人形機器人的家庭場景拐點就這樣到了？

當“加速落地 成為行業高頻詞，更需警惕公關敘事的“口號式繁榮”遮蔽技術演進的真實 “信號”。家庭場景的真正拐點，從來不是廠商演示臺上的“一次性成功”，而是技術成熟度、成本可控性與場景適配性的系統性突破。

作者：彭堃方

編輯：呂鑫燚

出品：具身研習社

2025年，人形機器人賽道的預期圖景已發生劇烈扭轉。上半年，行業共識仍將家庭場景視作 “終局戰場”，5至10年內實現落地已屬“技術大爆炸”級突破，更有從業者直言20年內亦恐遙遙無期。未及年末，頭部廠商已密集釋放動作，集中展示家務機器人的技術可行性，一度被貼上“遙遠”標簽的家庭場景，似乎正從迷霧中顯形。

家用機器人的落地進程，真的迎來了歷史性拐點？

在剛剛落幕的2025中國移動全球合作伙伴大會上，王興興的表述頗具代表性“去年到今年，我們更多在運動層面下功夫，但核心目標始終是推動機器人真正融入生活”。他所指的 “生活場景”，涵蓋家庭、服務及工業等多元領域，透露出技術重心向實用化遷移的明確信號。

大洋彼岸的技術推進節奏更為迅猛：備受矚目的Figure 03被直接定義為“專為家庭場景而生”，其功能定位直指家務剛需；AI領域權威李飛飛則發起 “2025 BEHAVIOR Challenge”，以復雜家務任務為核心構建技術競技場，直指家庭服務的核心能力瓶頸。

圖片來源：Figure

國內賽道的技術驗證與場景布局幾乎同步推進：千訣科技與加速進化完成深度聯合驗證，其機器人Booster T1已實現家庭場景下的長時程自主決策與多復雜任務執行；更早前，傅利葉推出GR-3陪伴機器人，優必選則與居然之家達成長期深度戰略合作，聚焦家居場景的智能化升級。一系列動作背后，曾被視作“終局”的家庭服務機器人場景，正從純粹的技術構想加速向商業化前夜靠攏。

拆解行業邏輯，家庭場景本質是機器人技術的“終極ToC試煉”，其需求的個性化、場景的非結構化，直接映射著機器人向“通用智能”進化的核心能力。這也解釋了為何2025年上半年，多數企業對家庭場景落地時間表始終諱莫如深。但家庭場景蘊含的萬億級市場空間，足以驅動行業持續加碼。

熱潮之下，理性的行業聲音并未缺席。家庭場景的高門檻早已是公開的行業共識，技術、成本與合規的三重考驗仍未根本破解：

樂聚的判斷直指核心門檻：“當人形機器人達到博士級別的智能水平，且價格與家電相當親民時...”，一句話點出智能水平與成本控制的雙重瓶頸；

優必選則給出更具體的時間線預判：“至2028年，機器人有望獲得足夠的任務操作和場景泛化能力，逐步進入部分家庭場景，預計將從家庭陪伴等需求切入，最終拓展至全面的家庭服務...”，揭示出場景滲透的漸進性；

宇樹則強調場景的綜合性挑戰：“家庭場景對機器人綜合要求很高，無論是技術層面、倫理道德層面，還是安全層面，門檻都遠超想象”，凸顯了落地問題的復雜性。

當“加速落地 成為行業高頻詞，更需警惕公關敘事“口號式繁榮”遮蔽技術演進的真實 “信號”。家庭場景的真正拐點，從來不是廠商演示臺上的“一次性成功”，而是技術成熟度、成本可控性與場景適配性的系統性突破。唯有穿透表層動作，回歸產業本質多維度剖析，方能規避誤判，看清人形機器人走進家庭的真實路徑。

成為機器人管家需要什么？

人形機器人的場景演進之路，普遍是工廠-服務-家庭這一思路，這是機器人在交互對象上逐漸由物向人，作業場景上逐漸由結構化向非結構化深入的過程，隨之而來對機器人的要求逐步由“工具”向“伙伴”轉變。這意味這機器人要在與人類接觸中保證安全與可接近性同時要能夠自主完成開放場景中更復雜的操作。

在這樣的演化過程中，機器人進入家庭場景繞不開的第一個詞是“安全”。
如果一款機器人是陪伴兒童、照顧老人，僅僅是人身安全這一項來說，對它的容錯率再怎么要求都不為過。幾乎所有的疑慮和恐懼都來自于它會不會傷害到人，我們看到不少“機器人跌倒”“機器人踩到小女孩”的視頻，一個鐵疙瘩哪怕只是擦到小朋友都是難以承受的后果。
所以我們能看到絕大多數針對家庭場景的機器人，第一步的設計就是改頭換面。挪威人形機器人公司1X的NEO、美國的Figure 03，包括國內的傅利葉推出的GR-3，無一不是織物或泡沫棉等柔軟材料。

圖片來源：1X

但這些靜態的、被動接觸過程中的保護是第一步。日常中，機器人做家務，涉及操作過程中的成功率問題還需要提升。如果機器人抓起一副碗碟卻滑落或一塊易損的電子產品、奢侈品腕表被不當操作，都會造成不同程度的財產與人身傷害。
然而現實是，一邊要求機器人必須擁有高成功率，一邊是badcase頻現。這些badcase本質上也是階段性“技術不成熟”所致，當前技術瓶頸正是數據獲用與模型架構問題。

