3年前，人形機器人還處于陽春白雪的科研階段，這兩年發展迅猛。那么，人形機器人當前面臨的問題是什么？突破的方向在哪里？未來的應用在哪里？在2025 年4 月上海“2025 人形機器人產業高質量發展論壇”上，國家地方共建人形機器人創新中心（簡稱“國地中心”）首席科學家江磊老師介紹了他的看法，并提出與產業鏈共同打造四位一體生態的觀點。

1   產業發展的新動向

人形機器人在各大證券市場已經有了概念股，從2024 年1 月開始，還是平平淡淡的發展，為什么到了8月，整個二級市場被急速拉動？

首先，一定是人形機器人行業找到了一個技術突破、可發力的對象。

第二，政策方面，今年伊始，國家要設立相應的重大項目，原因可能是我們想緩解勞動力缺口，以及應對未來人口老齡化的挑戰。

第三，從產品端看，人形機器人迎來了GPT時刻。此時尤其令我們自豪的是在這個高科技領域的起步階段，我國登上了世界舞臺，已有一些有代表性的企業和樣機。

第四，從行業角度看，千行百業都在關注。據統計，現在已有100 家左右的整機公司，預計到今年年底會有200 多家，還有數千家的核心零部件廠家，這構成了一個大生態。汽車行業、手機行業、制造行業、互聯網、國央企都在投入，一個共性原因是：在一個行業處于發展的高峰期或瓶頸期，內卷就開始出現，因此這5 大行業/ 企業都找到了發力點：人形機器人，認為是破解行業規律性周期性難題的一個主要動因。國外也是如此，今年年初，蘋果、三星、現代等開始設立人形機器人的硬件團隊。今年阿里也在張江模力社區（注：“國地中心”搭建）設立了智能機器人的硬件團隊。

在此，“通用化”會成為一個經濟活動的名詞。過去人們會把通用化做成技術。業界一直在爭論：是做專用機器人，還是做通用機器人？其實這種爭論沒有什么意義，因為技術都是為場景服務的。所謂的場景驅動決定了有沒有市場，廠家的產品能不能找到市場、銷售出去。所以“通用化”更重要的是在一個新興市場，單品能否過10 萬臺的門檻。今年人形機器人單品可能會過1 萬臺的門檻，但更期待未來是百萬臺、百億臺的產業規模。目前10 萬臺將是一個重要的門檻。另一個角度，如果做一個產品，單品要10 萬臺，它可用在哪些場景呢？這值得我們去深入思考，再從“通用化”來考慮產品定義和設計如何去做。

2   技術發展趨勢

有一個高價值飛輪的理論。2022 年/ 3 年前，人形機器人是個萬億元的潛在賽道，因此國家發布了政策來促進人形機器人的發展，使其對于公眾來說不再陌生。例如3年前，很少見到人形機器人；今年不同了，也許不經意間，在電視節目或某個商場的轉角就能看到人形機器人，它正在形成一個巨大的產品市場。另外從行業方面看，千行百業正在關注，也有應用的前景，因此今年是完成高價值飛輪的重要一年。那么能否實現規模和量產？高價值飛輪的核心驅動力還是來自于顛覆性的技術。

為什么2024 年8 月人形機器人的二級市場會被急速拉升？因為顛覆性技術起到了決定性的作用。

工信部提出了兩大革命：“機器人+ 革命”與“人工智能+ 革命”，它們對應的都是新質生產力。“機器人+”是新質硬件生產力，“人工智能+”是新質軟件生產力。可見，新質生產力是軟硬一體化的典型代表。在這樣的一個產業、技術、行業、規模、政策里，其中的線索一定是技術驅動了這次技術革命。

首先其背后的邏輯，以 π0 團隊為代表，去年 8 月 Physical Intelligence 首次發布了通用人形機器人的視覺 - 語言 - 動作模型（VLA）。現在 VLA 已經成為一個事實標準。但是如果回到去年 8 月之前，相信 90% 的專家會認為機器人的操作還不屬于預訓練（注：語言 / ChatGPT 是大模型，屬于預訓練），我們雙手的操作不屬預訓練，但是從 8 月開始，π0 團隊發現它也是一個大規模預訓練架構。大算力、大模型也是大力出奇跡的一個行業，所以被證明這種方式是可以的。

