人形机器人马年春晚再 「出圈」！ 投资人：只会跳舞的不投了 三条技术路线并行竞速，机器人要为场景落地

每经记者｜胥帅    每经编辑｜张益铭    

今年春晚的焦点之一是人形机器人再上春晚。去年春晚舞台上，宇树机器人穿着大红袄扭秧歌，这也带动了人形机器人行业的热度。2025 年国内人形机器人出货量预计将激增 650% 以上。

如今，只会跳舞的人形机器人，还能得到投资人和行业的认可吗？近期，《每日经济新闻》 记者对话了人形机器人投资者、人形机器人核心产品负责人等。当前行业重心已放在场景落地。「只会跳舞的卖不动了，得有真实场景才能活。」 一投资者坦言，那种仅靠三五个人、十来个人就拼凑起来的公司，张口就要估值、要融资，这类公司他们根本不碰。

从 「刷屏表演者」 向 「实干劳动者」 转型，机器人的技术能力能否支撑这一跨越？受访者在交流中并未强调更细分的人形，而是讨论整个智能机器人。

机器人三条技术路线的竞速也已进入白热化：Figure AI（美国人形机器人初创公司）、智元的 「通用智能」VLA 模型能否应对工厂流水线？特斯拉推崇的 「世界模型」 如何靠仿真数据降低成本？波士顿动力式的分层决策怎样保障机器人长期工作不犯错？

续航、稳定性、成本，成为三条技术路线在量产前夜面临的残酷考验——机器人必须学会 「干活」。

投资人：张口就要估值、要融资，根本就不碰

2025 年央视春晚，当杭州宇树科技的人形机器人身着大红棉袄，扭起秧歌，全球为之沸腾。

时隔一年的马年春晚，机器人又要回来了。宇树科技是春晚机器人合作伙伴，首次登台的银河通用机器人是春晚指定的具身大模型机器人。观众可能再次看到人形机器人上演令人惊艳的翻转、扭转动作。

春晚的提前 「剧透」 进一步提升了人形机器人的行业关注度，机构数据也乐观看待 2025 年的量产情况。高工机器人产业研究所数据显示，2025 年国内人形机器人出货量预计达 1.8 万台，较 2024 年激增超 650%；在此基础上，2026 年国内出货量有望攀升至 6.25 万台。

就在今年 1 月 22 日，每经记者注意到一个招标公告，招标公司是中国石油天然气股份有限公司华北油田分公司，中标公司是四川天链机器人股份有限公司，这是基于加油站能源加注场景的人形机器人适配应用与可行性预研究项目研发材料采购。这意味着，在不远的将来，我们或许能看到人形机器人承担加油站能源加注工作。

随着聚光灯的转向，业内人士也开始思考，机器人不再只是舞台上的表演者，它们必须走进工厂、工地、物流仓库，证明自己是能创造真实价值的 「劳动者」，而非昂贵的 「大号玩具」。

2 月 6 日下午，一家专注于人形机器人领域的公司的资深投资人 （曾是公司大股东） 说：「如今，哪家机器人公司能深耕具体应用场景、扎稳脚跟，未来才有出路。不管是做硬件、整机，还是软硬件开发，都必须和场景结合。」

过去的一年，他和很多人形机器人的投资人交流，他们的共识是，如果脱离人形机器人的应用场景，只是闷头闭门造车，这类公司迟早会被行业淘汰。

「我们现在更看重企业是否有落地场景；如果没有成型产品，我们基本上不会考虑投资。那种仅靠三五个人、十来个人就拼凑起来的公司，张口就要估值、要融资，我们根本不碰，这类公司往往死得很快。」 他说，如今，行业早已过了 「机器人会跳舞就能卖得好」 的野蛮生长阶段。

雅可比机器人创始人邱迪聪接受 《每日经济新闻》 记者采访表示：「无论多厉害的技术、多好的设计，到最后都需要形成一个可交易的产品，才能产生最终的经济价值。」

过去行业内外常常热衷于比较各家的技术路线，仿佛某一项技术优势就能 「吃遍全场」。「但到最后你会发现，技术只是其中一个部分，有时候在发展后期甚至不是一个重要的部分。」 尽管邱迪聪自己也从事 AI（人工智能） 机器人学术研究，但他认为，技术的先进性本身并不能直接导致商业成功。

「接下来这段时间，具身智能的竞争都只在于：落地，落地，还是落地。」 而落地最终要回答的核心问题是：「怎么才能够让有足够的产品力、被客户认可并大量规模化地卖出去，形成销售落地。」 邱迪聪指出，无论融资规模多大，最终都必须回归商业本质，对销售额负责，「不然，估值和销售比太高，就变成了融资很多却没做几单生意，这就浪费了投资」。

