问题——机器人“更快”与“更聪明”的双重关口亟待跨越；王兴兴论坛发言中提出，机器人运动控制正进入突破窗口期，全球范围内部分机器人百米冲刺成绩有望在今年年中前后实现“10秒内”的跨越。与速度提升相伴的是更高层级的挑战：机器人不仅要在标准环境中跑得快，更要在复杂、动态、不可预期的现实场景中稳定行动、精准决策，这构成具身智能走向规模化应用的关键门槛。 原因——软硬件协同推动“速度突破”，但“智能跃迁”仍受三重制约。业内普遍认为，机器人速度与稳定性提升，离不开动力系统、运动控制算法与结构材料的综合进步。王兴兴表示，我国在运动控制领域已积累较强研发能力，有关团队正通过动力系统优化与算法模型迭代，加速突破物理性能边界。，具身智能要实现真正的能力跃迁，仍面临三上瓶颈：其一，现有模型复杂场景下的泛化与迁移能力不足，易出现“见过能做、没见过就不稳”的问题；其二，面向真实世界任务的高质量数据集供给不足，数据采集与标注成本高、覆盖面有限；其三，强化学习等方法的规模效应尚未充分释放，训练成本、算力消耗与仿真到现实的差距仍需继续缩小。基于对技术演进规律的判断，他预计具身智能要达到类似语言大模型那样的“质变时刻”，仍需约2至3年集中攻关。 影响——竞速突破将带动产业认知更新，也将加速应用边界重塑。机器人“跑进10秒”不仅是技术展示，更可能引发产业链对性能标准、可靠性指标与场景适配能力的重新评估。一上，运动能力提升意味着巡检、安防、应急救援、物流搬运等需要快速机动的场景中，机器人可承担更高强度任务，提升作业效率并降低人员风险。另一上，运动能力越强，对控制精度、能耗管理与安全机制要求越高，相关标准体系、测试验证与监管框架也将面临同步升级的现实需求。更重要的是，当运动能力与感知、规划、交互等能力形成合力，具身智能将从“单点能力”走向“系统能力”，对制造业升级、服务业提质以及新型人机协作模式形成带动效应。 对策——以数据、仿真与多模态为抓手，推动“能跑”迈向“能干”。针对上述瓶颈，王兴兴提到，产业界已形成较明确的路线图：一是推进多模态感知融合，让机器人更好理解环境与任务意图，实现视觉、触觉、力觉等信息的统一建模与实时反馈；二是加快高可信仿真环境构建，通过“仿真训练—现实验证—再迭代”的闭环，降低训练成本并提升安全性；三是完善数据体系建设，探索标准化数据采集、合成数据与真实数据协同、面向任务的评测基准等机制，提升数据可得性与可复用性；四是推动软硬件一体化设计，在算法、控制器、伺服系统、结构材料之间形成协同优化，减少系统耦合带来的不确定性。与此同时，面向规模化应用，还需加强质量与安全标准、关键零部件可靠性验证体系建设，提升全生命周期的可维护性与可追溯性。 前景——国内制造与供应链优势为商业化落地提供支撑，但竞争将聚焦“系统工程能力”。王兴兴强调，我国在机器人硬件制造领域具备较强基础，随着新型伺服电机、轻量化材料等核心部件国产化进程加快，国内企业正逐步形成从算法研发到硬件集成的完整链条。该优势有利于降低成本、加快迭代，并在应用侧开展更多规模化试点。展望未来，具身智能竞争的关键将不止于单项指标领先，而在于系统工程能力：能否将感知、决策、控制与安全机制整合为稳定可靠的产品，能否在真实场景中持续学习、持续更新，并形成可复制的解决方案。随着技术路线逐渐清晰、产业协同持续深化，具身智能有望在未来两到三年迎来关键性突破窗口，并在部分行业率先实现从示范应用到规模部署的跨越。
机器人跑得更快，是工程能力的量变积累；机器人体会环境、理解任务并可靠执行，是系统创新的质变跨越；面向未来，既要保持对前沿指标的追求，也要把更多精力投向数据、标准、安全与产业协同等“地基工程”。唯有以长期主义推进软硬一体化创新，才能把技术突破转化为可持续的产业竞争力与社会价值。