人形機器人、具身機器人的需求基于什么價值？突破非結構化環境的穩定性和可靠性的方法是什么？如何增強可信度？除了降價和提高產量，還有哪些商業化的方法？是否需要首先重視監管？

不久前，在“2025世界機器人大會”的論壇環節舉辦了一場圓桌——具身智能的商業化路徑與市場前景，研究者、企業家、投資人分享了他們的思考。

1   具身智能的需求基于什么價值？

圓桌主持人Alois C. Knoll教授來自于德國慕尼黑工業大學，他從事機器人研究有30 多年了，他對于機器人的定義、發展、工業應用甚至感知控制以及現在的人形機器人都有深入的研究或關注。

他的第一個問題是：人們在具身機器人和人形機器人方面有很多研發，這些研發需求主要基于什么價值？可從商業角度或者學術角度探討。

主持人：德國慕尼黑工業大學 教授 Alois C. Knoll

1.1 帶來生產率和服務的提升，但要算好一筆賬

中關村智友研究院院長王田苗：具身智能的影響是非常深刻和重要的，主要分為兩個方面。

一方面，傳統機器人/ 泛化機器人與具身智能的共同特點是：在人類社會里最重要的是提升生產效率，或提供服務價值。這在歷史上其實傳統機器人已經完成了。不同之處在于，當新產品推出或發生變化時，傳統的工業機器人甚至AGV 都需要工程師重新編程。因此工程師的經驗能否沉淀下來？有些基本操作可否利用模型和算力來解決？從趨勢上看是有可能的，這就誕生了“機器人+ 感知+ 學習+ 推理”來決策，這后半部分是傳統機器人所不具備的。

另一方面，具身智能真正的價值在于能夠學習、推理，然后模仿人類高效地在生產效率和服務價值上進行匹配。例如在服務場景里，諸如收拾餐桌，如果讓機器人固定學習，要先感知，再進行推理，形成空間的軌跡，然后再操作。假如桌面上有剩菜、飯盒、垃圾袋等，如果讓它清潔餐桌的時候，它可否自動知道把剩飯打到盒子里，有些放到塑料袋里，然后再扔到垃圾桶里？可見，如果利用現在的AI 來理解并生成感知推理步驟，是不是就大大提高了服務價值？

中關村智友研究院院長 王田苗

那么，人形機器人會更多地用于哪些方面？是工業、家庭，還是公司？

如果我們把具身智能定義在匹配提高生產效率和服務價值的時候，實際上與機器人的形態沒有什么關系，而在于我們需要算一筆賬：運營某項業務需要幾臺機器人？然后基于什么形態？我所定義的模型和數據的賬要算得過來，是否合算。例如30 萬或50萬元，然后再來看機器人的操作的容錯性，例如拿水杯，上下偏差一點沒啥關系，跳個舞左右沒關系。但是機器人在工業操作的時候，插孔、裝配的容錯性是非常重要的。所以我們經常說是否合算？如果兩年內合算，就應該加大推動應用。如果是五年，那現在就是一個概念驗證項目?；诖?，人形或者類人形有可能會在商超的部分環境應用，或在工業特定環境下有所應用，而不會泛化到任何工廠，或養老、陪護兒童等機構，后者的泛化應用將是很漫長的。

1.2 哪些具身機器人值得投資？

藍馳創投聯合創始人曹巍以他的經歷來具體說明上述觀點。該公司在2015 年開始做機器人的投資時看了很多歷史數據，評估了長期的價值和影響，看其整體上對于人類的影響。當人們談到機器人的時候到底是在談什么？實際上就是對于人類生存空間長期的影響：第一，我們期待的是有無限的生產能力，越能升級規模越好，這是長期角度所看到的對整個人類造福的場景。第二，人類文明再生產或者延續繁殖，所以是一個非常長期的、如何造福人類的概念。

短期來看，我們想要建立一種方法論，從簡單的算法、場景開始，具身智能科技的進步是一步步發展起來的，不是某一天早上醒來，發現機器人就在家里幫忙做家務了，它會是一條非常長的發展路徑。

藍馳創投聯合創始人 曹巍

所以當看投資機會的時候，要看機器人短期能為我們做什么？可以去看非常具體的情形。例如去看工廠，當前工廠80% 的工序已經自動化了，但是還有20% 的工序是勞動密集型的，這些產線工人的具體工作是什么？是不是有機會替代？實際上，他們的工作往往很復雜，不是一個數據就能驅動的，有很大的彈性。

