人形機(jī)器人在單一任務(wù)的泛化能力方面取得較好進(jìn)展，但是多任務(wù)、跨任務(wù)的泛化能力仍然相對(duì)較弱，影響人形機(jī)器人落地應(yīng)用場景表現(xiàn)

文｜周源

編輯｜謝麗容

在剛剛落幕的2025年度世界人工智能大會(huì)上（下稱“WAIC”）上，具身智能機(jī)器人展廳人氣最火爆，滿地跑的機(jī)器狗、形態(tài)各異的機(jī)器人引來觀眾駐足。

據(jù)介紹，本屆WAIC上共有超150臺(tái)人形機(jī)器人同臺(tái)競技，是國內(nèi)人形機(jī)器人有史以來最大規(guī)模的一次集體展出。且不同于去年機(jī)器人多偏向于靜態(tài)陳列，今年展出的機(jī)器人都主打展示在真實(shí)場景里干活的能力。

智元機(jī)器人展臺(tái)面積達(dá)300平方米，也是本次參會(huì)具身智能企業(yè)中的最大展臺(tái)。該公司在展臺(tái)設(shè)立了工業(yè)物流、商業(yè)服務(wù)、家居、科研教育、文娛表演等五大商業(yè)場景，“指派”不同的機(jī)器人秀實(shí)力：作為主打交互服務(wù)的通用人形機(jī)器人遠(yuǎn)征 A2 負(fù)責(zé)展臺(tái)講解，全程自主導(dǎo)覽無人工參與；精靈 G1 則化身展臺(tái)“全能助手”為觀眾遞物品、蓋紀(jì)念章；另一款機(jī)器人遠(yuǎn)征 A2-W 在勤奮地進(jìn)行拆垛搬運(yùn)作業(yè)，精準(zhǔn)抓取不同規(guī)格的周轉(zhuǎn)箱。

銀河通用搭建了 1:1 還原的真實(shí)商超場景，由銀河通用機(jī)器人Galbot 進(jìn)行全天候值守。

星動(dòng)紀(jì)元模擬物流倉儲(chǔ)場景，展示機(jī)器人進(jìn)行智能分揀、掃碼、服務(wù)等“真干活”的能力。

高盛研究預(yù)測，到2035年，全球人形機(jī)器人市場規(guī)模有望達(dá)到1540億美元，更樂觀的假設(shè)是，市場規(guī)?？赡苓_(dá)到2050億美元。摩根士丹利在研報(bào)中稱，中國作為全球最大的機(jī)器人市場和制造中心，2024年機(jī)器人市場規(guī)模已達(dá)470億美元，占全球總量的40%，預(yù)計(jì)到2028年將增至1080億美元，年復(fù)合增長率達(dá)23%。

中信智庫7月27日在WAIC上發(fā)布《AI新紀(jì)元：砥礪開疆?智火燎原》AI+產(chǎn)業(yè)發(fā)展深度研究報(bào)告。報(bào)告指出，目前機(jī)器人大模型訓(xùn)練方式已經(jīng)開始向端到端大模型+世界模型（物理規(guī)則建模）發(fā)展，同時(shí)模態(tài)能力也越來越豐富，但受制于機(jī)器人“大腦”泛化能力有限、數(shù)據(jù)集獲取難度高、結(jié)構(gòu)設(shè)計(jì)待優(yōu)化、供應(yīng)鏈成本居高不下等痛點(diǎn)，人形機(jī)器人短期內(nèi)仍難以實(shí)現(xiàn)大規(guī)模商用。

為什么是人形機(jī)器人

人形機(jī)器人被普遍認(rèn)為是 AI 最有前景的落地方向之一，未來在工業(yè)、商業(yè)、家庭、外太空探索等領(lǐng)域具有廣闊應(yīng)用場景，將人類從低級(jí)和高危行業(yè)中解放出來，提升人類生產(chǎn)力水平和工作效率。

需要指出的是，人形機(jī)器人只是具身智能的一種典型載體，但具身智能的范疇遠(yuǎn)不止于人形機(jī)器人。具身智能核心在于 “通過身體與環(huán)境的動(dòng)態(tài)交互產(chǎn)生智能”，而 “身體” 的形態(tài)可以是多樣的，只要具備感知、行動(dòng)能力并能與環(huán)境互動(dòng)，都可成為具身智能的載體。

中信智庫在報(bào)告中指出，采用人形設(shè)計(jì)出于多種因素考量。

其一，更能適應(yīng)環(huán)境?，F(xiàn)實(shí)中許多場景，如樓梯、工具等均是根據(jù)人體工學(xué)設(shè)計(jì)的，機(jī)器人如果是人形就能夠在這些場景中直接應(yīng)用。

