2025 年，是人形機(jī)器人高歌猛進(jìn)的一年。

從年初登上春晚舞臺，再到機(jī)器人馬拉松、運動會等賽事，以及各種家用和超越恐怖谷效應(yīng)的機(jī)器人的出現(xiàn)……我們看到它越來越多的可能性。

同時，人形機(jī)器人產(chǎn)品價格也在不斷下探。從六位數(shù)到最近的四位數(shù)，人形機(jī)器人似乎開始變得觸手可及。行業(yè)吸引了大量資金涌入，投資界和消費者對未來充滿期待。

面對這股熱潮，趙明國保持著相對冷靜的態(tài)度。研究人形機(jī)器人領(lǐng)域二十余年，可以說，他完整見證了人形機(jī)器人從行走困難，到今日初具智能的歷程。

自 2000 年開始加入清華從事機(jī)器人研究，趙明國現(xiàn)為清華大學(xué)自動化系教授。2023 年，他和學(xué)生程昊一起創(chuàng)辦了“加速進(jìn)化”。團(tuán)隊以機(jī)器人足球比賽為場景，注重機(jī)器人的綜合運動、感知與決策能力，并在 2025 年的 Robocup 機(jī)器人世界杯中取得冠軍。

在這次和 DeepTech 訪談中，他沒有為了迎合市場期待而表現(xiàn)得“樂觀”，而是從技術(shù)本源出發(fā)，對行業(yè)的發(fā)展提出了自己的想法。

他認(rèn)為對于真正的具身智能來說，當(dāng)前熱門的 VLA 模型和世界模型等，本質(zhì)上是過渡性的技術(shù)手段，而非解決問題的終極方案。智能的突破點不在于簡單地堆砌數(shù)據(jù)或?qū)⒋笳Z言模型邏輯復(fù)制到機(jī)器人上，而在于理解物理世界的非標(biāo)準(zhǔn)化以及構(gòu)建合理的層級控制架構(gòu)。

面對行業(yè)內(nèi)急于追求量產(chǎn)的浮躁，他警告供應(yīng)鏈和商業(yè)條件還不成熟，“iPhone 時刻”尚未到來，進(jìn)入工業(yè)場景，或者盲目擴(kuò)產(chǎn)無異于自戕。

“我的判斷是，2026 年也許會是應(yīng)用場景的篩選年�！壁w明國告訴 DeepTech，人形機(jī)器人淘汰賽即將來臨，而“只有深扎場景、傾聽市場的反饋才能活下去�！�

以下是 DeepTech 和趙明國的對話，內(nèi)容在未改變原意的情況下有所增刪。

二十多年，讓機(jī)器人從穩(wěn)定行走到踢足球

DeepTech：你從 2000 年開始從事這個領(lǐng)域，至今已經(jīng)二十多年了，見證了人形機(jī)器人學(xué)科的整個發(fā)展歷程。是什么讓你堅持了下來？

趙明國：其實談不上是“堅持”。這個學(xué)科并沒有所謂的“寒冬”，它一直都在發(fā)展，只不過節(jié)奏比較慢，屬于一個相對小眾的領(lǐng)域。對我來說，這更單純地是一種機(jī)遇。在這個過程中，很多人來了又走，而我比較幸運地留了下來。

DeepTech：那在這二十多年里，你和團(tuán)隊對人形機(jī)器人的研究經(jīng)歷了哪幾個階段？

趙明國：大致經(jīng)歷了四個階段，每個階段的側(cè)重點都不同，復(fù)雜度也越來越高：

第一階段是“模仿與摸索”。起初我們什么都不懂，主要是照著日本的 ZMP（零力矩點）理論做。當(dāng)時的理論很粗淺，硬件和算法也比較落后。

第二階段是“基于模型的控制”。這一時期出現(xiàn)了一些簡化的計算模型，比如 LIP（線性倒立擺）、DCM（動態(tài)捕獲點）等，雖然現(xiàn)在看難度不大，但當(dāng)時需要很強(qiáng)的專業(yè)知識。與之并行的還有“被動行走”理論（2005 年左右）和“極限環(huán)”理論（持續(xù)到 2014、2015 年左右），這些都偏向于控制學(xué)，讓機(jī)器人能夠穩(wěn)定行走。

第三階段是“優(yōu)化控制”。這主要是受美國 DARPA 機(jī)器人挑戰(zhàn)賽（DRC）的影響。大家開始把機(jī)器人的運動問題定義為一個數(shù)學(xué)上的優(yōu)化問題來求解。機(jī)器人的性能也因此提升了很多。

