機器人落地應用，最大障礙是什么？

技術與商業如何平衡？

文｜《中國企業家》記者 孔月昕

編輯｜馬吉英

圖片來源｜中企圖庫

12月6~7日，由《中國企業家》雜志社主辦的2025（第二十三屆）影響力企業家年會（原中國企業領袖年會）在北京召開。在7日舉辦的“高峰對話：機器人生產力”環節，松禾資本管理合伙人汪洋、梅卡曼德創始人兼首席執行官邵天蘭、逐際動力創始人張巍、千尋智能創始人兼CEO韓峰濤、北京因時機器人科技有限公司CEO蔡穎鵬、心言集團（測測）創始人兼CEO任永亮，就具身智能技術發展及瓶頸、商業化落地等話題進行了深入探討。

以下為精彩觀點：

1.今天的機器人本質上不是一個產品，而是一個項目。我們只能改造環境來適應機器人，而不是讓機器人適應環境，現在這是一個非常大的瓶頸。

2.就像觸摸屏曾開啟全新的交互體驗一樣，基于類人運動的交互模態也將蘊含許多有趣的變量，充滿潛力與機會。

3.本體運控技術已相對成熟，真正的瓶頸在于大腦模型的進化，而其核心缺口是數據。

4.手、眼、腦是協同一體的一整套系統，任何一個環節的缺失都會導致整個系統無法正常發揮它應有的價值。

5.（應用）真正的挑戰在于具體執行，如何定義算法與模型、控制端側成本、保障隱私、獲取用戶接受度等，這些問題都需在產品層面進行極其細致的設計與平衡。

以下為對話整理（有刪減）：

具身智能帶來生產力變革

汪洋：從工廠機械臂到家庭掃地機器人，我們正在經歷一場生產力的革命，但是機器人生產力在今天到底意味著什么？是效率的極致提升還是能力的全新拓展？請各位用一個具體案例或產品，說明機器人目前最讓人驚喜的生產力體現在哪？它解決了過去哪些必須由人完成的真正的痛點？

松禾資本管理合伙人汪洋

邵天蘭：當前我們看到的最大進步在部署周期和成本上。去年工業機器人的銷量是50萬臺，上下游所有企業的收入加起來連美的集團一家都比不上，所以整個機器人行業在全球是個很小的行業。

這并非沒有需求，問題在于今天的機器人本質上不是一個產品，而是一個項目。機器人的使用需要機械工程師、電氣工程師、機器人調試工程師等很多人，花幾個月的時間去設計一個定制化方案。本質在于機器人不夠聰明，我們只能改造環境來適應機器人，而不是讓機器人適應環境，現在這是一個非常大的瓶頸。

理論上，很多事情當前的機器人就已經能做了，為什么沒有？就是不經濟，沒辦法用這么多定制化工程師操作。我們為什么要做通用化？因為通用讓落地的定制、部署、維護、切換成本極大降低了。

以沙發為例，批量生產可能只需2000元，而定制則要花費2萬元以上，機器人行業也是如此。如今機器人在理論上能完成的任務已經很多，但其99.5%的能力尚未釋放，我們正通過通用化努力來釋放這些潛力。僅在大型制造業，其（對機器人的）需求也是當前機器人市場規模的至少100倍。大型物流市場（對機器人的需求）也是當前的百倍以上。去年機器人銷量為50萬臺，乘以100也只有5000萬臺。真正的難點在于通用化。

張巍：提到（生產力）這個詞，我們慣性的思維是代替人，但我覺得這是個存量思維，這個時代我們需要賦予它一些新的角度。

逐際動力創始人張巍

我認為，AI和具身智能的核心屬性大多不在于替代人。如今，無論是在制造企業、初創公司還是高科技公司，在進行機器人早期技術驗證時，效率可能已提升十倍、百倍。在此階段，不考慮可量產性或硬件歸屬，工具與本體的協同已極大加速了創新進程，這本身就是一個重要的變革變量，是對現有流程的明確改進。