其二，更好的任務(wù)通用性。人體具備較高靈活度， 模仿人類的關(guān)節(jié)、感官系統(tǒng)可讓人形機(jī)器人更加靈活，可執(zhí)行多樣化任務(wù)。

其三，類人外觀降低人機(jī)交互的心理隔閡，與其他類型相比，未來人形機(jī)器人在情感溝通上面臨的壁壘更低。

其四，數(shù)據(jù)可得性更高。深度仿生意味著可以從人身動(dòng)作中獲取大量的運(yùn)動(dòng)數(shù)據(jù)，能夠明顯降低深度強(qiáng)化學(xué)習(xí)等訓(xùn)練方法的難度和所需的訓(xùn)練時(shí)間。

特斯拉人形機(jī)器人Optimus堅(jiān)持仿人結(jié)構(gòu)。Optimus 機(jī)器人身高1.73米，在執(zhí)行器連接中使用模仿肌腱的彈簧設(shè)計(jì)，手部形態(tài)上模仿人類手掌，從而實(shí)現(xiàn)高靈敏度以抓取重物和輕薄物體。

根據(jù)特斯拉在今年1月公布的規(guī)劃，Optimus計(jì)劃在2025年量產(chǎn)數(shù)千臺(tái)，并在特斯拉工廠進(jìn)行初步測試；2026年量產(chǎn)5萬-10萬臺(tái)，2027年再增加10倍。

今年初開始，車廠紛紛入局人形機(jī)器人成為一大趨勢(shì)?！敦?cái)經(jīng)》根據(jù)官方公告不完全統(tǒng)計(jì)得出，當(dāng)前國內(nèi)已有廣汽、上汽、比亞迪、小鵬、奇瑞、小米等15家車企，以及華為、地平線、禾賽科技等供應(yīng)鏈企業(yè)，相繼投入人形機(jī)器人賽道。在海外，特斯拉、寶馬、奔馳、本田、豐田、現(xiàn)代等6家車企也提出了自己的人形機(jī)器人思路。全球主流車企基本已入局人形機(jī)器人賽道（相關(guān)報(bào)道見）。

在國內(nèi)，人形機(jī)器人也成為今年資本市場熱度最高的領(lǐng)域之一。7月18日，中國證監(jiān)會(huì)官網(wǎng)信息顯示，宇樹科技開啟上市輔導(dǎo)，估值超120億元。宇樹科技成立于2016年，研究機(jī)器狗起家，2023年開始發(fā)布人形機(jī)器人產(chǎn)品，是國內(nèi)最受關(guān)注的人形機(jī)器人創(chuàng)業(yè)公司之一。人形機(jī)器人公司它石智航已經(jīng)開啟第三輪融資。今年3月，機(jī)器人公司維他動(dòng)力宣布完成2億元融資，這家公司成立100天，已經(jīng)完成兩輪融資。

按照估值，目前中國人形機(jī)器人創(chuàng)業(yè)公司已經(jīng)形成了鮮明的梯隊(duì)，第一梯隊(duì)的公司有三家：宇樹科技、智元機(jī)器人和銀河通用，估值均超過70億元。第二梯隊(duì)的公司則包括它石智航、自變量機(jī)器人、逐際動(dòng)力、千尋智能等十多家，估值在20億元-50億元之間。

商用難點(diǎn)

盡管人形機(jī)器人行業(yè)熱度高漲，但仍然面臨著短期內(nèi)難以大規(guī)模商用的行業(yè)難題，中信智庫在報(bào)告中指出，阻力主要來自以下四個(gè)方面。

首先，機(jī)器人“大腦”，即具身智能機(jī)器人大模型泛化能力有限，導(dǎo)致當(dāng)前應(yīng)用場景受限。

具身智能大模型指通過海量多模態(tài)數(shù)據(jù)（視覺、語言、動(dòng)作）預(yù)訓(xùn)練，具備環(huán)境感知→任務(wù)理解→動(dòng)作生成能力的通用智能體模型，逐步實(shí)現(xiàn)從“單一指令執(zhí)行”到“自主決策演進(jìn)”的躍遷，其核心是讓機(jī)器人像人類一 樣“看懂世界，聽懂指令，做出行動(dòng)”，在工業(yè)、醫(yī)療、家庭服務(wù)等場景推動(dòng)智能化升級(jí)。

