資料圖。本文來源：北京商報、中國國創(chuàng)會

本賬號接受投稿，投稿郵箱：jingjixuejiaquan@126.com

資料圖。本文為新經(jīng)濟(jì)學(xué)家智庫專稿，轉(zhuǎn)載請注明來源。

本賬號接受投稿，投稿郵箱：jingjixuejiaquan@126.com

千億資本買不走的物理現(xiàn)實——當(dāng)機(jī)器人成為頂流，三道工程難題仍在等待回答

旻宏

新經(jīng)濟(jì)學(xué)家智庫特約研究員

2026年農(nóng)歷新年，四家中國機(jī)器人公司將人形機(jī)器人推上央視春晚舞臺，引發(fā)關(guān)注。不禁讓我們憧憬下一步：那些在鏡頭前流暢舞動、談吐自如的機(jī)器人，買回家能做什么？這個問題答案便觸及了整個產(chǎn)業(yè)最深的隱憂。從預(yù)設(shè)腳本到真實世界自主操作，從實驗室演示到工廠級可靠性，人形機(jī)器人正被一道麥肯錫所稱的“鴻溝”困住。而限制它們突破的根本，不僅是算力、資本，還是物理現(xiàn)實本身，以及讓機(jī)器理解物理現(xiàn)實的那套尚未成熟的智識體系。

一、這扇窗

對于一個新興產(chǎn)業(yè)而言，沒有比這兒更好的發(fā)布臺。單次曝光可達(dá)數(shù)億至十億級別的受眾，一場演出勝過千場展會。2026年農(nóng)歷新年，宇樹科技、魔法原子、銀河通用、松延動力四家中國機(jī)器人公司同時讀懂了這一邏輯。

2月16日晚，魔法原子攜6臺MagicBot Z1和兩臺MagicBot Gen1人形機(jī)器人與易烊千璽等藝人同臺演繹《智造未來》；宇樹科技攜G1與H2兩款人形機(jī)器人，在節(jié)目《武BOT》中帶來人形機(jī)器人集群武術(shù)表演；銀河通用在賀歲微電影《我最難忘的今宵》中亮相；松延動力四款人形機(jī)器人現(xiàn)身首個小品節(jié)目《奶奶的最愛》。大洋彼岸的NBC新聞在報道中指出，“中國已將機(jī)器人和AI置于其下一代AI+制造戰(zhàn)略的核心?！?/p>

市場的反應(yīng)幾乎是即時的。據(jù)新京報報道，開播兩小時內(nèi)，京東平臺機(jī)器人訂單量環(huán)比增長150%，搜索量增長300%，商品詢問量增長460%。南華早報報道，宇樹科技CEO王興興宣布2026年出貨目標(biāo)為1萬至2萬臺，而該公司2025年實際出貨超5500臺、量產(chǎn)下線超6500臺，雖然這與根據(jù) Omdia 1月8日發(fā)布的宇樹2025年出貨4200臺有所不同，但毋庸置疑已站在中國乃至全球頭部位置。

二、人形機(jī)器人的三個層級

摩根士丹利資產(chǎn)管理旗下Counterpoint Global團(tuán)隊于2026年1月發(fā)布的研究報告《具身AI與人形機(jī)器人的崛起》（Embodied AI and the Rise of Humanoid Robots），提供了理解這一問題的清晰框架——報告將人形機(jī)器人的AI能力劃分為三個層級：

第一級是任務(wù)專項執(zhí)行：在預(yù)定義條件下完成固定動作，自適應(yīng)能力極低。報告明確指出，這是當(dāng)下商業(yè)化人形機(jī)器人的主導(dǎo)狀態(tài)。

第二級是任務(wù)泛化：利用感知輸入和習(xí)得經(jīng)驗，將技能遷移至相近但不同的場景，是當(dāng)前學(xué)術(shù)研究的前沿。

第三級是泛化智能：通過觀察和演示自主學(xué)習(xí)全新任務(wù)，報告將其定義為需要數(shù)據(jù)、推理和物理控制領(lǐng)域重大突破才能實現(xiàn)的遠(yuǎn)期目標(biāo)。