另一方面，我們不能只關注存量，還是要看新需求。從人形機器人的發展來看，它帶來了一種新的交互模態：動作。這不同于以往的人機交互，都是靠鍵盤、鼠標、語音或視頻，而是以人的動作為基礎的交互方式。這種新模態將催生新事物，而非簡單替代舊有角色。就像觸摸屏曾開啟全新的交互體驗一樣，基于類人運動的交互模態也將蘊含許多有趣的變量，充滿潛力與機會。

韓峰濤：對于具身智能或機器人而言，其生產力的核心范式轉移，體現在“機器人”三個字中重點的演變。過去的機器人本質上是機器，雖被寄予走入千家萬戶的期待，但這類機器人缺乏智能，依賴大量編程、調試和部署，本質上是一種需人操作的可編程專用設備。機器的特點是要人來用，干任何事情、更新任何任務都要人去用機器。一旦人給機器編好程序之后，它就是一個專用機器，如傳統的工業機器人與協作機器人。

而具身智能的核心改變就是把機器人的重點從機器變到人。原來機器人發展了60多年，一直不會疊衣服，具身智能發展了一年多就能疊衣服，這是一個核心范式上的轉移，如疊衣服、工廠上下料、縫衣服、做陪伴等，從機器變成“人”之后，每一個潛在需求點都會被重構。大家可以合理期望，2~3年之后就能見到各種各樣的機器人跑來跑去，為大家服務。

任永亮：什么是生產力？幾十年前我們講“科學技術是第一生產力”，而在今天，它或許已成為唯一的生產力。隨著各行各業紅利的減退，我們越來越需要從科研、創造與創新的維度來定義生產力。

過去中國享有“人口紅利”，如今擁有“工程師紅利”，我們希望形成真正的“科學家紅利”，這或許是中國未來最根本的發展動力。我們希望通過家庭情感機器人，培養孩子的好奇心，讓這樣的未來更可能實現。

蔡穎鵬：作為上游核心零部件企業，我們既服務眾多本體公司，也直接面向終端用戶。我們在實際觀察中發現，我們一開始設想機器人的能力非常強，要完成復雜任務，但在真實的工業場景中，由于小批量、多品種、柔性化的生產需求，許多工序仍依賴人工。這往往不是因為自動化無法實現，而是由于傳統自動化部署成本高、投入產出比不劃算。

北京因時機器人科技有限公司CEO蔡穎鵬

傳統機器人部署難度大、ROI（投入產出比）偏低。現在的具身機器人對于終端場景用戶來說是非常大的需求，它能夠簡易部署、快速掌握不同的操作技能，即“一機多能”，這樣的作業需求在工業終端場景有非常大的價值。

機器人商業化最后一公里

汪洋：大家在網上能看到各種機器人跳舞、疊衣服、打籃球等視頻，我們看到機器人質的飛躍，但距離真正能夠使用總是感覺差了那么一口氣。你們覺得差的這“一口氣”的核心瓶頸到底是什么？工業領域、服務領域等不同的機器人賽道，最需要攻克的技術難關分別是什么？

韓峰濤：“靈巧手”是核心卡點之一，大家可以看到特斯拉的硬件部門大概有50%~60%的人在做“靈巧手”。

對于機器人落地“最后一公里”這個事，首先要區分落地什么場景，如嚴肅生產力和陪伴提升人生活品質兩種場景。

“嚴肅生產力”幾乎所有人都能看懂——機器多少錢、提升多少質量、降低多少管理成本、算算ROI，只要能算過賬來很快就能把量鋪上去。但是嚴肅生產力的場景都很難掙錢，反而是陪伴等讓人們的生活更美好的產品，落地會更快一點，已經快到臨界點了。如果作為嚴肅生產力，具身智能的商業化還得再等一兩年。