當業內都在為Figure 03的家用潛能震撼時，拆解其最近的動作不難發現，Figure不久前完成的C輪融資中深度綁定了一家資方Brookfield。這是一家手握10萬套住宅的資產管理公司，后續Figure宣布與其達成合作，Brookfield能夠為Figure提供各種家庭環境中海量級真實世界中類人導航和操作的數據。這些數據恰是其機器人未來能夠在家庭場景中完成收放自如的移動與操作的關鍵。
李飛飛最近的“家務挑戰賽”邏輯類似，它被稱為具身智能領域的“ImageNet時刻”，究其原因也是它試圖解決類似計算機視覺領域的訓練數據匱乏問題。

但數據之外，還有模型如何釋放數據潛力的問題。如Physical Intelligence聯合創始人兼CEO Karol Hausman所說“最大的一個瓶頸就是這些模型的成功率尚未達到必要的水平，這不僅僅是收集數據的問題，似乎還需要在算法上進行一些改進。我認為，即使我們擁有無限量的數據，也無法僅憑現有的算法，在復雜、長程且需要高度靈巧的任務中實現100%的成功率”。

現在讓我們暫時擱置這些技術上的分歧，機器人進入家庭第三點要做的是產品細節改善，這涉及到真正落地交付時的產品完成度。
我們看到機器人進入家庭，其體積普遍有所縮減，不管是四足還是人形都是如此。據稱Figure 03重量減輕9%，體積顯著減小，方便在家庭空間中移動，而其同步的無線充電確保了續航。1X的NEO據稱在設計之初就確保了動作柔和與安靜。這些都是進入家庭所需的改良。
當然我們還可以設想，機器人的熱管理技術與體表溫度能否有機結合？這可以讓機器人變得“有溫度”。再者像機器人能否提供生活記錄并牢牢記住，類似移動的攝像裝置，深度參與生活，而非旁觀者？這些品質也是機器人適應家庭場景所需硬核技能之外的溫情之處。

進入家庭還在早早期

能夠進入家庭的機器人，還在培訓之中。當前機器人最大的問題是用戶的接受門檻太高。
從技術上來說，機器人執行任務的成功率要無限逼近100%。但目前業內的看法是，無論數據還是模型架構都存在不足，以至于短期內還達不到。
銀河通用創始人兼CTO王鶴，曾在WRC期間的小型媒體會上表示當前VLA等多模態模型比語言模型稍弱的階段核心原因是，文-圖數據以及包含動作數據很少，基于視覺的動作操作能力尚有不足。

除了傳統的數據外，穹徹智能聯創盧策吾也表示，VLA像清湯火鍋，現在只能清湯寡水服務一部分人，想服務更多人，我們需要不停地在里面加東西，也就是額外的信息。這些信息可能是力反饋的數據，可能是其他的感知數據?？傊?，數據成為機器人能否進入家庭的重要瓶頸。

當然，也有觀點認為數據只是一方面，像王興興所說的“模型本身架構也不夠好”，“即便有很多比較好的數據訓練，但是也無法使用”。

除了技術本身尚未達到家用門檻，安全仍無法得到保證。這里的保證不僅是上文所說的機器人能否保證不出差錯，更是出錯后用戶權益如何保障的社會問題。它設計到機器人安全事故中的責任歸屬，目前相關法律尚未出臺。但這部分可以參考自動駕駛的分級標準與權責劃分。

此外，還有兩個無法言說的用戶接受障礙，需要額外強調。一是普通用戶的使用技能，二是恐怖谷效應。

一方面，機器人的復雜程度，在馬斯克看來比汽車有過之而無不及，對機器人的使用更是一個需要培訓的過程。就好比無人機都可以購買或者說“接入”，但普通飛手的水平與受訓持證或極客們在技能上存在顯著差別。目前看，同一型號的機器人在不同人群之間已經顯現出當初發生在電腦、智能手機上的“使用溝”。如果將這樣的產品鋪展到家庭場景，需要彌合這一鴻溝。
另外，如果把機器人比作車，當前的情況就類似出售一臺車容易，但使用這輛車還需要培訓，用戶可能需要考取“機器人駕照”。目前這一領域仍是空白，結合機器人安全使用來說，這遠不應該是用戶自身的課題，企業能否研發更易上手的機器人、法規針對機器人的使用是否需要考級與規范？
另一方面，恐怖谷效應繞不開，且這個微妙的“度”難以把握。
在機器人走進家庭的過程中，勢必以一種更易親近的方式介入。如果機器人始終保留與人類的區別，做到克制，那就始終存在“區隔”；而類似波蘭仿生人公司Clone Robotics這種追求極限仿生，神似《西部世界》的產品，最終又令人們陷“過度類人”的恐慌，這一悖論始終存在。

總之，我們現在所看到類似Figure 03這類家庭場景中的機器人，更像是“學有小成”但“尚未出師”的學生，在學習融入人類生活，從事家務勞動方面，模型與數據、安全與規范、使用能力與心理建設，包括文中尚未提及的成本與替代問題等諸多方面，都未邁過用戶接受的門檻。技術幻象遮住了場景現實。
或許，當前的“拐點聲浪” 更像是產業加速的信號，而非企業撲線的終點。家庭機器人要真正走進尋常百姓家，不僅需要突破數據、算法、安全的技術關，更需要跨越 “機器思維” 到 “人文思維” 的鴻溝。

此刻的賽道，熱情有余，沉淀不足。這次人形機器人將進入的場景，畢竟是終局。