8月20日上午，2026世界机器人大会“应用牵引”主论坛在北京亦庄开幕。宇树科技创始人、董事长王兴兴作为首位演讲嘉宾登台，发表了题为《从展品到产品：人形机器人产业的下一个十年》的主题演讲。

王兴兴在演讲中系统回顾了宇树科技近十年的发展历程，并首次以上市公司董事长身份对外阐述了其对行业前景的核心判断。他指出，当前全球人形机器人领域最大的发展瓶颈仍然是具身智能的泛化能力不足。所谓泛化能力，即机器人在面对陌生环境、新任务或物品位置发生微小变化时，能否无需重新训练便自主完成任务。王兴兴举例说明，当前多数AI模型在固定场景中经过充足数据采集和专项训练后，任务成功率可以接近100%，但只要更换操作物品或稍微改变环境，成功率就会出现大幅下降。

关于业界普遍关注的“具身智能ChatGPT时刻”何时到来，王兴兴给出了一个相对审慎的时间表：快则2到3年，慢则5到10年，行业有望迎来关键突破。他进一步定义了产业爆发的临界点——当一台机器人可以被带入任意陌生的家庭环境，仅依靠语音或语言指令就能自主完成80%左右的日常任务时，就意味着具身智能实现了实质性突破，通用机器人产业也将随之迎来爆发。在此之前，他认为行业仍需跨越从“能做动作”到“真正干活”的“最后几厘米”。

市场热情“泼冷水”

王兴兴的演讲时间与资本市场形成了微妙的共振。8月19日，宇树科技以150.80元/股的发行价登陆上海证券交易所科创板，开盘价飙升至1100元/股，较发行价上涨629.44%，成为2026年以来新股发行首日开盘涨幅最高的个股。然而，8月20日演讲结束后，市场热情迅速冷却，截至中午宇树股价已下跌16.05%。

这一股价波动与王兴兴在演讲中释放的谨慎信号直接相关。当被问及为何宇树机器人尚未在工厂和家庭场景大规模推广时，他直言不讳地表示：“最主要原因就是，目前效率和泛用能力还是不够高。”他承认，尽管宇树机器人自2024年起已与多家汽车制造商开展产线级合作，并在自有工厂内部署测试，但相较人工效率仍有明显差距，遇到新任务时往往还需要重新训练，导致综合效率偏低。

技术瓶颈与资本考量

在公司上市次日的节点上，王兴兴选择公开强调行业短板，这一看似矛盾的姿态背后有着多重逻辑。

从技术层面看，王兴兴的审慎源于对产业真实进展的清醒认知。他在演讲中详细解释了机器人“最后几厘米”的困境：模型判断的位置看似正确，机器人也走到了目标跟前，但到了最后几厘米、几毫米，现实世界里的一点点偏差就可能导致整个动作失败。桌子位置偏了一点、物品角度变了一点、机械臂伸出时产生了一点误差，对人类而言几乎无需思考便能自然调整，但对机器人来说却可能意味着任务中断。这种“AI模型的输入和输出对齐程度不够”的问题，正是当前具身智能从实验室走向工厂的核心障碍。

从资本市场层面看，宇树科技上市首日的暴涨本身就蕴含着巨大的估值压力。其发行价对应2025年扣非后摊薄市盈率高达219.23倍，远超科创板同行业平均水平，发行公告已明确提示未来股价下跌风险。作为行业标杆企业，宇树的股价表现不仅关乎自身，更被券商视为具身智能行业的“定价锚”，将直接影响后续30至50家筹备上市的机器人企业的融资环境。

王兴兴的表态延续了他一贯的技术派审慎风格。他在2025年世界机器人大会上就曾公开批评当时热门的VLA模型并非最优架构，此次对行业短板的直言，与过往立场一脉相承。

应用场景：工业与商业超七成

尽管王兴兴对大规模推广持谨慎态度，但全球人形机器人的商业化进程已在特定场景中加速落地。据美国研究机构Smart Analytics Global（SAG）发布的最新数据，2026年上半年全球人形机器人总出货量约为1.91万台，较2025年同期的5100台同比增长272%，其中中国厂商合计拿下全球超97%的出货份额。从应用场景来看，工业制造与物流仓储等商用领域已成为核心驱动力，相关应用占比突破70%，较2025年同期的约50%大幅提升。

在具体厂商格局中，智元机器人以8400台出货量占据全球44%的市场份额，宇树科技以约5900台出货量占比31%紧随其后，两家企业合计贡献全球近75%的出货量。

（全球人形机器人出货量和厂商份额）

这些机器人主要被部署于汽车制造产线、仓储物流分拣、变电站巡检、化工及核电站等危险作业替代场景。以银河通用为例，其人形机器人智慧药房解决方案已在数十个城市部署超百家即时零售仓，实现7×24小时自主取药、打包、出仓；节卡机器人则依托华域电动百万级电机量产产线完成长期实景验证，实现新能源电机长程连续无人闭环生产。

从产业路线图来看，近期2026年至2027年可规模验证的场景集中于环境高度结构化、任务重复性强的领域，如汽车制造、仓储物流和特定危险作业替代，其投资回报率模型相对清晰。中期2027年至2028年需要深耕的场景则包括技术难度更高但市场空间更大的3C电子精密装配，以及在老龄化社会具有强烈政策驱动属性的医疗辅助护理。教育科研和数据采集目前仍是行业出货的重要组成，但已逐步让位于真正的商业化应用。