盖硬件架构、算法模型和系统软件的全方位讨论，有望形成行业共识，加速推动具身智能技术的发展和应用落地。

未来展望与技术挑战

尽管具身智能领域充满活力，但其发展仍面临诸多技术瓶颈与产业难题：

• 算力与功耗的平衡问题
• 感知与决策系统的实时性要求
• 人机交互的安全性和可靠性保障

2025骁龙峰会·中国所提供的开放交流平台，正发挥着加速解决方案形成的重要作用，为具身智能技术的商业化落地开辟了新路。

高通全球AI研发负责人侯纪磊访谈实录

编者按：本文整理了高通公司全球AI研发负责人侯纪磊的对话内容，旨在完整呈现行业专家对人工智能领域的深度思考与前瞻洞见。为保证内容原真性，对话内容在不改变原意的原则下进行了系统整理和优化编排。

核心观点

• AI技术产业化应用正经历从实验室到商业落地的关键转折期
• 边缘计算与云端协同将成为未来AI发展的主要技术路线
• 终端设备智能化的演进路径与技术挑战需要全行业协同解决

对话精华内容

技术创新方向：
1、”当前AI发展已进入深水区，单纯追求模型规模的扩大不再是技术突破的唯一路径”
2、”我们更关注如何在终端设备受限环境下实现高效的AI运算能力”
产业发展趋势：
1、”预计未来3-5年内，AI芯片的能效比将成为行业竞争的关键指标”
2、”跨平台、跨场景的AI解决方案将创造更大的商业价值和社会效益”
技术应用前景：
1、”基于5G网络的分布式AI计算架构将重塑智能终端的使用体验”
2、”AI与物联网技术的深度融合将开启万物智能的新时代”
本文通过系统梳理行业专家的真知灼见，为读者呈现人工智能领域的技术发展与产业趋势。更多专业内容将持续更新，敬请关注后续深度报道。

算力散热通信，说到底机器人应该加强对芯片的关注

具身智能：通用AI机器人的发展蓝图与实现路径

具身智能被视为人工智能在终端落地的终极形态。宇树科技创始人兼CEO、CTO王兴兴在近期阐述中指出，公司的核心目标在于开发具备通用能力的AI系统，并将其应用于多场景通用的机器人平台。这种机器人将突破特定环境限制，能够在工业制造与家庭服务等多样化场景中自主执行任务。

机器人产业的”ChatGPT时刻”

王兴兴特别强调，当机器人系统能够在未经预先训练的环境中，仅通过自然语言指令就能可靠完成任务时，这将标志着机器人技术迎来类似ChatGPT的重大突破。这一里程碑的实现，意味着机器人将具备真正的环境理解与自主决策能力。

四个关键发展阶段

为实现这一愿景，宇树科技规划了明确的技术演进路径：

• 固定动作演示阶段（已实现）
• 成功完成预设程序动作，如舞蹈表演、武术套路等标准化演示
• 实时动作生成阶段（预计2023年底/2024年初实现）
• 突破预设程序限制，实现任意动作的实时计算与执行
• 陌生场景任务执行阶段（预计2024年底实现）
• 具备环境适应能力，可在陌生场景完成基础任务（如取水、桌面整理等）
• 高精度可靠操作阶段（需3-5年研发）
• 达成99.9%的任务成功率
• 掌握精细操作能力（如电子设备拆装等高精度作业）

这一路线图展现了从简单机械操作到复杂环境自主决策的渐进式发展逻辑。第四阶段的实现将标志着具身智能技术真正达到商业化实用水平。

机器人产业面临的关键技术挑战：通信与芯片难题

实时环境理解与通信能力成为机器人技术核心瓶颈
要实现机器人对物理环境的准确感知和自然语言指令的即时响应，端侧AI的通信能力必须实现质的突破。行业专家王兴兴明确指出，当前机器人和芯片制造商对通信技术的重视程度仍然不足，这种情况亟待改变。

