在2025世界機(jī)器人大會(huì)上 ，一幕幕生動(dòng)的場景正在上演：工作人員一聲指令“跟著前面這位穿白衣服背著包的人”
，人形機(jī)器人便穩(wěn)健穿行于人群，精準(zhǔn)跟隨；輪式人形機(jī)器人絲滑“漂移 ”搬運(yùn)箱子 ，甚至“一心二用
”同時(shí)取送兩瓶飲料；兼具迎賓講解 、調(diào)酒
、分裝爆米花、端盤子等多面手能力；工業(yè)人形機(jī)器人集群通過網(wǎng)絡(luò)協(xié)同，實(shí)現(xiàn)物料入庫搬運(yùn)到智能分揀的全流程作業(yè)……

　　伴隨著VLA（Vision Language Action
，視覺語言動(dòng)作）模型與端到端技術(shù)的快速成熟，人形機(jī)器人技能庫日益齊備。在這場工作技能的“練級”之旅中 ，人形機(jī)器人現(xiàn)在已經(jīng)達(dá)到了什么段位？未來又將達(dá)到什么水平？如何突破自己的“ChatGPT ”時(shí)刻？

　　“干活”到了哪一層？

　　當(dāng)格斗或舞蹈機(jī)器人偶發(fā)倒地時(shí)
，觀眾不再嘲笑，轉(zhuǎn)而關(guān)注其迅速起身的類人動(dòng)作 。行業(yè)焦點(diǎn)已從去年的“能干活
”躍升至今年的“干好活”——追求成功率與效率
。

　　擎朗智能具身智能實(shí)驗(yàn)室負(fù)責(zé)人鄧強(qiáng)文對澎湃新聞?dòng)浾弑硎? ，在相對少泛化的一些場景中
，人形機(jī)器人目前完成簡單的任務(wù)是沒問題的，“比如預(yù)掃描出一個(gè)家庭的房間 ，標(biāo)好哪里是廚房
，哪里是客廳，哪里是房間 ，我們和它說渴了
，它就知道要去廚房拿一瓶水 ”，但如果在一個(gè)相對開放的環(huán)境中 ，讓機(jī)器人自己去看 、去理解認(rèn)知，目前難度還是很高的。

　　鄧強(qiáng)文介紹稱
，擎朗智能把每個(gè)機(jī)器人的“崗位
”都進(jìn)行精準(zhǔn)細(xì)化，把每個(gè)崗位的SOP（標(biāo)準(zhǔn)作業(yè)程序）和驗(yàn)收標(biāo)準(zhǔn)都進(jìn)行規(guī)范 ，從基礎(chǔ)的抓、捏
、按壓等技能開始訓(xùn)練
，再將其組合起來，實(shí)現(xiàn)了在不同的機(jī)器人之間的相互轉(zhuǎn)化 。

　　此次大會(huì)期間 ，擎朗智能的具身服務(wù)機(jī)器人XMAN入駐了全球首家具身智能機(jī)器人4S店Robot Mall及全球首家機(jī)器人餐廳“機(jī)器人焰究所”
，可根據(jù)客戶的選擇，提供不同風(fēng)味的小零食服務(wù) ，以擬人化的動(dòng)作流暢完成零食鏟出、分裝等一系列操作。

　　銀河通用的具身大模型機(jī)器人Galbot也在本次大會(huì)迎來“升級 ”
。銀河通用攜手英偉達(dá)聯(lián)合首發(fā)了搭載Jetson AGX THOR芯片的機(jī)器人應(yīng)用
，Galbot也成為全球首臺體內(nèi)部署Thor芯片的機(jī)器人，并完成了工業(yè)場景的應(yīng)用。從序廳的端到端具身大模型技術(shù)實(shí)景演示 ，到自主展位覆蓋商業(yè) 、工業(yè)及城市服務(wù)的全場景應(yīng)用
，再到會(huì)客廳的真實(shí)商業(yè)售賣，機(jī)器人全程無遙操
、高效運(yùn)行 。

　　從實(shí)際落地應(yīng)用情況來看 ，銀河通用已在數(shù)十家約40平方米的門店內(nèi)部署人形機(jī)器人并常態(tài)化運(yùn)營，單“人
”管理超5000種藥品和6000個(gè)貨道
。同時(shí)
，銀河通用也已與多家汽車制造商展開合作，在多個(gè)生產(chǎn)線進(jìn)行分揀、搬運(yùn)等環(huán)節(jié)的人形機(jī)器人實(shí)際落地測試。

　　穹徹智能聯(lián)合創(chuàng)始人 、上海交通大學(xué)人工智能學(xué)院副院長盧策吾在接受澎湃新聞等媒體采訪時(shí)指出 ，大眾要感覺機(jī)器人“有用”
，就是要有一批技能相對成熟，能夠解決實(shí)際場景的問題 。