另一個情景是去零售店（例如銷售汽車的），問他們人形機器人在這種情景合適嗎？得到的答案是非常歡迎，因為也許機器人用兩三步就可以完成人們八步的工作。例如可以服務客人，做咖啡或茶并給客戶端上去；另外是客戶注冊和介紹產品?？梢娫谝恍嶋H工作中，人形機器人可以真的幫助改善生產流程或者服務流程。

所以人形機器人的遠期目標是非常宏大的。但是作為現實的投資者，藍馳創投看中的是它們能否做些實際的工作。

關于時間點/ 投資節奏，藍馳創投是10 年的投資循環期。最大的挑戰是找到正確的人——能理解現在技術的限制，所以能夠在可預見的未來進行發展，例如三五年的時間窗口，在產學研能夠有的，還有供應鏈上有的可以結合起來。總之，藍馳創投找的機會是在三年內找出產品的點，然后推到市場上。

1.3 工廠短期有很大的機會，可從半制約環境開始

智平方創始人郭彥東補充了兩點。

首先機器人需求還沒有普遍化，還需要很長的時間，但是社會上非常需要具身機器人，因為現在全球普遍人力資源緊缺，很多工作人們不喜歡干，或者不安全，甚至是危險的，需要人形機器人或普通的自動化設備去做這些任務?，F在新技術帶來了機會，例如基于大模型的人形機器人可以做一些非結構化的任務，應用于不同的場景。

例如半導體和生物技術行業還有很多工作需要人去做，因為是非結構的、不可預測。實際上，這個用人數量是非常龐大的，現在有8000 萬人在工廠里做這類任務，但是越來越少的人想要從事這些工作。所以這方面有很強的需求。

智平方科技公司創始人 郭彥東

另一個點是工廠的環境往往是半制約的，例如在一個限制的環境里開車，這是做AI 訓練很好的環境。之后會有越來越好的AI 訓練能夠做服務業甚至是居家服務，做更多的非結構化的不可預測的任務。

2   突破非結構化環境的穩定性和可靠性的方法

具身智能的應用方面總是有需求的，問題是技術如何開發、如何轉變？需要哪些技術突破才能實現具身智的魯棒性、可靠性，并且能夠用在非結構性環境中？

2.1 兩條路線的探索

中關村智友研究院院長王田苗：現在具身智能應用中有兩條路線。

一條是理想主義者想重構一個世界模型，用“世界模型+通用人形+ 豐富的數據”能夠泛化到很多場景，這是目前人們希望看到的。因為這一旦突破，就是一家平臺公司，成為非常有延伸的公司。但是在現實中，可靠性、穩定性非常難做。

還有一條路線是從人們構建的世界模型去解構，落實到客戶的現實物理模型，稱之為智能硬件，但給智能畫了一個框，而不是泛化。如果這個思路有了以后，突然感覺在不同的特定場景下，例如咖啡場景、掃地場景、手術場景甚至物流場景等，它的垂直類環境、數據包括模型甚至預控制忽然就可以突破了，可以解決穩定性和可靠性問題。如果是基于此，對于垂直類的環境，我們所要求的，例如因經常會發生變化而需要工程師進行編程，而且是高附加值的、高頻的，如果這幾個點作為具身智能應用點的時候，它的應用容易被客戶接納。相反，如果這個環境不變化，其實過去的機器人全都能勝任。

2.2 容錯及閉環

UniX AI公司創始人兼首席執行官楊豐瑜主要談了兩部分。

●   機器人的歷史可以追溯至1950年代，第一代的機器人是可以在工廠內做一些自動化產線的基本工作的，現在大部分工作已由機器人做了，剩下的20% 為什么還沒有被替代？就是因為非常復雜。

很多人稱2025 年是具身智能商業化的元年。UniX AI公司也接到了客戶不同需求的問詢。實際上，選擇路徑主要來自于公眾端。去年UniX AI總結了一些主要的問題。

首先是容錯。一些成功的AI 產品的過去十年往往從深度學習開始，一是面部識別，二是ChatGPT。最近大規模部署的產品有很高的容錯率，想進門，掃臉沒識別成功，沒關系，再掃一遍就行了。ChatGPT 也是類似的，人類會自己改正答案，不會直接用你給的答案。所以容錯是非常重要的。