中信智庫認(rèn)為，機(jī)器人大模型大致可以參照自動(dòng)駕駛的技術(shù)發(fā)展，也劃分為 L1-L5 階段。目前處于L4 階段，該階段特點(diǎn)是實(shí)現(xiàn)真實(shí)交互反饋，代表模型為谷歌DeepMind于今年3月推出的Gemini Robotics，實(shí)現(xiàn)了視覺-語言-動(dòng)作（VLA）三模態(tài)深度融合，具備極強(qiáng)的空間推理。

目前具身智能大模型快速迭代，但仍面臨數(shù)據(jù)集不夠、思考跟不上運(yùn)動(dòng)、缺乏生態(tài)等主要痛點(diǎn)，從效果上看，人形機(jī)器人在單一任務(wù)的泛化能力方面取得較好進(jìn)展，但是多任務(wù)、跨任務(wù)的泛化能力仍然相對(duì)較弱，影響人形機(jī)器人落地應(yīng)用場景表現(xiàn)。

數(shù)據(jù)是具身智能的“認(rèn)知基石”，目前通用機(jī)器人大模型所需數(shù)據(jù)量極為龐大、且數(shù)據(jù)獲取難度高，導(dǎo)致短期內(nèi)通用機(jī)器人難以采集足夠數(shù)量的真機(jī)數(shù)據(jù)用于大模型訓(xùn)練。

與語言大模型可以直接學(xué)習(xí)大量互聯(lián)網(wǎng)、書籍知識(shí)不同，僅靠觀看互聯(lián)網(wǎng)視頻或者人類動(dòng)作視頻是很難快速提高機(jī)器人的運(yùn)動(dòng)和規(guī)劃能力。

物理AI仿真系統(tǒng)開發(fā)商松應(yīng)科技首席執(zhí)行官聶凱旋告訴《財(cái)經(jīng)》，人形機(jī)器人則需要在真實(shí)物理環(huán)境中進(jìn)行大量交互操作的數(shù)據(jù)來訓(xùn)練其決策和行動(dòng)能力，物理世界操作數(shù)據(jù)的短缺限制了人形機(jī)器人的發(fā)展。

機(jī)器人結(jié)構(gòu)設(shè)計(jì)仍需優(yōu)化，零部件可靠性、電池續(xù)航等問題亟待解決。

2025 年 4 月，2025 北京亦莊人機(jī)共跑半程馬拉松在北京南海子公園開跑。半馬挑戰(zhàn)機(jī)器人綜合性能，是對(duì)其關(guān)節(jié)結(jié)構(gòu)設(shè)計(jì)、熱管理、 電池續(xù)航、控制算法、通信干擾、軟硬件耦合等方面的綜合性考驗(yàn)。

比賽途中多數(shù)機(jī)器人選手出現(xiàn)運(yùn)動(dòng)失衡、摔倒等現(xiàn)象，穩(wěn)定性較差；同時(shí)，不少機(jī)器人暴露出散熱問題，需不斷噴灑冷卻液進(jìn)行降溫。這是因?yàn)?，機(jī)器人的高功率電機(jī)、密集的電子元件在持續(xù)工作時(shí)會(huì)產(chǎn)生大量熱量，尤其是在高速持續(xù)運(yùn)動(dòng)或重載工況下，熱量積累速度很快。而由于人形機(jī)器人設(shè)計(jì)為仿人結(jié)構(gòu)，其內(nèi)部空間緊湊，熱量難以快速散發(fā)。

人形機(jī)器人目前續(xù)航能力有限，大多數(shù)人形機(jī)器人續(xù)航能力集中在2小時(shí)-5小時(shí)，難以滿足家庭服務(wù)、工業(yè)協(xié)作等場景的持續(xù)作業(yè)需求，仍有待進(jìn)一步提升。

目前，人形機(jī)器人的供應(yīng)鏈成本較高，硬件價(jià)格仍需進(jìn)一步下降。由于人形機(jī)器人量產(chǎn)產(chǎn)業(yè)規(guī)模有限，相關(guān)的零部件需求暫未完全釋放，而部分零部件如精密傳感器、行星滾柱絲杠等由于應(yīng)用場景有限價(jià)格較為昂貴，未來產(chǎn)業(yè)規(guī)模進(jìn)一步擴(kuò)大也有賴于供應(yīng)鏈環(huán)節(jié)的進(jìn)一步降本。

（本刊記者劉以秦、研究員黃思韻、特約撰稿人顧翎羽對(duì)此文亦有貢獻(xiàn)）

注添加微信煩勞注明來意、姓名及職業(yè)，

歡迎一切良性業(yè)務(wù)探討及線索提供 ！