通信技术：机器人可靠性的关键支柱

• 线缆精简趋势与行业痛点
• 参照新能源汽车的发展路径，现代车辆通过新型通信协议已将线缆重量从传统燃油车的100公斤级大幅缩减
• 机器人领域同样面临每减少一根线缆都需要耗费巨大研发成本的困境
• 当前工业机器人60-70%的故障率源于线缆问题，凸显通信可靠性对产品寿命的决定性影响
• 未来通信技术发展方向

专家提出革命性愿景：实现单线缆集成通信的机器人关节设计。这种技术突破将显著提升设备可靠性，但需要通信协议和信号处理技术取得系统性进步。

算力部署：空间与能耗的双重挑战

终端算力的物理限制构成机器人发展的另一大障碍：

• 空间约束：机器人内部结构对高算力芯片的尺寸容纳能力极为有限
• 能源效率：大体积机器人的电池续航与散热系统面临严峻考验
• 平衡需求：必须在有限资源下实现算力、功耗、散热的动态均衡

业界共识认为，解决通信和芯片两大基础技术难题，将成为推动机器人产业向高可靠性、高集成度方向发展的关键突破口。这一进程需要全产业链的协同创新与技术攻关。

具身智能的功耗控制与行业发展现状分析

功耗控制成关键因素
业内专家指出，未来具身智能设备的峰值功耗应当控制在100W以内，平均功耗维持在20-30W区间——这仅相当于几部智能手机的功耗水平。功耗过高将成为制约具身智能技术落地的重要瓶颈。
移动芯片技术在机器人领域的应用前景
专家表示，将手机芯片等低功耗解决方案应用于机器人领域拥有显著潜力。这一技术路线有望突破当前功耗限制，为具身智能的硬件部署提供创新思路。
行业发展面临”黎明前的黑暗”
当前具身智能领域正处于技术爆发前夜，但也面临着发展阶段的特殊挑战。最突出的问题是行业技术路线高度分散，各家企业采用不同的研发方向和实现方案。这种状况虽然带来了活跃的研究氛围，但也导致整体技术进步相对缓慢。
呼吁建立更开放的合作生态
在当前研发阶段，业内专家建议保持开放合作态度。鉴于现阶段研究成果尚不具备实际部署条件，加强技术共享将更有利于推动行业发展。宇树科技最近开源了完整的视频生成世界模型方案，包括模型框架、权重参数、训练数据集以及全部源代码，为行业开放协作树立了典范。这展现了通过开源共享促进技术进步的可行路径。

开源协作与技术创新：机器人产业的未来发展路径

王兴兴表示，当前研发的机器人模型尚未达到可直接应用于工厂或日常生活的成熟度，因此选择开源策略更利于行业共同进步。这一思路与OpenAI早期开源GPT-1、GPT-2的初衷相似——当时大型语言模型的商业化路径尚不明确，需要通过开源生态加速技术迭代。他认为，开源协作能有效推动技术进步，尤其是在机器人这一新兴领域。

技术路线的多元探索

关于业内热议的VLA模型（Vision-Language-Action）与世界模型之辩，王兴兴指出二者均存在大量变体，目前难以断言最优解。其公司将持续保持开放技术路线，既自主开发核心模型，也积极寻求第三方合作。”在人工智能领域必须保持谦卑——总会有更聪明、更开放的团队做出突破性成果。”他强调，技术人员需避免被既有经验束缚，”有时需要跳出历史逻辑，以全新视角应对挑战”。

产业化落地的系统性挑战

实现机器人规模化应用需跨越多重技术门槛：

• 硬件层面：芯片设计、通信协议及算力架构需针对性优化
• 安全体系：随着销量增长，机器人正成为黑客攻击的新目标
• 标准建设：可借鉴手机、新能源汽车等行业成熟经验，建立规范的数据采集与模型训练体系

王兴兴坦言：”这个领域的每个技术环节都可能突然暴露出新问题，绝非单一企业能独自应对。”他以Linux系统为例，指出底层漏洞修复耗费大量开发资源，呼吁更多专业团队加入基础架构安全的建设。这种开放协作的产业生态，被其视为推动行业快速成熟的关键路径。