第二，具身智能是基于大規模多模態的模型制造出來的，語言模型給一個很大的范圍做通用化，尤其是在感知方面。但缺點是任何數據驅動的模型，魯棒性不夠強?，F在很多制造業是非常好的部署起點，因為很多簡單的工作已經被替代了，現在需要既靈活又有通用性、容錯性，包括環境和效率方面。

我們可以找一些應用場景，例如做到90% 就可以進廠了?？梢阅７绿厮估淖龇ā厮估淖詣踊a線有自己的機器人，在自己的場景里應用。我們有成功的案例和失敗的案例，都能夠收集數據，以便機器人在實際情景中更好地應用。因為在純粹的訓練里，很難有現實世界失敗案例的數據，因此需要有容錯空間。所以機器人進場可以產出更多的數據，不僅能提高數據的質量，還具有多樣性。同樣地，接下來用于居家等更復雜的任務就可以用起來了。

UniX AI創始人兼CEO 楊豐瑜

●   實際上，可靠性、魯棒性、在結構化的環境中工作是最難的。人們經常忽略了一個課題，但是非常重要的一點是遠程控制，這個環境里機器人的成功率不可能百分百，必須設計到閉環。

閉環非常重要。我們需要一些人至少作為安全員，就像在自動駕駛車輛上的安全員一樣。所以遠程操控是最重要的，但經常被忽視。

可持續性、魯棒性方面，安全性是紅線，例如力度和阻尼的控制，如果一旦掉線了可能就失控了，因此必須有高魯棒性的機器人，必須有遠程的操作，一旦發生失效要能夠及時介入。

2.3 需要強大的算法、好的數據戰略和穩定便宜的硬件

智平方創始人郭彥東認為有三個關鍵的因素：強大的算法，很好的數據戰略，穩定可靠便宜的硬件。

①在算法方面，需要讓算法自己能夠執行、足夠強大，最好像人一樣理解常理，可以快速地去用。

②一年半前，智平方收集了不同來源的數據：互聯網的數據、仿真和現實世界的數據，三種數據全部放在一起融合，以訓練出理想的AI 系統。

第一階段是冷啟動，需要所有的三類數據。第二階段是真實世界的學習階段，可以學到很多，甚至學到在虛擬世界中不可想象的，因為真實世界的反饋非常豐富，很多是不可能從網上獲得的，例如壓力、溫度、笑容等。

③可靠的硬件。不需要特別昂貴的，而是需要可靠、便宜的硬件?？梢园堰@些硬件放在真實世界里，而且越快部署越好，因為如果一個客戶在兩年內可以有足夠的回報，就更容易把我們的硬件推介出去；相比之下，如果需要超過5 年才能獲得回報率，只能視為在實驗、驗證期，成本會太高。所以硬件必須要有一致性，例如假設生產100 萬臺機器人，那么硬件這套邏輯就完全變了。

2.4 數據和模型需要完善的地方

藍馳創投聯合創始人曹巍認為：具身智能和傳統AI不同，例如一個實際的機器人是需要和真實世界互動以獲得數據和反饋的，然后升級算法使之更加智能。這也是我們對具身智能的界定。在這個過程中存在很多挑戰。

第一層——硬件至關重要，要盡可能便宜，有魯棒性、可靠性，并且長期來看有系統性的硬件，才能實現大規模量產。想要解決這些挑戰，要讓現在的機器人真正地生產，才會有一些魯棒性的數據。算法來自數據。但是數據的感知還有很多挑戰，例如現在的傳感器可以理解3D（三維），但是三維是一個嶄新的算法，還處于早期。

第二層，模型需要更加精美。現在我們的模型還是基于模態的，不是特別精巧，還有各種缺陷，例如分布和偏移率很高，所以整個過程和我們在大語言模型里看到的還是有一些尷尬的地方，所以希望它更加精美，例如在算法編程過程中，很多研究想要用新的模型進行變革，這是另一個故事了。所以我們需要更多的創新。

第三層，我們需要一個堅實的模型，想要這些模型起效，必須有可監測的精細調節，并且將模型和現在的情形進行統一，這樣才能對齊。而這些對齊如何讓這些工序變得盡量便宜、有效？這還處于研究階段。

還有強化學習。20 年前就引入了，但還不夠好，因為它的算法和基本的語言分析還是落后于流程，但創新的努力還在，希望有一個生成式的能力讓這些工序更加有彈性，更加適應高維、復雜的操作。可以讓機器人和現實世界互動，收集數據，促進智能化。