在這種高確定性舞臺約束下，四家公司的機(jī)器人絕大多數(shù)呈現(xiàn)更接近第一級，少數(shù)環(huán)節(jié)可能疊加了有限的實時交互。36氪的調(diào)查披露，關(guān)鍵臺詞、互動流程等核心環(huán)節(jié)大概率經(jīng)過了預(yù)先編排；松延動力CMO張淼在回答媒體采訪時表示，團(tuán)隊甚至按1:1比例復(fù)刻了央視一號廳的所有舞臺道具，在公司內(nèi)部反復(fù)彩排才換來場上的流暢。

這種謹(jǐn)慎有其結(jié)構(gòu)性根源。該報告在三級能力劃分背后，對應(yīng)著機(jī)器人的兩層智識架構(gòu)，研究把人形機(jī)器人的“內(nèi)部智識架構(gòu)”拆成兩層：

第一層是低級運動控制（“蜥蜴腦”），負(fù)責(zé)平衡、步態(tài)、反射與實時協(xié)調(diào)，最高可在數(shù)百赫茲頻率下處理；隨著仿真遷移與強(qiáng)化學(xué)習(xí)的進(jìn)步，這一層的穩(wěn)定性與全身控制能力已顯著提升。舞臺上的武術(shù)編排與多機(jī)協(xié)同，更像是對這一層工程能力的集中展示——在強(qiáng)約束、可復(fù)現(xiàn)的環(huán)境里，把動作庫與控制閉環(huán)做到“穩(wěn)”。

第二層是高級認(rèn)知推理（“cerebrum”），負(fù)責(zé)感知、規(guī)劃與決策；視覺語言模型讓機(jī)器人能夠理解場景、遵循指令并將任務(wù)組織為多步驟流程，但報告強(qiáng)調(diào)這也是當(dāng)前系統(tǒng)最大的瓶頸：模型在訓(xùn)練場景之外的泛化能力有限，遇到陌生環(huán)境時性能會明顯下滑，專項技能與廣泛適應(yīng)性之間的差距仍是核心挑戰(zhàn)。

也因此，把舞臺上的“像人一樣能打能跳”，直接等同為“走進(jìn)現(xiàn)實就能像大家想象那樣替人類干活”，往往會高估現(xiàn)階段的可靠性與經(jīng)濟(jì)性。麥肯錫指出，令人印象深刻的原型機(jī)在真實世界中仍遠(yuǎn)未達(dá)到一致、可靠且經(jīng)濟(jì)合理的性能；而在工業(yè)或家庭場景里，往往需要 99.X% 以上的穩(wěn)定運行，長尾問題會迅速放大落地難度。

一臺能在受控舞臺上表演武術(shù)的機(jī)器人，與一臺能在陌生廚房完成一頓早餐的機(jī)器人，在算法復(fù)雜度上不可同日而語。舞臺展示的，恰恰是前者。

三、物理世界的三道關(guān)

從一級到二級、再到三級，不是線性升級，而是跨越三道相互牽制的技術(shù)斷層，共同構(gòu)成人形機(jī)器人產(chǎn)業(yè)最深的結(jié)構(gòu)性挑戰(zhàn)。

第一道關(guān)：數(shù)據(jù)

真正的瓶頸不僅是“數(shù)據(jù)量”，而是“數(shù)據(jù)量×數(shù)據(jù)形態(tài)×數(shù)據(jù)成本”三位一體。Counterpoint Global的研究指出，具身智能的底層約束在于對大規(guī)模、高質(zhì)量、以人為中心數(shù)據(jù)的強(qiáng)依賴；而當(dāng)前主流采集方式（遙操作、動作捕捉）既慢又貴，難以把數(shù)據(jù)規(guī)模推到支撐泛化所需的量級。因此，越來越多開發(fā)者傾向于認(rèn)為：只有在真實世界中實現(xiàn)一定規(guī)模的部署與循環(huán)回灌，才能持續(xù)生成足夠多樣的數(shù)據(jù)分布，為更可靠的泛化打基礎(chǔ)，這與自動駕駛依賴車隊規(guī)模形成“數(shù)據(jù)—能力”飛輪的邏輯相似。