端侧模型将是Agent系统中最核心的编排者

智能Agent技术的端云协同发展趋势分析

Agent技术作为大模型的重要应用形式，目前主要采用云端部署模式。然而随着技术落地趋势的推进，端云协同架构已成为行业发展的必然选择。面壁智能CEO李大海指出，端云协同方案已被业界广泛认可，能够显著提升用户体验。

端云协同的技术优势

• 云端能力：
• 提供近乎无限的算力资源
• 擅长处理复杂计算任务
• 支持大规模模型部署
• 端侧优势：
• 响应速度快，贴近用户
• 具备“永远在线”特性
• 提供隐私保护机制
• 支持持续的环境感知能力

端侧设备通过持续感知环境、理解基于本地隐私保护的上下文信息，并与云端多个Agent进行任务协调，共同完成复杂功能。这种分工确保了隐私安全与性能表现的平衡。

汽车座舱场景的应用实例

以智能汽车座舱为例，理想的架构应具备：

• 本地部署的强力端侧模型
• 与云端模型的高效协同机制

典型应用场景：当端侧模型检测到后座儿童哭声时，可自动化决策调用云端强大的语言交互模型，提议通过讲故事等方式转移孩子注意力。这一过程中：

• 环境感知完全由端侧完成
• 隐私保护得以自然实现
• 仅按需调用云端能力

该设计避免了云端模型持续监控座舱情况带来的隐私风险。
未来，随着AI技术在各场景的深入应用，端云协同架构将成为平衡性能、隐私与用户体验的关键方案。

端侧模型的战略定位与未来发展趋势

终端侧的AI模型正日益成为智能体(Agent)系统中的核心调度中枢，其在未来AI生态中的地位正获得业界的广泛共识。面壁智能联合创始人李大海先生近期就该领域的战略发展进行了深入解读。

端侧模型的差异化发展路径

与传统云侧模型的发展重点形成鲜明对比，端侧模型的知识密度提升被视为关键发展方向。李大海强调，端侧环境的特殊性决定了其独特的技术演进路线：

• 部署环境多样性：适配各类硬件设备，服务多样化用户场景
• 自主学习能力：需具备基于交互数据的持续迭代优化功能
• 个性化发展：针对不同用户习惯和使用场景进行自适应性调整

值得注意的是，面壁智能提出了知识密度每季度翻倍的明确发展目标，这一指标显著区别于云模型更关注的智能水平提升。

产业链深度协同的创新模式

要实现端侧模型的突破性发展，跨产业链协作不可或缺。李大海特别指出：

• 芯片级合作：与高通等芯片厂商的战略合作可显著提升能效比
• 系统级优化：终端操作系统的深度适配是实现高性能的关键
• 能耗控制：通过联合创新降低运算功耗，延长设备续航

智能体协作机制的演进方向

针对当前多智能体协作(MCP)模式的局限性，李大海认为需要构建更完善的协同体系：

• 安全认证机制：建立基于用户认证的信任框架
• 隐私保护：继承移动互联网时代的安全基础设施
• 新型协作协议：开发AI时代专属的智能体交互标准

由此可见，端侧模型的发展不仅关乎单一技术进步，更涉及芯片-终端-系统-应用的全生态重构，这将是未来AI商业化的关键战场。

Agent的核心是提供服务的能力

Agent技术赋能终端硬件智能化升级

终端硬件作为Agent（智能代理）的物理载体，在AI技术驱动下正经历新一轮变革。智能手机、个人电脑及智能汽车等终端设备因AI Agent的融合应用而焕发出显著的技术活力。

汽车智能化进程加速演进

汽车产业本就处于智能化转型的关键阶段，而Agent技术的引入将这一进程推向更深层次的发展。理想汽车副总裁兼智能空间研发负责人勾晓菲指出：自动驾驶技术已成为行业发展的既定方向，当技术成熟后，车内空间的服务生态将成为车企的核心竞争力。

