人形機器人面臨的問題與突破方向

3年前，人形機器人還處于陽春白雪的科研階段，這兩年發(fā)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(chǎn)業(yè)高質(zhì)量發(fā)展論壇”上，國家地方共建人形機器人創(chuàng)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(chǎn)業(yè)鏈共同打造四位一體生態(tài)的觀點。

1   產(chǎn)業(yè)發(fā)展的新動向

人形機器人在各大證券市場已經(jīng)有了概念股，從2024 年1 月開始，還是平平淡淡的發(fā)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(yè)找到了一個技術突破、可發(fā)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(zhàn)。

第三，從產(chǎn)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(yè)和樣機。

第四，從行業(yè)角度看，千行百業(yè)都在關注。據(jù)統(tǒng)計，現(xiàn)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(shù)千家的核心零部件廠家，這構成了一個大生態(tài)。汽車行業(yè)、手機行業(yè)、制造行業(yè)、互聯(lián)網(wǎng)、國央企都在投入，一個共性原因是：在一個行業(yè)處于發(fā)展的高峰期或瓶頸期，內(nèi)卷就開始出現(xiàn)，因此這5 大行業(yè)/ 企業(yè)都找到了發(fā)力點：人形機器人，認為是破解行業(yè)規(guī)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(xiàn)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(qū)（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(jīng)濟活動的名詞。過去人們會把通用化做成技術。業(yè)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(qū)動決定了有沒有市場，廠家的產(chǎn)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(chǎn)業(yè)規(guī)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(chǎn)品，單品要10 萬臺，它可用在哪些場景呢？這值得我們?nèi)ド钊胨伎?，再從“通用化”來考慮產(chǎn)品定義和設計如何去做。

2   技術發(fā)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(fā)布了政策來促進人形機器人的發(fā)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(jīng)意間，在電視節(jié)目或某個商場的轉(zhuǎn)角就能看到人形機器人，它正在形成一個巨大的產(chǎn)品市場。另外從行業(yè)方面看，千行百業(yè)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(xiàn)規(guī)模和量產(chǎn)？高價值飛輪的核心驅(qū)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(zhì)生產(chǎn)力?！皺C器人+”是新質(zhì)硬件生產(chǎn)力，“人工智能+”是新質(zhì)軟件生產(chǎn)力。可見，新質(zhì)生產(chǎn)力是軟硬一體化的典型代表。在這樣的一個產(chǎn)業(yè)、技術、行業(yè)、規(guī)模、政策里，其中的線索一定是技術驅(qū)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(fā)布了通用人形機器人的視覺 - 語言 - 動作模型（VLA）?，F(xiàn)在 VLA 已經(jīng)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(fā)現(xiàn)它也是一個大規(guī)模預訓練架構。大算力、大模型也是大力出奇跡的一個行業(yè)，所以被證明這種方式是可以的。

實際上，不僅 π0 發(fā)現(xiàn)，國內(nèi)外同時 12 個團隊用 10 萬的數(shù)據(jù)集、30 萬的數(shù)據(jù)集、現(xiàn)在用 80 萬的數(shù)據(jù)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(guī)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(huán)。

當然還有一部分——智駕，例如特斯拉的 FSD V12 幫助印證，現(xiàn)在也轉(zhuǎn)向 VLA。而之前做汽車的人是做端側(cè)，但是發(fā)現(xiàn) VLA 也很好用。

但是人們?nèi)绻私?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(lián)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(xiàn)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(qū)動架構，今年正進一步完善。

現(xiàn)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(xiàn)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(xiàn)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(xiàn)統(tǒng)一的駕駛。

人形機器人行業(yè)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(chǎn)業(yè)正在爆發(fā)，所有路徑都需要大數(shù)據(jù)，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(shù)據(jù)，另外一個作用是對現(xiàn)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(xiàn)在需要一個行業(yè)的基準線。

3   量產(chǎn)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(yè)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(shù)都是人工智能的人，做“通用化”的人是做基礎設施的。高動態(tài)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(shù)據(jù)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(fā)展生態(tài)。

回到發(fā)展的起點：人形機器人未來一定是進廠打工以及為我們養(yǎng)老。例如養(yǎng)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(xiàn)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(xiàn)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?！皣刂行摹钡茸鰧嵱枅龅娜艘欢ㄒプ鲎约旱氖澜缒Ｐ停约白鰯?shù)據(jù)集的人要用開源的方式來完成整個生態(tài)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(tài)還沒有完全建立。“國地中心”希望跟業(yè)界共同打造出我國的四位一體生態(tài)。

今年人形機器人是可以量產(chǎn)的，但真正的大規(guī)模的應用還沒到來。我們加速建立四位一體的生態(tài)，才能加速人形機器人產(chǎn)業(yè)的到來。

（本文來源于《EEPW》202508）