張巍：人形機器人包括模型能力、本體能力、應用系統能力，目前關注集中在模型層面。然而，要實現穩定可靠的交付，操作系統（OS）至關重要，這點當前關注較少。本體運控技術已相對成熟，真正的瓶頸在于大腦模型的進化，而其核心缺口是數據。

目前是通用數據和專用數據兩者皆缺。未來很可能先積累起專用數據，正如互聯網的發展是分階段實現的，機器人領域也將逐步推進。在數據尚未普及和通用之前，各垂直場景已開始落地應用。此外，我個人覺得行業真正要發展，創造用戶價值更重要，成本是次要的。

蔡穎鵬：本體現在肯定離最終預期有差距，但這不會成為真正應用的核心瓶頸，它可以在應用過程當中不斷地去迭代、打磨，逐漸接近最終想要的效果。

當前真正影響落地應用的是垂直數據。過去做語音、圖像在互聯網里面有很多現存的數據，但機器人操作上沒有任何數據，這也是現在機器人應用最大的障礙或缺口。

手、眼、腦是協同一體的一整套系統，任何一個環節的缺失都會導致整個系統無法正常發揮它應有的價值。此外，“靈巧手”作為本體里面硬件研發難度最高的環節，目前是阻礙包括特斯拉和國內很多機器人應用的關鍵模組。雖然它尺寸空間占的不大，但是它的技術難度和復雜度，需要更多的投入。

汪洋：你們認為在未來3~5年，最確定的能夠規模化落地的商業場景在哪？從現在的角度來看，阻礙這個場景規模化落地的最大瓶頸，是技術本身的成熟度、成本，還是商業模式的不確定性、用戶信任的缺乏？

邵天蘭：先排除一個錯誤答案，肯定不是成本。

梅卡曼德創始人兼首席執行官邵天蘭

談到機器人的規模化應用，可以從小、中、大三個規模層級來看。小成規模，以當前全球最大的工業機器人企業為例，年出貨量不足10萬臺，整個行業合計約50萬臺。雖然10萬臺與百億級的想象空間差距很大，但它已是工業機器人領域的全球頂峰。中成規模可乘以十倍，大成再乘以百倍，分別對應百萬臺和千萬臺量級，相當于小家電乃至汽車、手機的市場規模。在3到5年內，中成規模尚存不確定性，但小成規模的實現是完全可期的。

如果做到中成的話，就要在應用場景、行業，甚至整個模式上有一些突破，這包括機器人的自主性、感知環境、理解環境的能力的提升，可能帶來很多副作用。因為場景一旦豐富了，機器人的異常程度必然指數級提升，從安全性、人機交互到快速適應性等很多問題都會出現。這里面很關鍵的一點是上下限的問題。我們平時會去做上限的展示，但是機器人部署時它的下限很重要，比如我開車的上限可以去F1爭冠軍，但下限如果是撞到馬路牙子上，那不行。

今天很多系統的上限已經足夠高了，但是下限不夠高。總結一下，只看制造物流場景，做到十萬臺、幾十萬臺級別的小成，是未來三五年內一定能做到的，做到中成則有待于手、機器人大腦等進一步提升。

張巍：具體哪些場景將實現具身智能落地，這一問題與AI技術的滲透邏輯相似——它并非突然催生某個全新行業，而是像血液一樣逐步融入現有各行各業的生產與生活之中，是一個持續且不斷加速的過程。

如果非要聚焦具體場景，那么大多數工業場景的全面落地或許要三年，但在垂直細分的小場景中，不追求一個模型解決所有問題，結合新技術逐步解決其中七八成的問題是有可能的。總體而言，每個場景都有落地的可能。