究竟哪种机器人能真正 「活下来」，拓展出自己的应用场景？不同企业押注的三种技术路径，正在给出截然不同的答案。

2 月 3 日，快思慢想研究院院长田丰告诉每经记者：「2026 年，智能机器人长时间作业的瓶颈将从 『能不能走』，转向 『能干多久』 和 『够不够稳』。」

「大家普遍认为，2026 年将是机器人走向服务产业应用场景的关键一年。」 他指出，当前技术重点正从机器人的运动控制转向 「机器人大脑」 能力的增强，以提高对复杂环境和任务的理解与执行能力。「我们中心很早就开始去做一些布局和开发。」 成都人形机器人创新中心产品总监吕童博士表示。

行业也不得不重新思考：在机器人从 「实验室」 走向 「生产线」 的关键节点，如何让它们真正像人一样精准、稳定地完成拧螺丝、打包、搬运等实操任务？这场转型的考验尤为残酷，续航功耗、实时响应能力与维护成本，成为检验所有技术路线的 「试金石」。在这三重考验下，原本看似百花齐放的技术路线，开始逐渐显露出各自的优势与短板。

三条技术路线 「并行」，各有优势亦存瓶颈

面对 「实干」 的要求，行业逐渐分化出三条主流技术路径，每条路都代表了对智能机器人未来的不同想象。

第一条是 VLA（视觉语言动作） 模型路线，以追求 「通用智能」 为核心，试图让机器人像人类一样通过视觉感知、语言理解，最终直接控制动作执行。Figure AI、智元机器人等企业押注于此。

田丰分析了这条路径的核心特点：「依赖海量数据训练，以应对未知环境和未知任务，追求端到端的单一模型。」 其优势在于具备强大的语义理解能力，能够听懂 「把桌子收拾干净」 这类模糊指令。但田丰也指出了其短板：「端到端模型的计算开销大，对硬件的续航、散热能力要求较高。」

去年以来，智元机器人、优必选等企业，已展示出人形机器人进厂 「打螺丝」 的实操能力。今年的 CES 展会上，一些非人形机器人的专业公司也进入这一赛道，比如速腾聚创展示了高稳定性机器人作业系统。2 月 3 日，《每日经济新闻》 记者采访了速腾聚创负责 AI 领域的专家洪浪 （化名），他表示：「VLA 是一种利用大语言模型的涌现能力实现操作智能的技术范式。」 但他话锋一转，指出了这条路线的隐性挑战：「单纯给机器人一张图片，它无法判断一个盒子距离机械手有多少厘米，但 VLA 的输出却是 3D 世界中一系列实数坐标和朝向，这意味着端到端的 VLA 仍需隐式利用相当一部分参数，来解决空间感知问题。」 此外，当机器人手部即将触碰到物体的 「最后一厘米」 时，绝大多数操作接触面会被灵巧手自身遮挡，因此触觉与力觉反馈的重要性就凸显出来。

速腾聚创的解决方案主要有两点。一是在传统纯视觉 VLA 的基础上，融合 3D 点云和触觉信息。「有效利用点云后，我们的数据需求大幅降低，因为这一方式跳过了依靠海量数据隐式学习空间感知的阶段。」 其二是将触觉作为 VLA 的另一模态输入，速腾聚创不愿具名的专家强调，当前触觉技术仍面临三大行业性难题：一是硬件层面，优质、高信噪比的触觉传感器依然稀缺；二是算法层面，尚未有成熟方法能高效利用触觉数据；三是数据层面，缺乏大规模的公开或私有触觉数据集。

第二条是世界模型路线，核心是构建 「数字世界」，特斯拉是这一路线的代表。该路线会在 AI 系统内部构建物理世界的模拟器，让机器人能够预测自身行动的后果。

田丰将其概括为：「为机器人注入对物理规律的直觉理解，让它通过推理和规划，预测自身行动的结果。」 这条路径重度依赖高质量仿真数据，但一旦模拟器建成，便能大幅降低对昂贵真机数据的依赖。

第三条是分层决策与软硬件协同路线，走的是务实路径，波士顿动力、智元机器人是这一路线的代表。该路线将复杂任务拆解，由大模型负责任务语义理解与子任务分解，传统算法则负责定位、导航、精密控制等基础功能。田丰指出，这种模块化架构的优势在于故障易隔离，能将复杂的推理任务与高频实时控制解耦，确保控制回路的响应速度，其优势在真实世界的流水线上更能得到检验。

不过，吕童认为，各技术路线之间并不相互排斥，分层架构、3D 场景图、世界模型等多种架构正同步推进。他认为，VLA 端到端与世界模型等路径并非相互排斥，「它们需要协同发展」。机器人本身是一项系统工程，技术选型需综合考量部署环境、网络条件、算力支撑等现实因素，「不能脱离实际条件去谈性能」。