第四階段，也就是現(xiàn)在，進(jìn)入了“學(xué)習(xí)與智能”階段。隨著人工智能的發(fā)展，強(qiáng)化學(xué)習(xí)開始占據(jù)主導(dǎo)地位。

總結(jié)來說，就是一個從偏力學(xué)、到偏控制、再到偏優(yōu)化，最后到偏學(xué)習(xí)的過程。

DeepTech：團(tuán)隊主要以 “機(jī)器人踢足球”為核心場景，市場上還有很多公司展示的是跑步、打拳，或者像疊衣服這樣的任務(wù)。你怎么看這種差異？

趙明國：踢足球這個方向比較特殊，它可以與“教育”場景深度結(jié)合。

我們將踢足球作為一個促進(jìn)技術(shù)發(fā)展的平臺。這背后有一個不小的教育市場，通過建立標(biāo)準(zhǔn)平臺賣和高�；蜓芯繖C(jī)構(gòu)合作，既能獲得市場反饋，又能讓產(chǎn)品在特定的高難度任務(wù)上聚焦。所以，踢足球更像是一個帶動技術(shù)升級和教育市場的抓手。

DeepTech：相比于其他任務(wù)，讓人形機(jī)器人踢足球?qū)诵哪芰τ心男┎灰粯拥囊螅?/p>

趙明國：踢足球?qū)θ诵螜C(jī)器人的綜合能力要求極高，遠(yuǎn)比確定場景的任務(wù)困難。

首先是綜合運動與感知。踢足球需要調(diào)動全身關(guān)節(jié)，不僅要跑得穩(wěn)，還要實時感知環(huán)境。

其次是動態(tài)決策與對抗。對手是動態(tài)的，而且不會配合你。機(jī)器人需要在一個長序列中不斷做決策，還要涉及多智能體的團(tuán)隊協(xié)作與對抗。

大家覺得機(jī)器人能疊衣服，就意味著可以完成家務(wù)工作了。但實際上現(xiàn)在的演示大多只能疊沒領(lǐng)子、沒扣子的 T 恤。一旦遇到有領(lǐng)子、有裝飾或材質(zhì)復(fù)雜的女裝，它就很難處理。疊衣服更多是為了證明某個特定視覺或操作算法的提升，但目前還是一個靜態(tài)任務(wù)。

從技術(shù)維度排序的話，踢足球的技術(shù)維度多于打拳，自主打拳多于遙控馬拉松，最后才是疊衣服。

因為馬拉松主要考驗機(jī)器人的奔跑能力和可靠性，對環(huán)境感知的要求相對單一；而打拳涉及對抗，但通常是一對一，環(huán)境相對封閉；踢足球則是全方位的考驗：感知的面積大、動態(tài)博弈復(fù)雜、還需要多機(jī)協(xié)同。

所以我更傾向于通過踢足球這種高維度的任務(wù)來推動技術(shù)進(jìn)步。

DeepTech：關(guān)于人形機(jī)器人踢足球這個能力，終極目標(biāo)是什么？

趙明國：這個目標(biāo)最早設(shè)定于 1997 年，當(dāng)時計算機(jī)（深藍(lán)）戰(zhàn)勝了人類國際象棋冠軍。于是大家提出了一個新的挑戰(zhàn)：到 2050 年，我們要建立一支完全自主的人形機(jī)器人足球隊，并戰(zhàn)勝當(dāng)年的人類世界杯冠軍。

何為真正的具身智能？

DeepTech：現(xiàn)在很火的 VLA（視覺-語言-動作）模型，有人質(zhì)疑它是新瓶裝舊酒，用數(shù)據(jù)掩蓋了泛化能力的不足。你認(rèn)同嗎？

趙明國：我基本認(rèn)同。但它目前更多是過渡性的技術(shù)手段，而非終極方案

大語言模型（LLM）之所以能取得巨大成功，核心原因在于人類語言數(shù)據(jù)的特殊性。書籍、文章經(jīng)過了幾千年的積累，人類語言是高度結(jié)構(gòu)化、標(biāo)準(zhǔn)化且有共識的，因為數(shù)據(jù)規(guī)范且量大，模型才能從中學(xué)習(xí)并泛化。

但機(jī)器人的數(shù)據(jù)（視覺、觸覺、動作）完全不同。物理世界的數(shù)據(jù)是非常不規(guī)范的。視覺、聽覺、觸覺等感知信息本質(zhì)上都是低層次、原始的信息，缺乏像語言那樣高度的結(jié)構(gòu)化和共識性。