21世紀(jì)經(jīng)濟(jì)報道援引業(yè)內(nèi)受訪者判斷稱，行業(yè)當(dāng)前可用的具身交互數(shù)據(jù)仍在百萬量級，而面向更強(qiáng)泛化所需的數(shù)據(jù)規(guī)模可能要提升到千萬乃至億級。這也構(gòu)成了典型的“先有雞還是先有蛋”困境：機(jī)器人要在真實環(huán)境中大規(guī)模運行才能積累高價值數(shù)據(jù)，但沒有足夠數(shù)據(jù)，系統(tǒng)又難以在真實環(huán)境中長期保持一致、可靠的表現(xiàn)。

對此，《科學(xué)美國人》在2025年12月的深度報道一針見血地指出：支撐ChatGPT等產(chǎn)品的大語言模型并不是具身智能的“捷徑”，因為它們?nèi)鄙購恼鎸嵔换ブ蝎@得的具身知識。

第二道關(guān)：仿真到真實的域差

數(shù)據(jù)匱乏催生了一個看似完美的解決方案：在虛擬環(huán)境中批量訓(xùn)練，再將模型遷移到真實硬件。但這條路上擋著機(jī)器人學(xué)最棘手的工程難題：Sim-to-Real差距。

德勤在Tech Trends 2026的相關(guān)分析中援引俄亥俄州立大學(xué)工學(xué)院院長、著名機(jī)器人學(xué)家阿亞納·霍華德（Ayanna Howard）。她的描述直指要害：虛擬環(huán)境中的視覺圖像相當(dāng)逼真，但現(xiàn)實世界有著不同的細(xì)節(jié)。一個機(jī)器人也許在仿真中學(xué)會了抓取某樣?xùn)|西，但當(dāng)它進(jìn)入物理空間，并不是1:1的對應(yīng)關(guān)系。她進(jìn)一步指出，機(jī)器人在仿真到物理環(huán)境的遷移過程中確實會適應(yīng)，但它們是圍繞任務(wù)來學(xué)習(xí)，而不是整體性地與環(huán)境互動，也就是說，學(xué)會在不同摩擦系數(shù)表面抓球，與學(xué)會在人流擁擠的商場中安全行動，是截然不同的兩件事。

更根本性的物理約束來自硬件本身。德勤報告還采訪了敏捷機(jī)器人（Agility Robotics）聯(lián)合創(chuàng)始人喬納森·赫斯特（Jonathan Hurst）：他指出，傳統(tǒng)機(jī)器人是位置控制設(shè)備，擅長數(shù)控加工或點焊這類精確、可重復(fù)的任務(wù)，但它們不擅長非結(jié)構(gòu)化空間中的組裝、操控或運動。IEEE高級成員帕薩·普拉提姆·雷（Partha Pratim Ray）在2026年1月的學(xué)術(shù)研究中得出了同樣的結(jié)論：人形機(jī)器人受限制的程度，與其說是人工智能，不如說是物理現(xiàn)實的具身性本身。

第三道關(guān)：安全驗證

即便解決了數(shù)據(jù)和仿真問題，還有一道更難繞過的關(guān)：安全。IEEE的研究指出，由于人形機(jī)器人被設(shè)計為在人類附近工作，任何失敗的代價都更高。而習(xí)得行為很難被正式驗證，這使得受監(jiān)管環(huán)境中的認(rèn)證進(jìn)程和大規(guī)模部署的推進(jìn)都異常緩慢。

德勤的報告指出了同樣的問題：即便經(jīng)過了大量安全測試，AI驅(qū)動的機(jī)器人仍可能表現(xiàn)出不可預(yù)測的行為。在公共空間，風(fēng)險顯著上升，因為自主系統(tǒng)必須應(yīng)對不可預(yù)測的人類行為。霍華德更給出了一個令人警醒的判斷：“我從根本上相信，在某處始終應(yīng)該有一個人在回路中（human in the loop）——永遠(yuǎn)。即便是我這個機(jī)器人學(xué)家也這么說?！?/p>