目前最主要的原因還是技術成熟度、可靠性不夠。我轉述一下天蘭跟我說的，對他們的場景而言，（機器人）做60分和70分去落地都是不及格，跟0沒區別。

任永亮：機器人可以分成在廠里的、在家里的，在廠里的我不太了解，但是在家里的我覺得又分兩種：動手的，動嘴的。動手的三五年內很難成熟，動嘴的我認為三五年內很大概率可以落地。

心言集團（測測）創始人兼CEO任永亮

因為動手涉及到物理學非常精妙的定律，對仿真、數據收集等各方面要求都特別高，但是動嘴有大模型這樣的背景，核心是怎么樣把它的能力通過感知和控制發揮出來。當然我們也不是說一點動作都沒有，只不過物理動作相對簡單，核心在于支撐情緒價值，而其中最關鍵的是產品定義能力。當前我們并不缺乏宏觀方向的認知，例如明確要融合VLA（Vision-Language-Action的縮寫，視覺-語言-動作模型）與物理AI，堅持重視情緒價值。（應用）真正的挑戰在于具體執行：如何定義算法與模型、控制端側成本、保障隱私、獲取用戶接受度等，這些問題都需在產品層面進行極其細致的設計與平衡。這一定義過程，直接決定了產品最終能否成功推向市場。

通用跟專用機器人的關系

汪洋：前些年大家做機器人更多是針對某一個具體場景，即專用機器人。這兩年大家看到更多的是具身、通用型的機器人，這個機器人不一定是人形，包括各種形態，但它們的共同特性是通用。你們認為未來通用機器人跟專用機器人會是取代的關系還是共存的場景？

邵天蘭：洗衣機其實也可以定義為一種專用的機器人。洗衣機、洗碗機、割草機、收割機、包餃子機等，它一定不是取代的關系，而是極大的拓展。

通用機器人從長遠來看也很難取代（專用機器人）。因為在很多的場景里面，要么是機器做不了，要么是不值當去做一個專用設備。我覺得它們之間的互補性是很強的。

張巍：二者肯定是共存的，因為它在解決兩個不同的需求。專用機是軟硬件一體、針對特定任務進行極致優化，適用于規模化場景；而通用機則面向長尾、零散且不值得專門開發（專用機）的需求。

人形機器人是一種通用載體，其價值并不在于單一任務的極致效率，就好像iPhone也不止用于通話或郵件，而是集成多種功能于一身的生態平臺。

人形機器人的商業化路徑也與專用不同，它并非靠極致優化某一項任務——單獨做任何一個任務都不需要人形。我叫它“吸星大法”拐點，即本體上的App多了，達到一定拐點之后，它做的事情就多了。

韓峰濤：專用和通用要分軟件和硬件，對于硬件來講肯定是專用的，只是專用面臨的市場大小不一樣。但AI或者大腦是通用的，具身大模型這一波最大的機會可以參考大語言模型，像豆包可以跑在手機上、電腦上、平板上，背后的模型都是一個，但是體現在硬件形態上，根據應用的場景不一樣會發生變化。將來軟件大腦會通用，但是硬件會面向不同的場景做專用。如果專用的場景足夠大，像家用機器人、服務機器人，大家可能會說這是個通用機器人。

千尋智能創始人兼CEO韓峰濤

任永亮：通用和專用一定都是共存的，但是可能關系沒有那么美好，二者之間一定存在博弈關系。每個公司都希望讓自己的產品越來越通用，但是專用一定有它自己的獨特生存之道。就像智能手機一定侵吞了數碼相機的市場，但是今天的數碼相機仍然活著，因為它走了另一條路線。

蔡穎鵬：結論非常明確，肯定是通用、專用共存，人的能力并不是那么強，機器人完全可以做到“超人”。自從人發明了工具以后，人手的能力或者很多作業能力是下降的，當前的人類并不是最優或者最強的載體。機器人通過設計和訓練，完全可以具備很多人不掌握的技能或者做人做不了的事情，所以它的通用性一定會更強。這里面就取決于到底給它多少技能，或者有多少App在里面。