一年几万台,要跳到几千万台:王兴兴指的那道坎,在售后不在产线
「我们现在一年可能就生产几万台机器人,但未来如果一下子要生产几百万台、几千万台,挑战依旧非常大。」这句话的重心不在产能,在它后面那串词:生产制造、产品可靠性、售后服务体系。从几万到几千万是三个数量级的跳跃,而服务工程师的人数不可能跟着跳一千倍。
- 场合:2026 年 APEC 工商领导人峰会 11 月 17 日至 18 日在深圳举行,宇树科技董事长兼 CEO 王兴兴在「共建开放普惠的人工智能创新生态」研讨环节发言。
- 原话:「我们现在一年可能就生产几万台机器人,但未来如果一下子要生产几百万台、几千万台,挑战依旧非常大。」(澎湃新闻现场稿)
- 他认为的首要痛点:模型泛化能力不足——「机器人更换应用场景往往需要重新训练」,难以一台设备适配各类家庭与工作环境;同时判断全球技术演进已接近突破临界点。
- 他自己列的三道压力:若需求从数万台暴涨到数百万、数千万级,生产制造、产品可靠性、售后服务体系都会承压;此外还有算力需求暴增与使用安全。
- 判断一:几万台到几千万台是一千倍。产能可以靠产线扩,售后不能靠人头扩——这道坎的真实解法是远程诊断、自诊断与模块化换件,而不是多建工厂。
- 判断二:「换场景就要重训」这句话,直接反驳了「通用模型会消灭集成商」的叙事:只要重训还在,现场工程能力就还是一门必需生意。而模型突破不会缓解售后压力,只会让它提前到来——模型越好,客户越敢把它放到没人看着的地方。
APEC 工商领导人峰会在深圳开了两天,机器人是高频词之一。但真正有信息量的不是「看好行业」这类表态,是王兴兴给出的那一组数量级。
他的原话是:我们现在一年可能就生产几万台机器人,但未来如果一下子要生产几百万台、几千万台,挑战依旧非常大。
同一场里他还说了另一句:行业首要痛点是模型泛化能力不足,机器人更换应用场景往往需要重新训练,难以实现一台设备适配各类家庭与工作环境。
这两句话放在一起看,指向的其实不是同一件事——一句讲规模,一句讲适配。而这两件事恰好构成了当下具身智能商业化的两端。
从「几万台」到「几千万台」,中间是一千倍。
一千倍的产能,历史上是有解的:汽车行业用平台化加代工解决了,手机行业用模块化加全球供应链解决了。产线可以复制,模具可以复制,SOP 可以复制。
一千倍的售后,历史上从来没有被解决过——因为售后的基本单位是「人·小时」,而人不会因为订单涨了一千倍就多出一千倍。
把这件事算成钱,量级就清楚了。假设一台机器人的年故障率落在 5% 这个量级(这是本文设定的示意参数,行业无统一基准),那么在「几万台」的阶段,一年的上门服务是几千次;到了「几千万台」,就是几百万次。按每次 2 人时、800 元计,前者是几百万元的年度服务成本,后者是几十亿元。
这道算术说明的是:售后不是「多招人」能解决的问题,因为招人的速度上限是个位数百分比,而订单的增长可以是三个数量级。唯一的出路是让每一次「上门」变成不需要上门——远程诊断定位、模块化换件让客户自己换、自诊断把故障在发生前报出来。
过去两年行业里有一个流行的推论:通用大模型一旦收敛,中间那层做二次开发、做场景适配的集成商会消失,客户直接买「一个什么都能干的机器人」。
王兴兴这句话给的是相反的判断:机器人更换应用场景往往需要重新训练。
「重新训练」不等于「重新编程」,它意味着要重新采数据、重新标定、重新验证——这是一段需要人、需要现场、需要时间的工程过程。只要这段过程还在,场景适配就还是一门手艺活,而不是一次软件下载。
而且这件事有一个很现实的推论:模型的泛化能力越强,重训的边际成本越低,但不会归零。因为泛化解决的是「没见过的东西大概认识」,解决不了「这台机器在这个场地、这套工装、这条工艺节拍下必须稳定跑 8 小时」。
王兴兴说全球技术演进已接近突破临界点,还提醒即便模型突破,产业链仍要面对算力暴增与使用安全的问题。
这里有一个反直觉的因果关系值得拆开:模型能力提升,通常被理解为「降低了落地难度」;但在售后维度上,它其实是提前引爆了风险。
原因很简单:模型弱的时候,机器人必须放在有人看着的地方,旁边永远站着一个操作员,故障会被人在几秒内接管。模型一旦强到「可以独立跑完一段流程」,客户的第一反应就是把那个人撤掉——从「一人一机」变成「一人五机」,再变成「无人值守」。
人一撤,故障的发现者就从「旁边的操作员」变成「巡检的保安」或者「下一班的同事」。发现延迟从秒级变成小时级,处置成本从「按一下急停」变成「停线加排查」。
这就是为什么模型能力和服务体系必须同步升级。前者决定机器人能走多远,后者决定它走远之后坏了谁去救。
澎湃的现场稿里还记了两组对话,都值得抄下来。
一组是董明珠对优必选周剑说:以前我们不认识,今天借这个平台认识了,你需要什么部件,我们就提供什么部件。
另一组是曾毓群问李彦宏:现在模型已经足够好了,还是我们需要更多科研 AI。
第一组说明的是供应链的位置:零部件巨头开始主动向整机厂伸手。这对整机厂短期是好事——供给变多、价格往下走;中长期是坏事——当零部件可以被任何一家买到,整机厂的差异化就只剩下结构设计、软件和场景。
第二组说明的是另一层焦虑:模型到底够不够用。李彦宏的回答是「AI 擅长解决问题,但更关键的是提出问题、验证问题」。把这句放回机器人语境,就是王兴兴说的那件事——模型能执行,但不知道什么时候该停、该问、该拒绝。
王兴兴自己还有一句话,是对行业内卷的提醒:呼吁把目光放到未来的产业规模,而不是当下的市场份额,「不能只看眼前」。
如果接受「售后是那道坎」这个前提,那么接下来三年,做集成与交付的公司应该盯的不是机器人参数,是三件事:
第一,故障能不能在客户发现之前被发现。远程看得到电流、温度、关节误差、视觉置信度,就能做预测性维护;看不到,就只能等客户打电话。这一项决定了你是服务商还是维修队。
第二,坏了的部件,客户自己能不能换。模块化的程度,直接决定单次故障的停机时长。这条在文旅、商演这类「停机就是损失」的场景里,比精度重要得多。
第三,一个场景的重训,能不能压到一周以内。这是定制业务毛利的分水岭。两周以内还能按项目报价,超过一个月就只能按人天报价,而按人天报价的生意做不大。
王兴兴没给这三件事的答案,他给的是那道坎的位置。知道坎在哪,比知道怎么跨过去更值钱——因为大部分公司现在还在讨论产能。