而機(jī)器人學(xué)領(lǐng)域最具標(biāo)志性的懷疑論聲音，來自MIT計算機(jī)科學(xué)與人工智能實驗室前主任、iRobot聯(lián)合創(chuàng)始人羅德尼·布魯克斯（Rodney Brooks）。他在博客與公開文章中直接把“用人類視頻教機(jī)器人靈巧操作”這一當(dāng)前主流路徑稱為“純粹的幻想思維”（pure fantasy thinking）。他的物理論據(jù)尤其冷靜。全尺寸行走人形機(jī)器人需要消耗大量能量維持直立，一旦跌倒，這些能量會轉(zhuǎn)化為傷害。物理定律決定了：把一臺機(jī)器人的線性尺寸擴(kuò)大為兩倍，其質(zhì)量將增加為八倍，跌倒時釋放的有害能量同樣如此。這不是軟件能修復(fù)的問題。

布魯克斯預(yù)測，未來15年內(nèi)，聚集在現(xiàn)在形態(tài)下人形機(jī)器人的大量資本將消失，今天的人形機(jī)器人將被基本遺忘，而最終成功的“人形機(jī)器人”將是裝著輪子、多臂、專用傳感器的機(jī)器，而不是眼下這副雙足直立的樣子。布魯克斯自稱是“現(xiàn)實主義者而非悲觀主義者”——他不反對機(jī)器人，只是認(rèn)為勝出的形態(tài)不是現(xiàn)在這樣。

這三道關(guān)的邏輯鏈條因此形成：真實數(shù)據(jù)太少，于是訴諸虛擬仿真；虛擬仿真與現(xiàn)實存在域差，于是需要更好的世界模型和物理引擎來理解物理規(guī)律；而就算模型的預(yù)測更準(zhǔn)確，讓機(jī)器在人類附近安全操作的驗證體系，仍是一個幾乎尚未破題的問題。這是一個尚未閉合的循環(huán)。

四、資本熱情與商業(yè)現(xiàn)實

在技術(shù)突破時間線高度不確定的背景下，資本市場展現(xiàn)出了與之并不相稱的樂觀。路透社與市調(diào)機(jī)構(gòu)Omdia的數(shù)據(jù)顯示，2025年全球約出貨1.3萬臺人形機(jī)器人，中國約占其中90%。摩根士丹利預(yù)測，2026年中國市場人形機(jī)器人銷量將翻倍至2.8萬臺，部分原因是零部件成本預(yù)計同比下降約16%。36氪援引IT桔子數(shù)據(jù)顯示，2025年中國具身智能領(lǐng)域完成329筆融資，總額398.9億元人民幣，同比增長超過三倍。

資本熱情并非全無根基。摩根士丹利的報告提供了清晰的宏觀經(jīng)濟(jì)邏輯：G7國家自2010年以來，每位失業(yè)者對應(yīng)的職位空缺數(shù)量增加了約四倍；制造、物流、檢修等依賴體力重復(fù)性勞動的行業(yè)尤其突出。人形機(jī)器人的關(guān)鍵優(yōu)勢在于它無需改造現(xiàn)有基礎(chǔ)設(shè)施——這些設(shè)施本就是為人類身體比例而設(shè)計的。高盛的研究顯示，人形機(jī)器人的制造成本在2023年至2024年間已經(jīng)下降了40%。美國銀行研究院預(yù)計，人形機(jī)器人的硬件成本將從2025年的約3.5萬美元，降至未來十年的1.3萬至1.7萬美元。

這種成本下行趨勢，正在催生真實的早期部署。德勤報告記錄了若干標(biāo)志性案例：寶馬正在南卡羅來納州工廠測試人形機(jī)器人，用于傳統(tǒng)工業(yè)機(jī)器人缺乏的精密操控和雙手協(xié)調(diào)任務(wù)；亞馬遜已部署其第一百萬臺機(jī)器人，其DeepFleet AI模型協(xié)調(diào)整個配送網(wǎng)絡(luò)中這支龐大的機(jī)器人隊伍。

然而，通向大規(guī)模商業(yè)化的路仍舊具體而昂貴。麥肯錫提出一個便于討論的“四座橋”框架，用來描述從試點到規(guī)?；仨毧缭降年P(guān)鍵門檻，并且明確指出約束必須按順序解決。

第一座是安全系統(tǒng)：無圍欄操作的安全合規(guī)是前提，沒有監(jiān)管合規(guī)，機(jī)器人就無法離開受控區(qū)域；國際標(biāo)準(zhǔn)化組織正在制定專門針對人形機(jī)器人的ISO 25785-1標(biāo)準(zhǔn)。