行业竞争格局重塑

随着基础驾驶功能逐步标准化，差异化服务能力将成为决定市场竞争力的关键要素。车企需重点构建以下能力：

• 智能化座舱交互体验
• 个性化出行服务生态
• 场景化增值服务体系

这一趋势预示着汽车产业将从硬件主导转向软件与服务驱动的新发展阶段。

AI将重构跨终端交互生态：Agent或将成为新一代服务入口

生态割裂现状亟需突破

当前数字终端生态呈现出显著的碎片化特征，各类设备形成独立交互孤岛。PC端依赖鼠标键盘与图形界面组合，移动端则基于触控操作，不同终端间的操作逻辑存在明显区隔。这种割裂状态既降低了用户体验的一致性，也阻碍了数字服务的无缝衔接。

自然语言交互带来统一可能

基于对话的自然语言交互模态正成为AI时代的重要突破口。相较于传统交互方式，语音助手等AI驱动的对话系统具有以下优势：

• 操作逻辑更加符合人类自然交流习惯
• 能够跨越不同终端设备保持体验一致性
• 降低了数字服务的获取门槛

Agent将重定义服务入口

当下业界热议的Agent概念正在重塑服务分发逻辑。正如Windows和Android背后连接着庞大服务生态，未来用户选择Agent的关键考量将是：

• 服务接入的广度与深度
• 场景覆盖的全面性
• 服务调用的便捷程度

以理想汽车的”理想同学”为例，该Agent已实现：

• 完整的车载出行服务整合
• 逐步拓展至生活服务领域（如咖啡订购、代驾服务）
• 跨场景的服务连续性体验

行业展望

未来Agent的竞争本质将是服务生态的竞争。当Agent能够提供足够丰富且优质的服务时，用户选择逻辑将与当前选择操作系统高度相似。这一趋势将推动各行业加快服务整合步伐，构建更具包容性的AI驱动生态体系。

AI Agent生态协同面临标准化挑战

耿增强：跨终端通用AI OS或统一框架是关键突破口
当前AI Agent领域面临的核心挑战已从单纯的服务能力满足，转向更为复杂的系统级协同优化问题。中科创达联合创始人、执行总裁耿增强指出，提升用户体验的关键在于实现Agent应用层、操作系统层与底层硬件架构之间的深度协同。
行业碎片化现象显著

• 底层芯片架构呈现多元化发展趋势
• 操作系统生态存在明显分化现象
• 上层模型框架缺乏统一技术标准

这种碎片化现状导致了严重的资源浪费问题。行业内开发者为适配不同技术组合，不得不投入大量成本进行重复性技术开发，显著制约了AI技术的规模化应用进程。
标准化建设任重道远
耿增强特别强调，当前亟需建立跨终端通用的AI操作系统或统一的Agent开发框架。尽管MCP（多芯片平台）和A2A（应用到底层架构）等解决方案已取得阶段性进展，但距离形成业界广泛认可的技术标准体系尚存在明显差距。
这一标准化进程的滞后，直接影响了AI技术在各类终端设备上的应用效率和用户体验一致性。行业需要加快建立通用技术框架，推动AI生态从碎片化向系统化方向演进。

智能Agent驱动未来跨终端操作系统的发展趋势

未来操作系统发展将呈现全新格局，智能Agent将作为关键纽带，实现跨终端操作系统的整合，并提供无缝流转的智能服务。这一新型操作系统架构将以云端操作系统(Could OS)为核心，各类终端设备作为Agent与其协同工作，跨平台功能主要由Cloud OS实现。

新型操作系统架构特征

• 传统操作系统Linux、Android等在单设备上将转变为虚拟化层
• AI将重构用户界面，催生全新的AI操作系统(AI OS)概念
• 云端与终端协同工作的混合计算架构将成为主流

产业实践与合作模式

业内人士耿增强指出，这一转型需要行业共建与自然演进相结合。部分领先企业已经开始采取行动：

• 中科创达已与高通合作建立了智能汽车创新中心和智能物联网创新中心
• 这些合作平台旨在支持智能汽车和物联网领域的终端厂商及其生态合作伙伴
• 在AI领域，中科创达与火山引擎联合成立理想智能汽车混合AI实验室
• 该合作将云端AI与终端AI整合为混合AI解决方案，经高通平台优化后赋能设备厂商创新

当前产业仍主要聚焦于单设备智能化，但发展趋势明确指向多设备Agent协作阶段。这一转型将重构整个智能设备生态系统的运作模式。