實際上，不僅 π0 發現，國內外同時 12 個團隊用 10 萬的數據集、30 萬的數據集、現在用 80 萬的數據集激勵了以后，整個任務達成率也是直線上升的。

所以我們堅信規模法則與后訓練將會促進這一次人形機器人最終的一個閉環。

當然還有一部分——智駕，例如特斯拉的 FSD V12 幫助印證，現在也轉向 VLA。而之前做汽車的人是做端側，但是發現 VLA 也很好用。

但是人們如果了解 VLA 的誕生，它完全不是為汽車設計的，它是為谷歌的一款類人形機器人的構型設計，結果沒想到 VLA 也撐起了智駕的半邊天。

當然還是要回到人形機器人，僅有 VLA 夠不夠？

去年 Figure 聯合 OpenAI 造出了 Figure 01，可以看到大模型是在人形機器人的最上層，是采用大腦、小腦 + 肢體的分層類人架構來實現的。去年我國在“世界人工智能大會（WAIC）”上也推出了大腦、小腦、驅動架構，今年正進一步完善。

現在的問題是：人形機器人有沒有一個通用的完全端到端的大模型？現在 VLA 解決了上層的，下層有一個控制模型是屬于分層架構，但能不能用一個分層的完全端到端的？有一篇論文支持了這樣的觀點。所以三年前，語言進入了大模型( 例如ChatGPT)，去年雙手操作進入大模型（例如VLA），現在的問題是：下肢行走以及全身運動是不是一個大模型？堅信將來會有一個大模型，能夠讓人形機器人、四足機器人以及汽車來實現統一的駕駛。

人形機器人行業目前有4 類人：一類做汽車智駕的具身模型，一類做機器人上肢操作/VLA，一類做人形分層策略，還有一類做芯片/GPU。整個具身智能產業正在爆發，所有路徑都需要大數據，所以在去年“國地中心”組建了訓練場來推動這件事。

“國地中心”的麒麟具身智能訓練場有5 項功能，除了收集數據，另外一個作用是對現在的大模型進行檢測與評定，提出大模型的benchmark，例如做一個什么樣的大模型更適合人形機器人？現在需要一個行業的基準線。

3   量產與應用的思考、展望

目前人形機器人在跑得快、拿得準、訓得好、通用化方面都有代表性公司。最近業界在爭論：是不是機器人都需要走跑跳？是不是應該進廠打工？實際上，目前有四類人在研究，跑得快的人不做抓取，做抓取的不做跑得快，做訓練的人大多數都是人工智能的人，做“通用化”的人是做基礎設施的。高動態的硬件平臺，精準抓取的具身智能，訓練的實訓場，通用泛化的數據集——這4 件事，哪怕有一件事做不好，人形機器人的軟硬件的終極難題就落不了地。所以我們必須要發展生態。

回到發展的起點：人形機器人未來一定是進廠打工以及為我們養老。例如養老，還有8 項卡脖子技術沒有打通。人們面對未來的通用化，一定不是針對8 個問題建立8 個模型，甚至建立幾百個模型來解決，人們希望構造一個完全端到端的模型，來同時解決8 項卡脖子技術，這樣才能實現最終通用化的夢想。

江磊老師有個激進的預測：做硬件平臺的得去做小的機器人，這樣迭代的速度更快。做具身智能現在很火，但是千萬不要只做操作，行走大模型已成為今年國際競爭的熱點。“國地中心”等做實訓場的人一定要去做自己的世界模型，以及做數據集的人要用開源的方式來完成整個生態的構建。

所以展望2025，人形機器人從當前的角度來看，四位一體的生態還沒有完全建立。“國地中心”希望跟業界共同打造出我國的四位一體生態。

今年人形機器人是可以量產的，但真正的大規模的應用還沒到來。我們加速建立四位一體的生態，才能加速人形機器人產業的到來。

（本文來源于《EEPW》202508）