所以我們還有很多事情要做，但對于研究者是好事，對于需要這些解決方案的應用工程師可能就不是很好。

3   如何增加可信度

主持人Alois C. Knoll教授引入了新話題：現在可以更聚焦一點，就是可信度。如何讓人們相信系統，可以依靠它，愿意接受它，與它合作，讓它工作，使它成為日常生活的一部分？

3.1 標準

中關村智友研究院院長王田苗有兩個觀點。

第一，需要制定可信度方面的標準。目前還沒有形成第三方的標準。但這是非常重要的一環。例如對于工業機器人，有無故障時間，車輛無人駕駛方面也有第三方的標準，包括行業的、政府的。

第二，如果出現事故，要厘清責任方。萬一出現失誤，由誰來負責？目前有四方：

①運營方，通過使用機器人的數據服務來獲得。

②制造方。

③客戶使用不當方。

④賠付方。這四方在過去的歷史發展中，無論汽車、自行車、飛機等行業都非常巧妙地按照某種配合來解決問題。如果保守，發展得就慢；如果激進，這些責任方就會逐步提高客戶使用它的信譽度。

當然最重要的還是要有相關標準，最好有分類，諸如陪護型的、工業操作類的、甚至是駕駛類的。

3.2 涉及教育、物理、算法等

藍馳創投聯合創始人曹?。喝绾卧鰪娍尚哦冗@個問題很難回答，因為具身智能有一個身體，所以本身就涉及安全問題。汽車也是如此，很多人不敢開自動駕駛車，他們抱著懷疑的態度，因為社會上發生過相關事故，使人們很擔心安全問題。

對于機器人的可信度，是需要教育的問題，也是物理的問題，算法的問題。

●   教育。為什么召開這個會議？因為我們知道有很多孩子和機器人玩兒，有踢球，這是一個很好的方式，讓人們從小就和機器人互動，建立人機之間的信任，這也是一個教育的過程。

●   物理。從技術方面來看，物理身體主要是基于金屬的，本身就有一定的危險性。機器人可以跑，但因為很重，動能很大，會對人有危險。為此，可否考慮采用更多的塑料？

●   算法。透明度也很重要，因為人們不知道神經網絡是什么樣的，安全性必須在模型中處于基礎的地位，必須是一條紅線。

3.3 透明度、模型和軟件的重要性

UniX AI公司創始人兼首席執行官楊豐瑜指出如下。

一方面是可預測性，我們希望機器在我們認為應該做成的情景里能夠成功，這是最重要的。透明度、模型和軟件等都很重要。我們主要是用端對端模型，趨勢是開始融合了，有時一些地方沒有預期到它們可以起效，但實際上起效了；而缺點是很難知道什么時候會失敗。

其中一個解決方法是端對端的應用必須對人類有透明性，我們培訓的時候必須在一個節點有輸出，例如在最后的預測發生之前必須要給我們反饋你的想法，我們必須得試點好這個關鍵節點，才能正確地收集數據或者是基于人的常識解釋。當一個模型失敗的時候，我們需要回顧它的中間數據，然后分析它為什么失敗或沒失敗。就像學生考試一樣，不只需要學生的答案正確，還希望學生能一步步地推理出正確的答案。

3.4 開源

關于提高信任度，一個點是開源，讓基礎模型開源，因為基礎模型是提高性能的關鍵部分。另一個點是基礎大模型，因為大模型是最難預測的一部分，如果不開源，人們不知道這個模型里正在發生什么。只有開源，每個人都可以看到這些模型，知道里面發生了什么。這么說不僅是在宣傳智平方¹，還是為了提倡這種觀念，只有開源，人們才能夠相信你的產品。

4   除了降價和提高產量，還有哪些商業化的方法

主持人——德國慕尼黑工業大學 教授Alois C. Knoll發問道：如何商業化和大規模的生產？首先價格需要降下來。此外，還有一些其他的方法論，例如我們可以從造車業借鑒很多經驗，可以讓機器人變得便宜的同時提高產量。此外，還有沒有其他特別好的點？

4.1 AI及軟件、數據的降本方法

智平方創始人郭彥東稱首先他不完全同意這個問題。因為硬件是越來越便宜的，過去幾百萬買一個機器人，現在只需要一萬元人民幣就可以得到一個最基本的人形機器人型號，這個成本正變得越來越低。另一方面，AI的成本卻越來越高。我們必須找一個方法有效地培訓模型，例如GPU的集成，讓培訓越來越快，并且能夠增量地培訓——而不是每次都從零開始。重新做增量的培訓并大規模的實現，這是一個有效使用GPU的方式。需要注意的是，現在人類還沒有足夠的電力去培訓AI模型，現在已經發生了；同樣，具身智能的世界也會如此。所以機器人的成本不僅是硬件，還有AI本身以及軟件方面。

