專訪全國政協(xié)委員、科技部原副部長李萌：人形機器人的“iPhone時刻”什么時候到來？智能玩具可能是一個被忽視的大產業(yè)

2026年，“智能經濟”首次被寫入政府工作報告。

在此之前，政府工作報告已經連續(xù)四年提到“人工智能”，連續(xù)兩年提到“人工智能+”。

去年8月，國務院印發(fā)《關于深入實施“人工智能+”行動的意見》，提出到2030年，我國人工智能全面賦能高質量發(fā)展，新一代智能終端、智能體等應用普及率超90%，智能經濟成為我國經濟發(fā)展的重要增長極，推動技術普惠和成果共享。

為何要把智能經濟放在這么重要的位置？智能經濟的發(fā)展思路和主要路徑有哪些？如何看待人形機器人的迭代速度？我們應該對人工智能發(fā)展有怎樣的要求？

圍繞上述一系列問題，《每日經濟新聞》記者（以下簡稱NBD）在兩會現(xiàn)場采訪了全國政協(xié)委員、教科衛(wèi)體委員會委員、科技部原副部長李萌。

1

智能經濟具有重要現(xiàn)實意義

NBD：“智能經濟”首次被寫入政府工作報告，為何今年要把智能經濟放在這么重要的位置？智能經濟的發(fā)展思路和主要路徑有哪些？

李萌：2017年國家新一代人工智能發(fā)展規(guī)劃的戰(zhàn)略目標中明確提出了智能經濟和智能社會的概念，在本輪“人工智能+”行動和今年的政府工作報告中將其目標具體化了。去年8月，國務院印發(fā)《關于深入實施“人工智能+”行動的意見》，其中的重點領域之一便是“人工智能+產業(yè)”發(fā)展。人工智能與產業(yè)融合，將培育出新的經濟形態(tài)。

對智能經濟的理解可以分為多個層面：首先是智能原生產業(yè)，大模型、算力基礎設施等智能技術發(fā)展構建起具備競爭優(yōu)勢的產業(yè)和企業(yè)；其次是智能技術向各行業(yè)垂直滲透，顯著提升各領域運行效率，帶動經濟增長點擴張，由此產生的經濟行為與活動構成智能經濟的另一組成部分；此外，還有一些即將落地的領域，例如陪伴機器人所衍生的陪伴經濟與養(yǎng)老經濟。盡管進入個人消費市場（To C）仍需時日，但我認為提供情緒價值的陪伴智能體將是最早實現(xiàn)家庭應用的領域。

值得關注的是，我國生產的陪伴機器人較海外同類產品更具優(yōu)勢——例如，日本產品還沒有實現(xiàn)流暢的自然語言交互，而國產產品已具備該能力，且成本遠低于日本產品。針對75歲至85歲年齡段中行動能力尚可的老年群體，雖能獨立完成起居、外出、購物、烹飪等日?；顒樱毡槊媾R空巢孤獨問題，對陪伴機器人存在切實需求。相較于需完成精細操作的家務型人形機器人（因數(shù)據(jù)不足導致訓練難度較大），陪伴機器人的操作技術要求相對低、成熟度更高，相信商業(yè)化進程也將更快。

在當前國際競爭日趨激烈、全球經濟面臨挑戰(zhàn)的大環(huán)境下，智能經濟兼具現(xiàn)實意義與長遠意義。從當下看智能經濟是應對經濟下行壓力的新的增長點，從中長期看智能經濟能夠顯著提升產品質量、創(chuàng)新性和競爭力，推動中國產業(yè)鏈水平整體躍升。因此，我認為，今年政府工作報告將智能經濟寫入，既具有高度針對性，也體現(xiàn)出決策的及時性與深遠意義。

2

通過合作，人形機器人技術迭代速度會非?？?/p>

NBD：在人工智能領域，人形機器人備受矚目。從2025年春晚機器人扭秧歌、做預設動作，到2026年實現(xiàn)空翻、武術、演小品，我們可以看到，短短一年時間，人形機器人實現(xiàn)跨越式升級。過去多年并未出現(xiàn)的進步，為何在過去一年中就產生了？

李萌：有兩方面原因，其一，大模型技術多路徑迭代發(fā)展，具身智能的實現(xiàn)在多途徑上展開探索，多種技術路線的競爭促進了技術水平快速提升和實現(xiàn)路徑的相對收斂；其二，本體制造能力快速突破，以靈巧手為代表的本體精細化水平顯著提升。目前業(yè)界對該發(fā)展方向形成高度共識，資金、人力與技術資源持續(xù)向該領域集聚，從而推動技術實現(xiàn)跨越式發(fā)展。今年春晚亮相的人形機器人在運動控制能力方面已達到國際領先水平，令世界刮目相看。