因此，很多人想把 LLM 的成功邏輯簡單復(fù)制到機(jī)器人上，這是行不通的。

DeepTech：那么世界模型呢？這也是行業(yè)近期的熱點。

趙明國：我覺得現(xiàn)在的很多宣傳把這些概念神化了。

我們不需要完全理解世界的物理規(guī)律（建立完美的世界模型）才能完成任務(wù)。例如燕子飛行能排成“人字形”省力，不是因為它懂空氣動力學(xué)，而是自然選擇和經(jīng)驗的結(jié)果；人類用手機(jī)也不需要懂電路原理。

本質(zhì)上智能是通過與環(huán)境交互、積累經(jīng)驗而涌現(xiàn)的�？茖W(xué)理論往往是“后知后覺”的總結(jié)，而不是先有理論再有實踐。

DeepTech：程昊（加速進(jìn)化 CEO）在接受采訪中提到，團(tuán)隊訓(xùn)練人形機(jī)器人主要用的是仿真數(shù)據(jù)。請問你們的數(shù)據(jù)策略具體是怎樣的？

趙明國：其實在我們的語境里，并沒有傳統(tǒng)意義上“數(shù)據(jù)”這個概念。

大家容易混淆兩種學(xué)習(xí)方式：

一個是監(jiān)督學(xué)習(xí)（Supervised Learning）：這確實需要海量數(shù)據(jù)來訓(xùn)練網(wǎng)絡(luò)參數(shù)。你可以用真機(jī)數(shù)據(jù)、仿真數(shù)據(jù)或合成數(shù)據(jù)，但數(shù)據(jù)的數(shù)量并不直接決定結(jié)果的好壞。尤其是在機(jī)器人視覺領(lǐng)域，因為相機(jī)參數(shù)、光照、環(huán)境條件千差萬別，采集的一堆數(shù)據(jù)可能根本用不上，甚至大部分是無效的。

第二個是強(qiáng)化學(xué)習(xí)（Reinforcement Learning）：這才是我們用的主要方法。強(qiáng)化學(xué)習(xí)的核心不是“喂數(shù)據(jù)”，而是“試錯”。所謂的仿真數(shù)據(jù)，本質(zhì)上是機(jī)器人在仿真環(huán)境里進(jìn)行交互和探索。在這個過程中，無論是仿真環(huán)境還是真實環(huán)境，本質(zhì)區(qū)別不大，關(guān)鍵在于系統(tǒng)能否通過交互學(xué)到策略，而不可以單獨談?wù)摂?shù)據(jù)質(zhì)量和數(shù)量。

DeepTech：在目前這個階段，硬件的重要程度是怎么樣的？

趙明國：我喜歡用“項鏈”來比喻：硬件就像項鏈上那一顆顆串起來的珠子，它是基礎(chǔ)，沒有硬件你就做不了機(jī)器人；但是，真正讓這條項鏈價值連城，是中間那顆寶石。在人形機(jī)器人里，這顆寶石就是具身智能。

商業(yè)化：工業(yè)場景是個“坑”

DeepTech：關(guān)于商業(yè)化落地，你對人形機(jī)器人在工業(yè)場景、ToC（消費者）和教育場景的發(fā)展前景怎么看？

趙明國： 第一，關(guān)于工業(yè)場景，我認(rèn)為這是個“坑”，尤其是對初創(chuàng)公司而言�，F(xiàn)在很多人認(rèn)為機(jī)器人可以進(jìn)工廠，但我認(rèn)為工業(yè)里絕大部分需求已經(jīng)被傳統(tǒng)的自動化（Automation）解決了。留給“人形機(jī)器人”的空間到底有多少？這很難講。

第二，關(guān)于上市公司與初創(chuàng)公司的不同邏輯。像已經(jīng)有一定規(guī)模的上市公司，它們做機(jī)器人的邏輯和初創(chuàng)公司完全不同。

初創(chuàng)公司是一窮二白的，你不能只講故事，也不能像大廠那樣僅保持技術(shù)領(lǐng)先就行。如果你一頭扎進(jìn)工業(yè)場景這個長周期、高門檻的領(lǐng)域，很容易因為造血能力不足而倒下。

第三，關(guān)于 ToC 和教育開發(fā)者市場。真正的 ToC（家庭消費級）短期內(nèi)很難爆發(fā)，因為那需要單品銷量達(dá)到 10 萬臺以上的量級。