　　盧策吾也透露：“可能大家今天能看到的主要還是抓取類的 ，但其實(shí)像食材處理
，比如串關(guān)東煮
、做冰淇淋這類技能，其實(shí)技術(shù)上是可以實(shí)現(xiàn) ，能夠馬上進(jìn)入生活的 ”
。

　　硬件已經(jīng)基本達(dá)到人的水平

　　優(yōu)必選在此次大會(huì)把工廠流水線給搬了過來
，展示了多臺、多類機(jī)器人，從物料入庫搬運(yùn)到智能分揀的全流程協(xié)同作業(yè) ，以及工業(yè)人形機(jī)器人集群的復(fù)雜動(dòng)態(tài)隨機(jī)分揀。

　　在人滿為患的展臺的二樓
，優(yōu)必選首席品牌官譚旻向澎湃新聞?dòng)浾哧U述了對于公司工業(yè)人形機(jī)器人的發(fā)展規(guī)劃：兩年后能達(dá)到人類80%的工作效率，加之自主換電能夠?qū)崿F(xiàn)24小時(shí)工作 ，帶來更大的生產(chǎn)力提升，“明年再來肯定不同
” 。

　　目前
，優(yōu)必選已與多家車企 、富士康
、順豐等企業(yè)合作，在汽車制造、精密制造 、智慧物流三大場景完成了工業(yè)人形機(jī)器人的部署
。譚旻透露 ，優(yōu)必選今年還將在汽車制造領(lǐng)域交付500臺工業(yè)人形機(jī)器人
，并將在教育科研領(lǐng)域交付超300臺天工行者人形機(jī)器人，今年將努力完成1000臺左右的交付 ，“隨著機(jī)器人能力的逐步實(shí)現(xiàn)
，會(huì)有更多的訂單”。

　　對于人形機(jī)器人的“工作 ”能力，星動(dòng)紀(jì)元?jiǎng)?chuàng)始人陳建宇更為樂觀 。陳建宇在接受澎湃新聞等媒體采訪時(shí)表示 ，人形機(jī)器人已在部分的真實(shí)工業(yè)場景達(dá)到了大約人類70%的效率
，2026年或?qū)⒛苓_(dá)到90%，“實(shí)際上硬件已經(jīng)能基本完全達(dá)到人的水平了 ，現(xiàn)在處在軟件和硬件的打磨階段
。假以時(shí)日
，我相信是能達(dá)到人類的水平，甚至有可能超人類的水平
”。

　　長遠(yuǎn)來看 ，譚旻認(rèn)為，未來進(jìn)入家庭的服務(wù)機(jī)器人
，一定是“All in One”的，是個(gè)既能補(bǔ)習(xí)又會(huì)下廚 ，還能按摩打掃的通用機(jī)器人 。

　　宇樹科技創(chuàng)始人
、CEO王興興有更清晰的藍(lán)圖
，他表示，“如果哪一天我們帶一個(gè)人形機(jī)器人到會(huì)場 ，而且它沒有見過這個(gè)會(huì)場。我隨便和它說一句話幫忙把這瓶水帶給某個(gè)觀眾
，它可以比較順暢地自己走過去，流暢地把這個(gè)事情干了 ，就達(dá)到了機(jī)器人的ChatGPT時(shí)刻 ”
。

　　他表示
，這一時(shí)刻未來1-2年或2-3年很有可能實(shí)現(xiàn)，慢的話估計(jì)3-5年能實(shí)現(xiàn)。

　　瓶頸：軟硬件皆困于泛化

　　“泛化能力不足”是規(guī)模化應(yīng)用的核心瓶頸 。

　　王興興指出 ，目前機(jī)器人最大的問題在于模型的泛化還不夠
，硬件其實(shí)完全夠用
。在大語言模型領(lǐng)域，有足夠多的數(shù)據(jù) ，尤其有足夠多好的數(shù)據(jù)時(shí)，就能把模型訓(xùn)練得越來越好
，但在具身智能和機(jī)器人領(lǐng)域，反而會(huì)發(fā)現(xiàn) ，哪怕采集了大量的數(shù)據(jù)
，把機(jī)器人的數(shù)據(jù)訓(xùn)練出來并部署到實(shí)物機(jī)器上，發(fā)現(xiàn)二者并沒有辦法很好的對齊。

　　陳建宇也指出 ，泛化能力更重要是在“大腦
”上
，但運(yùn)動(dòng)控制也需要更好的泛化，運(yùn)動(dòng)控制是保證所有的動(dòng)作都能精準(zhǔn)柔順達(dá)到的底層支撐 。相對而言 ，“大腦”的泛化難度會(huì)更高一些
。

