王兴兴乌镇谈未来五大核心资源:数据、算力、芯片、能源与矿

在 2026 年世界互联网大会乌镇峰会的互联网企业家论坛上,宇树科技创始人王兴兴抛出了一个颇具“底层视角”的判断: 未来世界最核心的资源 , 将集中在 数据、算力、芯片产能、能源和矿 这五项上。相比单点技术突破, 他更愿意从资源与供给的角度, 去理解下一阶段的技术竞争。

📌 五项资源, 指向同一个问题

把这五项并列来看,逻辑并不复杂。数据是训练的原料, 算力决定迭代速度, 芯片产能关系到硬件能否规模交付, 能源支撑数据中心与制造体系运转, 而矿产资源则是电机、电池、传感器等实体部件绕不开的起点。

对机器人行业来说,这种“资源清单”尤其贴切。机器人既是软件问题, 也是制造问题: 算法要靠数据和算力喂养, 整机则要靠产能、能源和材料来落地。

🔍“明年或是临界点”

王兴兴还给出一个时间上的判断:大概率明年将是机器人行业或机器人模型的临界点。这句话的分量在于, 它把讨论从“能不能做出来”推向“能不能规模化用起来”。临界点是否真的到来, 仍要看产品成熟度与实际需求, 但方向上, 行业正被推向量产与落地的前夜。

他此前也曾表示,全世界几乎所有人对 AI 的重视程度和信仰都还不够, 包括他自己。这种表述更像是一种自我提醒: 当下对 AI 的投入与预期, 可能仍低估了它重塑产业的速度。

💡 宇树的三条布局线索

在上述大会上, 王兴兴明确了宇树科技未来的三大方向, 可以与“五项资源”的框架相互对照:

• 量产能力: 提升机器人大规模量产水平, 适配未来千万级乃至亿级的市场需求;
• 物理 AI 小模型: 自研与合作并行, 推进适配自身硬件的模型落地;
• 算力底座: 布局超大规模算力集群, 支撑技术持续迭代。

此外, 宇树正在搭建机器人自进化体系,通过“AI 自主研发—仿真训练—真实测试—反馈迭代”的闭环, 替代传统人工调试路径, 以提升算法迭代效率。

📊 值得关注的几个看点

• 资源视角意味着竞争不再只在算法层, 硬件供给能力将直接影响节奏;
• “临界点”若成立, 验证标准应是稳定交付与真实场景复购, 而非单次展示;
• 自进化闭环能否真正降低调试成本, 是模型迭代效率的关键变量。

🚀 总结

王兴兴的预测,本质上是把 AI 与机器人的竞争拉回到资源与工程能力上。数据、算力、芯片、能源和矿, 构成了未来技术竞赛的底座; 而“明年或是临界点”的判断, 则需要交给市场与产品去验证。对行业而言, 真正值得跟踪的, 是这些资源如何被组织成可持续的交付能力。