但我非�？春谩伴_發(fā)者市場”和“教育市場”。三年前很多人認(rèn)為這個市場很小，但事實證明它在快速增長。為什么？因為全世界都在開發(fā)“具身智能”，研究AI的人需要一個物理載體（身體）來驗證算法。

所以，這里說的“教育”不僅僅是學(xué)校里的教學(xué)設(shè)備，更多是面向廣大開發(fā)者和科研人員的“基礎(chǔ)設(shè)施”。隨著具身智能的火熱，這個群體對高性能機(jī)器人硬件的需求量是非�？捎^的。這才是當(dāng)前最務(wù)實的商業(yè)化路徑。

DeepTech：你覺得目前限制產(chǎn)能的最主要技術(shù)瓶頸是什么？

趙明國：我覺得核心原因不是單一的技術(shù)瓶頸，而是技術(shù)和商業(yè)的雙重不成熟。

現(xiàn)在大家都在等所謂的“GPT 時刻”或“iPhone 4 時刻”，但事實上這個爆發(fā)點還沒到。在市場沒爆發(fā)之前，盲目搞大規(guī)模生產(chǎn)是自戕行為。比如你覺得“唱歌機(jī)器人”火，你一口氣備貨 10 萬臺，結(jié)果市場風(fēng)向一變，只需要 1 萬臺，那你剩下的庫存和產(chǎn)線投入就直接把你拖垮了。

一定要警惕用“互聯(lián)網(wǎng)思維”做硬件。軟件代碼寫錯了可以推倒重來，成本很低；但制造業(yè)是真刀真槍的重資產(chǎn)，廠房、設(shè)備、模具投進(jìn)去就是沉沒成本，一旦方向錯了，很難回頭。所以成長曲線必須合理，不能幻想今天1臺，明天就 1 萬臺。

DeepTech：在這種模糊的探索期，你覺得行業(yè)最稀缺什么樣的人才？

趙明國：這個時代篩選人才的門檻非常高，需要的是“懂技術(shù)的生意人”，或者說“有商業(yè)頭腦的技術(shù)專家”。

回顧歷史，每個時代發(fā)財?shù)娜诵枰暮诵哪芰Σ煌?0 年代靠膽大和信息差（投機(jī)倒把）；后來靠下海經(jīng)商；再后來靠互聯(lián)網(wǎng)。而到了機(jī)器人這個硬科技時代，只懂一樣肯定不行：如果一個人只懂技術(shù)，那么他做不了大事，看不懂商業(yè)邏輯。要是只懂商業(yè)，聽不懂技術(shù)，在這個技術(shù)迭代極快的行業(yè)里會被繞暈，最后很可能被淘汰。

篩選年將至，場景是關(guān)鍵

DeepTech：在你看來，對你們而言下一階段有什么務(wù)實的技術(shù)或方向？

趙明國：真正的務(wù)實是你在某個細(xì)分領(lǐng)域（哪怕很�。┳龅搅藰O致，比如占有率達(dá)到 99%，甚至因為你的存在，這個小領(lǐng)域本身在擴(kuò)大，甚至帶動了整個行業(yè)的發(fā)展。

這就像 RoboCup（機(jī)器人足球世界杯），你得先把踢球這件事做好。如果大盤沒動，但你在這個細(xì)分領(lǐng)域帶著大家往前跑，這才是貢獻(xiàn)。

DeepTech：你對 2026 年的行業(yè)競爭格局有什么預(yù)測？

趙明國：我有個比較大膽的預(yù)測：2026 年也許會是應(yīng)用場景的篩選年�？赡軙绕凑l能先找到有現(xiàn)金流的核心場景。找到了應(yīng)用場景, 才會真正實現(xiàn)技術(shù)迭代。

DeepTech：你心中的終極機(jī)器人產(chǎn)品是怎樣的？

趙明國：關(guān)于機(jī)器人的外形無法確定，但機(jī)器人應(yīng)該是一個“新物種”。它跟人有很多不同，但在某些特定能力上，它一定要比人強(qiáng)。

這就好比飛機(jī)和鳥。飛機(jī)沒有羽毛，也沒有鳥的很多生物特性，但它剔除了冗余，保留并放大了核心的空氣動力學(xué)原理，所以飛得比鳥更高、更遠(yuǎn)。機(jī)器人也是同理，作為機(jī)器，它必然要在某些功能（如力量、效率、耐力）上超越人類，否則我們制造它就沒有意義了。