部分從事世界模型與空間智能研究的業(yè)內人士提出，具身智能的模型架構可能需要重新架構，比如探索過程中將大小腦合一了，而不再是“大腦-小腦-本體”的結構。從當前大語言模型“預測下一個token”到“預測下一個動作”之間，需要有一個比較大的轉變。大語言模型基于概率預測，而空間智能與世界模型需要理解物理定律和具有長期記憶。當前機器人的“世界模型”多為幾何模型而非物理模型，但未來是能夠發(fā)展出物理模型的，而且這是必然趨勢，是邁向適應開放世界、具備常識的通用智能體的關鍵一步。

比如當機器人同時觀察到地面上的影子與待抓取物體，且二者距離相近時，其能夠準確識別并抓取實體物體而非去抓物體的影子，表明其具備一定的物理規(guī)律理解與常識推理能力——明確影子僅為光學現(xiàn)象而非實體對象。對物理規(guī)律理解與常識記憶能力，是空間智能與世界模型領域需要突破的關鍵技術方向。

NBD：中國多模態(tài)模型與國際水平相比，發(fā)展如何？

李萌：關于我國多模態(tài)模型與國際先進水平的比較，業(yè)界此前存在不同觀點，有聲音認為我國相關技術落后于美國，例如Sora 2等產品的表現(xiàn)。但自Seedance 2.0發(fā)布后，此類聲音漸淡了。Seedance 2.0不僅視覺效果逼真，而且在多模態(tài)輸入、內容精準控制能力和人機交互流暢度方面都達到了業(yè)界新高度，推動視頻生成技術商業(yè)化落地向前邁了一大步，甚至使好萊塢感受到前所未有的行業(yè)危機。

我認為，我國與具身智能相關的多模態(tài)模型的發(fā)展方向與國際主流趨勢基本一致，在不同方面上各有優(yōu)勢。從技術架構來看，機器人可分為大腦（認知決策）、小腦（運動控制）與本體（執(zhí)行機構）三個層級。美國在空間智能與世界模型等領域開展了大量理論方法探索，在大腦模型的基礎模型范式原始創(chuàng)新方面具備一定優(yōu)勢，我國研發(fā)團隊也已在該領域開展大量實踐探索和模型開發(fā)訓練。在小腦運動控制能力方面，宇樹、智元、傅利葉等國內企業(yè)的運動控制模型算法已接近甚至實現(xiàn)局部領先。端到端的視覺-語言-行動（VLA）大模型將大腦與小腦功能融合，使系統(tǒng)既能感知物理世界、理解物理規(guī)律，又能直接控制本體執(zhí)行動作，在這方面美國Figure AI的Helix、斯坦福的OpenVLA等具備領先水平。

在硬件本體方面，宇樹科技的電驅動方案也已成為行業(yè)標桿，使美國波士頓動力旗下Atlas放棄原有的液壓傳動方案。與液壓驅動相比，電驅動方案具有顯著優(yōu)勢，要實現(xiàn)復雜操作，自由度至關重要。人的單手手指部分有21個自由度，加上手腕27個自由度，若機器人能達到同等水平，則操控能力將接近人手。此外，我國絲杠零件制造水平也在逐步提升，電驅動還需要諧波減速器等核心部件，這些部件協(xié)同優(yōu)化，能使手指和關節(jié)的聯(lián)動更加順滑、具有柔韌性，有效提升機器人運動的安全性。

3

智能玩具可能是一個被忽視的大產業(yè)

NBD：以人形機器人為代表的具身智能的“iPhone時刻”會是什么時候？

李萌：首先需要區(qū)分是專用領域還是通用領域機器人的“iPhone時刻”。

若指通用領域人形機器人的“iPhone時刻”，個人認為目前來談還為時尚早；若指專用領域機器人，則有望在未來幾年內實現(xiàn)突破。此前業(yè)界曾預測，2026年AGI（通用人工智能）將到來，但需明確區(qū)分數(shù)字AGI與物理AGI。如果是物理AGI，即使在未來幾年內實現(xiàn)的難度仍較大。因為人工智能的終極目標是模擬人類智能，而人類智能不僅包括認知能力，還涵蓋行動能力、價值判斷等多維度要素。

在專用領域，我認為“iPhone時刻”到來不會太久。自動駕駛可能成為最早進入“iPhone時刻”的專用領域的具身智能體，率先實現(xiàn)規(guī)模化商業(yè)落地；陪伴機器人則可能成為第一個進入家庭消費市場的專用具身智能體；而智能玩具可能是一個被忽視的大產業(yè)。

智能玩具可能是弱人工智能的，也可能是具身智能的，集陪伴、教育、看護功能于一體，市場規(guī)模有望對標傳統(tǒng)玩具產業(yè)，形成全球性需求。且與一般機器人相比，智能玩具的結構相對簡化，無需人形，無需復雜的靈巧手與多關節(jié)設計，核心在于自然語言交互能力。相比之下，家務機器人雖承載較高市場預期，但技術難度較大。

此外，具身智能向垂直領域的滲透越深，催生的細分應用場景也會越多，進而形成更顯著的經濟增值效應。因此，未來大量具身智能體將進入工業(yè)、流通、服務等To B領域，形成規(guī)?；悄苋后w。越深耕垂直領域，智能經濟的增長點就越多、增長面就越寬。