第二座是持續(xù)運行時間：大多數(shù)機(jī)器人當(dāng)前僅能充電運行2至4小時，遠(yuǎn)低于工廠班次要求的8至12小時；這是ROI的核心驅(qū)動因素。

第三座是靈巧性與移動性：人類手部擁有約20至27個自由度，而當(dāng)前大多數(shù)機(jī)器人手的有效自由度遠(yuǎn)不及此，嚴(yán)重制約了非結(jié)構(gòu)化場景下的實用性。

第四座也是最終的橋——激進(jìn)的成本削減：當(dāng)前商業(yè)原型機(jī)造價通常在15萬至50萬美元之間，主流行業(yè)部署需將售價降至2萬至5萬美元，而驅(qū)動系統(tǒng)占總成本的40%至60%，是最大的攻關(guān)方向。麥肯錫的分析發(fā)現(xiàn)其經(jīng)銷商報價與制造應(yīng)成本之間存在十倍差距，是成本壓縮空間最大的單一方向。

與此同時，UBS的長期預(yù)測提供了一個坐標(biāo)系，德勤在2026年Tech Trends報告中直接引用了這組數(shù)字：到2035年職場中將有200萬臺人形機(jī)器人，到2050年這一數(shù)字將增至3億臺，對應(yīng)市場規(guī)模從2035年的300億至500億美元，增長至2050年的1.4萬億至1.7萬億美元。摩根士丹利則更為審慎，直接表態(tài)：有意義的批量出貨增長，預(yù)計要到本十年代末才會到來。Robotics Tomorrow援引多位投資人的判斷，認(rèn)為當(dāng)前估值熱潮與2000年代初互聯(lián)網(wǎng)泡沫存在結(jié)構(gòu)性上有相似之處，行業(yè)洗牌不可避免。

五、2029年的那道門

摩根士丹利報告在結(jié)論部分選擇了自動駕駛作為類比，這個選擇意味深長。Waymo 的 robotaxi 到 2025 年底累計出行已超 2000 萬次，德勤將其視為物理AI領(lǐng)域迄今最成熟的商業(yè)化案例，但它服務(wù)的地理范圍依然有限，依賴高精度地圖和嚴(yán)苛運營環(huán)境。人形機(jī)器人面對的物理世界，遠(yuǎn)比城市道路更加多變。

德勤把時間說得最直白：面向消費端的“人形管家”至少還需要十年。 這不是對產(chǎn)業(yè)前景的否定，而是對時間尺度的誠實標(biāo)定。真正的考驗是一臺機(jī)器人能否在一位獨居老人從未打掃過的公寓里安全工作——這一類場景，要求的正是摩根士丹利報告中所定義的第二級乃至第三級能力。

IEEE的研究說得更根本：人形機(jī)器人的進(jìn)步將取決于物理模擬器、更高效的硬件和學(xué)習(xí)與控制之間更緊密的集成，而不是更大或更強(qiáng)大的學(xué)習(xí)模型。這是布魯克斯以及摩根士丹利、德勤、麥肯錫等跨越立場分歧而共同指向的地方——瓶頸不在云端，而在地面。

現(xiàn)在是2026年初，距離摩根士丹利所說的“本十年代末”，還有大約四年。報告也明確寫道：早期部署最可能先在可控工業(yè)場景發(fā)生，并作為數(shù)據(jù)生成引擎加速學(xué)習(xí)循環(huán)。與此同時，宇樹提出2026年1萬至2萬臺的出貨目標(biāo)，特斯拉Optimus Gen 3也被報道將于2026年初亮相，并在2026年底前推進(jìn)產(chǎn)線準(zhǔn)備?！皬墓S和倉庫起步、積累數(shù)據(jù)、再向復(fù)雜場景擴(kuò)展”的路徑，可能會以我們尚未完全看清的方式推進(jìn)。

晚會每年如約而至，舞臺燈光每年都會更加絢爛。但決定這個產(chǎn)業(yè)真實高度的，是三道關(guān)什么時候能真正打通。在那之前，最聰明的投資者和工程師，可能都應(yīng)該把更多時間花在零件目錄和安全認(rèn)證文件上。■

掃碼入群可參加全年至少12場精彩閉門研討