王兴兴把时间表越收越紧。2026年8月世界机器人大会上，他的判断还是快则两到三年、慢则五到十年；10月工博会和世界物理AI大会期间，口径缩短到一至两年；11月4日乌镇峰会，他直接给出2027年很大概率成为机器人行业或机器人模型发展临界点。同一场合他还提到，具身智能的“ChatGPT时刻”意味着机器人能在约80%的陌生场景中、按语音或文字指令完成约80%的任务。
时间表压缩本身值得追问。一位创始人连续三次调整预期，可能是技术进展提速，也可能是竞争窗口下的叙事管理。他自己给过一个注脚：过去十几年最大的错误是对AI相信不够。这句话解释了为何宇树要在硬件利润尚可的时候把资源压向大模型，但也提醒外界，这套判断带有强烈的创始人信念色彩，不能自动等同于行业共识。
支持临界点方向成立的证据，集中在“大脑”一侧。国金证券（600109）研报披露，GPT-6 Astra在50个episode中成功49个、成功率98%，而单π0.5模型仅36%；其结论是通用大模型可充当机器人的System2慢思考大脑，长期制约行业的“大脑不行”问题出现拐点。产业架构也在收敛为“通用推理+专用操作”的混合路线：大模型做顶层认知，具身模型做物理执行。数据缺口的方向同样清楚——2026年初全球高质量真实物理交互数据存量约50万小时，而通用具身模型训练至少需要1000万小时级，存量不足需求的5%。瓶颈不只是算力，更是带触觉的真实交互数据。
但这些证据都有明确的边界。基准评测领先不等于真机长程任务能力，测试条件、任务分布和独立性仍待披露；50万小时与1000万小时的口径边界也尚待核实。方向性证据能说明“该往哪走”，还不足以说明“2027年能走到”。
反证同样硬。京东（JD）集团技术委员会主席曹鹏在乌镇直言，行业仍面临高质量训练数据稀缺、技术路线尚未收敛、样机演示难以转化为规模化商业落地等多重难题。宇树自己的财报就是注脚：三季度营收6.65亿元、同比增长69.93%，归母净利润1.13亿元、同比下降17.37%，研发投入1.27亿元、同比增长249.58%。增收不增利，说明整机厂仍在用硬件利润换物理AI的时间窗口。数据侧，2500小时真机数据放在千万小时级缺口前只是零头，利用率偏低的问题没有解决；技术路线上，各家模型架构、数据体系、控制方案差异仍大。王兴兴本人也说过，宇树自研机器人大模型成功概率不到50%。数据确权（886023）、授权、合规与定价机制尚未落地，则决定了数据能否从内部工序变成可外部采购的要素。
即便临界点成立，也不等于规模商用。曹鹏的判断是商业B端机器人有望未来3到5年规模化部署，家政家庭机器人可能需要8到10年。王兴兴的2027年指向行业或模型发展节点，与大规模商业落地是两个坐标。智驾领域L3和L4被判断2028年迎引爆点、2030年规模化，可作为物理AI节奏的外部参照，但技术栈、法规与场景差异太大，不能直接类比。
所以真正该问的不是“2027年是不是临界点”，而是“哪些证据出现后，这个判断才算被验证”。可跟踪的变量至少五组：真机长程任务成功率是否有公开、可复现的披露，尤其是跨场景而非固定工位；机器人整机厂量产爬坡与数据预算是否同步放大；数据采集设备厂商的付费订单、交付与复购能否形成连续记录；通用具身智能技术路线是否出现收敛信号，比如混合架构成为多数厂商的默认选择；数据确权（886023）流通定价细则是否落地。
这五组变量里，前三组决定“能不能干”，后两组决定“值不值得投”。在它们给出连续验证之前，2027临界点更适合被当作一个可证伪假设，而不是既定事实。市场交易预期没有错，但预期与兑现之间，需要一张能被打勾或打叉的清单。
时间表压缩本身值得追问。一位创始人连续三次调整预期，可能是技术进展提速，也可能是竞争窗口下的叙事管理。他自己给过一个注脚：过去十几年最大的错误是对AI相信不够。这句话解释了为何宇树要在硬件利润尚可的时候把资源压向大模型，但也提醒外界，这套判断带有强烈的创始人信念色彩，不能自动等同于行业共识。
支持临界点方向成立的证据，集中在“大脑”一侧。国金证券（600109）研报披露，GPT-6 Astra在50个episode中成功49个、成功率98%，而单π0.5模型仅36%；其结论是通用大模型可充当机器人的System2慢思考大脑，长期制约行业的“大脑不行”问题出现拐点。产业架构也在收敛为“通用推理+专用操作”的混合路线：大模型做顶层认知，具身模型做物理执行。数据缺口的方向同样清楚——2026年初全球高质量真实物理交互数据存量约50万小时，而通用具身模型训练至少需要1000万小时级，存量不足需求的5%。瓶颈不只是算力，更是带触觉的真实交互数据。
但这些证据都有明确的边界。基准评测领先不等于真机长程任务能力，测试条件、任务分布和独立性仍待披露；50万小时与1000万小时的口径边界也尚待核实。方向性证据能说明“该往哪走”，还不足以说明“2027年能走到”。
反证同样硬。京东（JD）集团技术委员会主席曹鹏在乌镇直言，行业仍面临高质量训练数据稀缺、技术路线尚未收敛、样机演示难以转化为规模化商业落地等多重难题。宇树自己的财报就是注脚：三季度营收6.65亿元、同比增长69.93%，归母净利润1.13亿元、同比下降17.37%，研发投入1.27亿元、同比增长249.58%。增收不增利，说明整机厂仍在用硬件利润换物理AI的时间窗口。数据侧，2500小时真机数据放在千万小时级缺口前只是零头，利用率偏低的问题没有解决；技术路线上，各家模型架构、数据体系、控制方案差异仍大。王兴兴本人也说过，宇树自研机器人大模型成功概率不到50%。数据确权（886023）、授权、合规与定价机制尚未落地，则决定了数据能否从内部工序变成可外部采购的要素。
即便临界点成立，也不等于规模商用。曹鹏的判断是商业B端机器人有望未来3到5年规模化部署，家政家庭机器人可能需要8到10年。王兴兴的2027年指向行业或模型发展节点，与大规模商业落地是两个坐标。智驾领域L3和L4被判断2028年迎引爆点、2030年规模化，可作为物理AI节奏的外部参照，但技术栈、法规与场景差异太大，不能直接类比。
所以真正该问的不是“2027年是不是临界点”，而是“哪些证据出现后，这个判断才算被验证”。可跟踪的变量至少五组：真机长程任务成功率是否有公开、可复现的披露，尤其是跨场景而非固定工位；机器人整机厂量产爬坡与数据预算是否同步放大；数据采集设备厂商的付费订单、交付与复购能否形成连续记录；通用具身智能技术路线是否出现收敛信号，比如混合架构成为多数厂商的默认选择；数据确权（886023）流通定价细则是否落地。
这五组变量里，前三组决定“能不能干”，后两组决定“值不值得投”。在它们给出连续验证之前，2027临界点更适合被当作一个可证伪假设，而不是既定事实。市场交易预期没有错，但预期与兑现之间，需要一张能被打勾或打叉的清单。