關于解決方案，一個方法是設計非常聰明的算法去培訓你的模型，能夠增量，而不是每次都從零開始。不同的GPU都可以獲得最大的效益。做這個會使數據的尺寸更大了，所以必須設計好。

另外是數據，這也很昂貴。如果采集數據全靠一家公司自己，沒人能付得起這筆昂貴的費用。因此把你的機器賣給消費者，讓他們把數據反饋回來，就像無人駕駛車一樣，這是很重要的降本方法之一，即開源你的數據。很多年前，人們開源了最大的人臉識別的數據，希望大家能夠效仿，這樣可以讓整個機器人產業的成本降低。一旦有了這些非常聰明的基本模型，那么它的成本就可以降低。這是最重要的想法。

4.2 兩個突破口

中關村智友研究院院長王田苗想過一個問題：如果特斯拉在做無人駕駛的時候，可否把運營部分交給Hertz（赫茲租車）？王院長思考后認為不可能。另一件事是王院長團隊最近在孵化低空經濟物流，各個地方非常歡迎他們去應用，但強調無人駕駛應該是你/ 提供者負責，包括其中的數據和風險控制是你/ 提供者負責。通過這兩個事例，王院長認為有兩個突破口可能會在未來三五年內加快具身智能的規模化應用：①從運營端切入誰來負責；②加強基礎數據和算力。從而帶動相應的通用載體平臺和核心部件供應鏈。這是有可能在未來三五年內，在一些大的應用賽道上能夠展現出來的。

4.3 減少培訓的邊際成本

UniX AI創始人兼首席執行官楊豐瑜：在非常復雜的環境里，重要的是減少培訓的邊際成本。我們需要非常好的終身學習的算法，能夠讓它慢慢演進。

4.4 企業家應聚焦在商業化

藍馳創投聯合創始人曹巍指出，復雜的工作需要復雜機器人。實際上很多機器人價格非常貴，但不能做復雜的任務。所以機器人產業要給實際的產業帶來價值，而不是僅埋頭做研究。我們要找到真實的場景，最好是簡單重復、可以擴展規模的工作/ 行業。所以把研究交給學者，企業家應該聚焦于商業化，擴大規模。

5   是否需要首先重視監管？

主持人Alois C. Knoll給各位嘉賓最后一個問題：應該是先重視創新，還是像歐洲一樣首先重視監管？你希望監管嗎？還是某些部門是需要監管的？有一些監管是否會限制我們的創新？

藍馳創投聯合創始人曹巍認為監管框架非常重要。作為投資者，尤其關注來自政府方面的信息，只有獲得非常明確的政府信號，才能確定我們的投資是有長期復合的效果，投資有收益。

中關村智友研究院院長王田苗稱：具身智能是為人服務的，當制造用工特別是高級工程師數量在減少的時候，迫使具身智能去發展和創新，更何況還有養老和很多單身人士等剛需。

當然這些具身智能是需要監管的。例如建議監管的一點是，具身智能應該是替代人的危險作業或是復雜的工作，但不應該替代人的生活或替代人的服務工作。如果是這樣的話，人干什么呢？在這個前提下當然有數據安全問題、知識產權問題、甚至有傷害人類的問題，這些是一定要監管的。

智平方創始人郭彥東補充道：我們需要監管政策，涉及安全、道德倫理等等。另外，就像智能手機和智能車一樣，它們是幫助我們的工具，而不是代替人類。我們需要政策確保這是未來的發展基調。同時，也沒必要全球一刀切，因為不同國家和地區雖然有共性，但也有個性/ 不同的地方。

UniX AI 公司創始人兼首席執行官楊豐瑜指出：我們肯定需要監管，尤其是涉及隱私數據，就像智能手機等行業一樣，我們需要有一些基本的常識性監管。但是在一些細節方面可能會有所不同，例如想出口到歐洲，需要一些具體的要求。強調的一點是：對于機器人，需要本身是安全的、有魯棒性和可靠性。這是我們從業者的任務，也是每位從業者期望做到的。

注：

1 智平方公司自主研發了 全域全身具身大模型GOVLA ，并推出開源版本 FiS-VLA 。

（本文來源于《EEPW》202511）