　　譚旻也指出
，在機(jī)器本體沒有收攏標(biāo)準(zhǔn)化的前提下，仿真數(shù)據(jù)訓(xùn)練也無法真正復(fù)用和泛化。

　　智平方創(chuàng)始人兼CEO郭彥東同樣認(rèn)為 ，過去買一個(gè)機(jī)器人可能需要幾百萬元
，現(xiàn)在只需要一萬元就可以得到一個(gè)最基本的人形機(jī)器人型號，硬件成本變得越來越低 。“我們需要又可靠同時(shí)又便宜的硬件 ，可以讓這些硬件放在真實(shí)世界里，越快部署越好
，同時(shí)，硬件必須要有一致性 ，比如生產(chǎn)100萬臺機(jī)器人
，邏輯就完全不一樣了 ”
。

　　國家地方共建人形機(jī)器人創(chuàng)新中心首席科學(xué)家江磊一言道出，目前人形機(jī)器人的現(xiàn)狀是“大腦模型不夠大 ，小腦模型不夠小
”
，存在感知局限、決策斷層 、泛化瓶頸三大問題，“如果一個(gè)具身智能沒有思考跟進(jìn)化能力 ，它還是具身智能嗎？”

　　如何破局？

　　針對上述難題
，行業(yè)正積極探索突破路徑。

　　王興興分享了幾條可能路徑，他認(rèn)為 ，VLA模型加上RL（強(qiáng)化學(xué)習(xí)）訓(xùn)練是其中之一
，但目前嘗試下來還是不夠，模型架構(gòu)還是得升級優(yōu)化；或是讓視頻生成模型先生成一個(gè)機(jī)器人動(dòng)作的視頻 ，再控制機(jī)器人去做，“這條路線可能比VLA模型更快收斂
，概率更大 ” 。

　　他認(rèn)為，未來2-5年 ，最大的方向會(huì)集中在端到端具身智能模型、更低成本更高壽命的硬件以及更低成本更大規(guī)模的算力三方面
。

　　陳建宇也同樣認(rèn)為
，強(qiáng)化學(xué)習(xí)是一條可行路徑。同時(shí)，他對記者表示 ，不同的機(jī)器人
，自由度
、模型的輸出維度、傳感的類型可能都不一樣，在預(yù)訓(xùn)練中盡量去使用與具體本體無關(guān)的數(shù)據(jù) ，比如說人的通用數(shù)據(jù)
，再到真機(jī)上進(jìn)行調(diào)整，在形態(tài)相對比較接近的本體上可以達(dá)到較好的遷移水平 。

　　陳建宇還表示 ，星動(dòng)紀(jì)元此前曾完成的全球首個(gè)世界模型和生成式模型的融合
，接下來可能將會(huì)成為業(yè)內(nèi)的新共識。

　　盧策吾更為通俗地向記者進(jìn)行了解釋，所謂泛化性 ，就是消除不確定性，“每消掉一個(gè)不確定性
，它發(fā)展能力就會(huì)提高，整個(gè)‘大腦’就能像解方程一樣 ，把變量定住
”
。現(xiàn)在的VLA不確定性還特別大
，有點(diǎn)像“大海撈針”，我們要一步一步加上各種技術(shù) ，使到它變成“甕中捉鱉 ”
，“我們現(xiàn)在抓一個(gè)東西，范圍很大 ，我們不停地加上限制的話
，它的捕捉空間就會(huì)縮小，縮小到最后就能把東西抓住。其實(shí)都是逐漸去收窄VLA的不確定性 ，改到最后大家是不是叫VLA也不重要了
” 。

　　江磊表示：“大家總感覺3D模型不‘解渴’
，VLA似乎不能代表未來，但是就是有了VLA ，就像我們行業(yè)的貢獻(xiàn)者和引路者，促進(jìn)整個(gè)行業(yè)往前發(fā)展……軟硬一體化的AI是我們真正需要的
，機(jī)器人本體一定是大腦 、小腦與肢體一體的，要打造感知
、認(rèn)知、決策 、執(zhí)行的閉環(huán)
。”

　　他進(jìn)一步提出 ，具身智能不是現(xiàn)在“大腦+小腦 ”的方向
，要打造未來的方向，比如通過生物仿生來提出具身智能的基礎(chǔ)模型。

　　人形機(jī)器人正從功能演示邁向高效執(zhí)行 ，潛力在工業(yè)與家庭場景中也日益顯現(xiàn) 。軟硬件融合的閉環(huán)系統(tǒng)
，或?qū)⑹墙怄i機(jī)器人“通用
”的鑰匙，讓機(jī)器人能從“干好活”進(jìn)化到“無處不在的助手 ”
。