三年前，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？前不久，在上海2025人形機器人產業高質量發展論壇上，地方共建人形機器人創新中心（簡稱“國地中心”）席科學家江磊介紹了他的看法，并提出與產業鏈共同打造出四位一體生態的觀點。

01 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J市場被急速拉動？

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，今年一開年，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，因此這五大行業、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，所以業界一直在爭論：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。所謂的場景驅動就是有沒有市場，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。

02 技術發展趨勢

有一個高價值飛輪的理論。三年前，人形機器人是個萬億元的潛在賽道，因此發布了政策來加速促進人形機器人的發展，使其對于公眾來說不再陌生，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。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J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。

先，其背后的邏輯，以π0團隊為代表，去年8月Physical Intelligence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。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，是預訓練），我們雙手的操作不是預訓練，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，并被證明這種方式是可以的。

實際上，不僅π0發現，國內外同時十二個團隊用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。

我們堅信規模法則與后訓練將會促進這一次人形機器人Z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，發現VLA也很好用。

人們如果了解VLA的誕生，其完全不是為汽車設計的，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Z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）”上也推出了我國自己的大腦、小腦、驅動架構，今年正進一步完善。

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實現完全端到端？有一篇論文支持了這樣的觀點。因此，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四類：

汽車智駕的具身模型；

機器人上肢操作/VLA；

人形分層策略；

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五項功能，除了收集數據，訓練場的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。

03 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。Z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、準確抓取的具身智能、訓練的實訓場、通用泛化的數據集—這四件事，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，所以我們需要要發展生態。

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，還有八

項卡脖子技術沒有打通。人們面對未來的通用化，一定不是針對八個問題建立八個模型，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，來同時解決八項卡脖子技術，這樣才能實現Z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。

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。