泛化与稳定为核心，硬件形态非关键

不同企业基于自身基因，给出了不同的技术答案，但无论哪种路线，都绕不开一个核心难题——提升机器人适应不同场景的 「泛化能力」。

邱迪聪则向记者进行了阐述，机器人控制的核心追求是解决泛化问题。最早的方法是基于模型预测控制，它让机器人摆脱了完全固定的轨迹。这种方法如同解方程 （例如 X +1 = Y），将环境感知 （X） 与动作 （Y） 动态关联，从而能应对预设范围内的变化。但其局限在于，一旦遇到模型未预料的情况，便会失效。

为了突破这一限制，VLA 模型应运而生。其目标是让机器人像人一样，通过自然语言接受指令 （如 「把苹果放到架子上」），并借助视觉感知自主完成任务。VLA 模型通常在大型视觉语言模型基础上，结合人类的操作数据进行训练，使其具备强大的理解和泛化能力，但同时也面临数据昂贵、算力消耗大、执行速度慢等挑战。

当前技术路线主要分为两大类：模型驱动方法 （如模型预测控制，稳定但泛化能力有限） 和数据驱动方法 （包括强化学习和模仿学习）。VLA 模型可视为后两者的结合，代表了通向通用机器人的重要方向。

速腾聚创上述专家表示：「泛化的本质其实是内插。」 只要让模型接触过足够丰富的场景——比如昏暗或明亮的灯光、高矮不一的桌子、远近不同的摆放位置，就能让它在未知场景中做出合理判断。但这还不够，「数据必须足够干净，越干净的数据集，模型越容易实现泛化」。他直言，自动驾驶和机器人领域都饱受 「脏数据」 困扰，这类数据会严重破坏模型的泛化能力。数据的多样性和干净度是两回事，这是很多从业者容易踩的坑。

他还强调，提升 AI 操作系统的 「下限」，远比展示 「上限」 更具技术难度和行业含金量。「即便让模型尝试 100 次，能呈现高光时刻的也只是少数；但提升下限，意味着能让机器人在工厂里连续工作 10 个小时不犯错，这才能真正产生价值。」

吕童则表示，行业需求正从追求单一数据量，转向注重 「数据多元化」 与更便捷的采集方式，比如基于视频的采集。同时，行业也在探索如何将人类社会积累的物理与自然知识融入世界模型，「这或许会成为行业未来的重点关注方向」。

除了数据，算力部署也是关键问题，业内普遍认为，高频本地推理是保障机器人稳定性的核心。如果一个系统能实现 10 赫兹的推理频率，就意味着微小扰动能在 0.1 秒内被处理。「若系统推理频率仅为 2 到 3 赫兹，就需要等待 0.4 到 0.5 秒，再加上执行机构的控制时延和推理不同步问题，会显著影响任务成功率。」

未来 3 至 5 年，将是具体场景机器人落地的关键期

速腾聚创市场部总监谢阗地向每经记者表示，未来 3 至 5 年，将是具体场景机器人落地的关键期。机器人的价值在于劳动力的补充，人的实践和经验总结是非常宝贵的，机器人可以学习模仿老师傅的经验和手艺，客户愿意为能复制人类资深经验的机器人解决方案付费。也许当前具身机器人同样时间内只能完成人类一半甚至更少的工作量，但机器人可以在夜间工作，在节假日工作。

另一个案例是，去年的机器人大会上，很多来自江浙地区的制造企业负责人专程观展，直接询问 「能不能买机器人组建产线」。市场需求虽迫切，但技术与商业化之间仍存在鸿沟。

他坦言，目前只有唱歌跳舞类的娱乐机器人能实现稳定营收，整个机器人行业仍处于 「研发向工程转化」 的阶段，但娱乐场景带来的行业热度，极大加速了机器人 「干活」 能力的发展进程。

当前，机器人的市场需求正朝着务实方向发展。「用户希望选取一些具体场景，实现高度闭环。」 吕童说，用户的具体诉求集中在三个方面：降低生产成本、将人类从重复枯燥或高危工作中解放出来，以及在文商旅等领域提供情绪价值。「机器人的出现，本质上是为了解决某个层面的实际问题。」

当前前沿的具身智能技术尚在研发期，稳定性普遍未达到工业级水平。真正可靠的技术 （如工业流水线、家用冰箱） 因其稳定到让人 「习以为常」 而不再被特别关注。

邱迪聪表示，工厂场景相对简单，物品 （如特定螺丝） 和环境固定，操作虽精密但高度重复。商超场景复杂度高，需识别数十万种商品，对物品理解要求极高，但操作以 「拿、放、摆」 为主。家庭场景则是机器人终极挑战：空间和物品千差万别，操作更是涵盖扫地、烹饪等包含几十道工序的复杂任务，对通用性要求极高。从投入产出比 （ROI） 看，家庭场景目前不经济：一台机器人售价可达数十万元乃至百万元，与能提供的有限服务不匹配。