“人工智能+”形成的智能經濟與“互聯(lián)網+”產業(yè)不一樣，但二者的發(fā)展有繼承性和延續(xù)性。“人工智能+”高速移動互聯(lián)的時代已經來臨。盡管當前已進入智能時代，但移動連接仍是不可或缺的基礎設施。6G技術被列為未來產業(yè)之一，原因是其與智能技術的融合將形成許多意想不到的效果。6G時延可達微秒級，較5G的毫秒級提升一個數(shù)量級，遠超人類交互的反應速度，在高精尖領域具有重要應用價值。智能經濟可視為“互聯(lián)網+”的升級換代版本，但其發(fā)展仍需發(fā)揮好既有的互聯(lián)網生態(tài)與技術體系支撐，并在此基礎上逐步構建起智能體互聯(lián)網生態(tài)。

4

需避免智能鴻溝演變?yōu)榉峙澍櫆?/p>

NBD：在宏觀層面，人工智能應該如何發(fā)展？我們應該對其有怎樣的要求？

李萌：人工智能要走向包容性發(fā)展之路。微觀效率的提升要向宏觀效果包容，個體、企業(yè)的效率提升應該推動TFP（全要素生產率）的整體提升；技術發(fā)展要向綠色發(fā)展包容，大家講人工智能的盡頭是能源；同時，技術進步需向高就業(yè)率包容，妥善應對人工智能帶來的集中式就業(yè)替代與分布式就業(yè)增長之間的時間差與過渡期，應建立健全過渡機制與兜底保障。

從就業(yè)替代來看，具有創(chuàng)造性思維、價值判斷能力、復雜行動能力的崗位則不會被取代。例如，雖然使用Seedance能夠拍出好萊塢大片的效果，但是需要有人寫提示詞，提示詞寫作體現(xiàn)了人的水平、設計效果；此外，真實場景下的數(shù)據(jù)采集工作需要大量人力投入——盡管存在人造數(shù)據(jù)作為補充，但其可能存在近親繁殖與幻覺等問題。要發(fā)展空間智能與世界模型，真實場景數(shù)據(jù)采集是不可替代的。

人工智能一邊在單點領域形成就業(yè)替代，另一邊又帶動社會整體的就業(yè)增長，這就是所謂的杰文斯悖論，二者并非簡單的對稱替代關系。國家層面需建立就業(yè)蓄水池與兜底機制，平穩(wěn)度過過渡期，方能通過包容性發(fā)展實現(xiàn)技術造福社會、促進社會繁榮的目標。

此外，人工智能發(fā)展還要向社會公平分配包容。收入分配是最具政治意義的經濟議題。雖然馬斯克說，未來智能社會人人都財富自由了。但這需要一定的前提條件，現(xiàn)有的財富格局會影響人工智能紅利在不同國家之間和不同人群之間的分配。因此，需要確保人工智能紅利的合理分配，避免智能鴻溝演變?yōu)榉峙澍櫆稀?/p>

NBD：這一輪人工智能技術不僅僅是像以往工業(yè)革命一樣解放了體力勞動，腦力勞動也要被“解放”出來了，有些人擔心AI會把人類取代，未來，人類如何重新定義自己和AI的角色？

李萌：我認為AI與人類關系的終極定位應是超級工具或工具型伙伴。

隨著大模型、智能體和具身智能快速發(fā)展，業(yè)內對通用人工智能進程的預期明顯提前。從智能技術發(fā)展本身而言，未來其能力進化將沿著“輔助者-代理者-具身人-碳硅生命互為鏡像-超級智能”的路徑迭代，如果不加以限制與規(guī)制，AI發(fā)展成為更像人類自己、超過自己的伙伴應是可能的事件，綜合生物技術、信息技術、材料技術、精密機械技術和腦科學等，發(fā)展出類人、擬人、超人的硅基智能體。

問題的關鍵是人類最終是否需要、是否愿意AI發(fā)展成這個模樣，人類是否有能力讓AI按照自己理想的模樣向前發(fā)展。

我個人認為，發(fā)展方向是工具包括超級工具——能夠提升能力效率，甚至是工具型伙伴，正如我前述提到的，能夠提供助力和情緒價值。對面向企業(yè)（To B端）來說將主要向超級工具發(fā)展；對面向消費者（To C端）來說主要向工具型伙伴發(fā)展，不能讓其發(fā)展超過工具范疇。

人類要在人工智能的發(fā)展中占據(jù)主體地位，發(fā)揮主導作用。人類要定義AI的未來，而不是讓AI發(fā)展出可以定義人類未來的能力。這就需要加強敏捷治理，加強國際合作，讓人工智能“可以是造福人類的國際公共產品”。

記者|周逸斐 張宏

編輯|魏官紅

視覺|陳冠宇

排版|魏官紅

統(tǒng)籌|易啟江

｜每日經濟新聞 nbdnews 原創(chuàng)文章｜

未經許可禁止轉載、摘編、復制及鏡像等使用