宇树科技王兴兴认为：人形机器人产业核心矛盾已从硬件参数比拼转向算法（具身智能泛化）不足。硬件性能已阶段性过剩，真正的产业爆发门槛是机器人能在陌生环境仅凭语言指令稳定完成80%日常任务。此判断对市场过度炒作硬件形成纠偏，若成立，投资逻辑将重构：硬件重心转向降本与供应链，算法与世界模型才是价值高地。

世界模型简单来说，它就像是给AI安装了一个“物理世界模拟器”。当前的大语言模型（如ChatGPT）是在文字世界里训练的，懂逻辑但不懂物理规律。而世界模型旨在让AI通过观看海量视频（包括人类操作、物理交互等），理解和预测物理世界的因果规律和动态变化。
为什么它对人形机器人至关重要？
解决“想象”与“现实”的脱节：大模型知道“把杯子放到桌上”的步骤，但在真实世界执行时，可能会因为桌上有水渍、杯子太滑而失败。世界模型能让机器人在行动前，像人类一样在脑中“预演”动作，预测可能发生的情况并规避风险。

王兴兴长期看好基于视频生成的世界模型，认为其“天花板高很多”，更符合人类想象与执行的行为逻辑。因为人类也是通过观察世界来学习如何行动的，这是突破泛化能力瓶颈的关键路径。
极高综合门槛：“80%日常任务成功率”。需要感知、推理、动作三层泛化同时落地（如识别新物体、理解“收拾客厅”隐含意图、陌生空间自主规划运动）。目前顶尖实验室在完全开放家居环境也难以稳定实现。
硬件-算法跷跷板，旧叙事：卡脖子在硬件。新判断：硬件性能阶段性过剩，算法泛化才是最大瓶颈。宇树通过自研硬件和量产已证明硬件工程可行性。
硬件端竞争主线从“堆性能”切换为成本优化与供应链稳定性。软件端具身智能、世界模型是价值核心。
前提是世界模型等大模型能力有效外溢，常识推理顺利迁移到物理世界因果推理。若世界模型迭代不及预期，物理因果推理迁移困难，则更可能兑现此情景。

此前热点高度集中在减速器、丝杠等硬件供应链。但硬件是基础设施，不等于爆发拐点。真正拐点信号是整机厂商大规模采购仿真平台、机器人数据标注、具身训练服务，而非单纯硬件扩产。
样机表演能力不等于通用实用能力，硬件全国产化不等于大规模商用，具身泛化能力突破才是关键。