商业场景正成为突破口。例如，在零售仓拣货场景，机器人若能解决物品泛化问题，可提升运营效率 30%~90%，具备了明确的商业价值。

不过，邱迪聪表示，当前前沿的具身智能技术尚在研发期，稳定性普遍未达到工业级水平。

场景定路线成败，行业迎收敛与国产化

技术路径的竞争，最终要在具体场景中接受检验。田丰分析道：「长时间稳定作业是商业化落地的 『任督二脉』，不同技术路线，决定了机器人在不同场景下的性价比与存活率。」

「在相对结构化的工厂、物流场景中，不需要极高的 VLA 语义理解能力，但需要极高的平均无故障时间 （MTBF） 和极低的功耗，因此 『分层决策+软硬件协同』 路线更适配。」 田丰进一步指出，「模块化执行器方案在量产成本和后期维护方面具有绝对优势。」

在地形复杂多变的建筑工程场景，世界模型结合轮足混合架构更适配。他以逐际动力为例：「通过世界模型预测地形，自动切换运动模态完成任务，其能量效率比纯足式机器人高出 3 至 5 倍，能大幅降低长时间作业的续航压力。」

在文旅与家庭服务场景，服务业对人机交互的要求极高，而 VLA 架构恰好能赋予机器人理解人类用户差异化模糊指令的能力。

在谢阗地看来，当前机器人行业的商业模式已逐渐清晰：面向 B 端 （企业端） 客户，与本体厂商、场景方开展联合共创。「我们需要寻找拥有真实生产场景的合作伙伴，比如物流打包、汽车零部件装配，共同推动方案落地验证。」 他直言，机器人的核心价值在于 「无需改造现有基础设施，能与人在同一环境中共存作业——比如在工厂中，白天人工作业，晚上由机器人接手」。

从当下的行业竞争看向未来，人形机器人领域呈现出几个清晰的发展趋势。

从技术进步的时间维度来看，吕童认为，当前机器人技术正以 「月」 为单位快速迭代，行业在资本与技术层面仍保持高速推进态势。但前沿技术与实际应用的结合，仍处于熟化与试错阶段。「整个行业在应用侧总体仍处于熟化过程中，必然会伴随着试错。」 他还观察到，学界与产业界的界限正日益模糊，许多新技术的诞生，正是源于一线实践的反馈与倒逼。

田丰预测，技术路线将逐渐收敛：「借鉴 PC（个人电脑）、手机的硬件发展历史，智能机器人硬件架构将逐渐统一化。」 软件架构领域，「有可能不再追求纯粹的端到端，而是形成 『语义解析层—环境建图层—运动执行层』 的三层解耦架构」。

在企业路线选择上，软硬件深度协同将成为优先方向。「核心部件必须与算法深度适配，那些单纯进行部件组装的机器人企业，或将被行业淘汰。」 田丰指出。

一个关键判断是：「2026 年，各企业的硬件差距将迅速收窄，真正的核心壁垒将是机器人在长时间作业中积累的非标环境作业数据。」那些已实现大量落地部署的机器人企业所形成的数据闭环能力，将成为其核心竞争壁垒。

另一个重要趋势是国产化。「2026 年国产行星滚柱丝杠、高功率密度伺服电机逐步实现量产替代，智能机器人结合国产零部件进行自研改造、集成优化成为趋势。」 田丰总结道。

在谢阗地看来，机器人的终极价值不是替代人，而是传承人的经验，是在人类休息的时间里、在人类无法适应的恶劣环境里——把老师傅的手艺、老专家的经验转化为数据模型，让一群机器人成为人类劳动力的补充。「这才是工业智能化的未来。」

邱迪聪总结，机器人技术固然重要——它驱动生产力革新、效率提升和体验改善——但必须被放在合理的位置。技术是实现卓越产品的手段，而非目的本身。机器人 「落地」 考验的是技术与商业场景的百分之百适配。「你能解决 90% 的问题，但剩下的 10% 解决不了，整个场景就用不了，那前面的 90% 就等于 0。」 这意味着企业必须综合考虑：技术的先进性是否匹配场景需求、机器人的稳定性与可靠性、外观设计与用户交互体验，以及整体解决方案能否在客户可接受的投入产出比范围内形成闭环。任何影响最终体验的细节，都构成决定性的产品力。创业也好，新的科技也好，到最后都变成一个很简单的问题：这个东西好用吗？然后你愿意花钱买吗？如果愿意，那就是成功。

封面图片来源：每经媒资库