博鰲熱議人形機器人：落地應用仍有三重挑戰，人機邊界需要明確

這是3月20日拍攝的博鰲亞洲論壇國際會議中心（無人機照片）。新華社 圖

“從產品與產業層面發展趨勢來看，中國人形機器人產品國產化、規模化進程加速。”

3月25日，北京人形機器人創新中心CEO熊友軍在論壇上在博鰲亞洲論壇“人形機器人的進階與飛躍”分會場作出上述表述。

談及人形機器人的發展趨勢，熊友軍在論壇上指出，去年工信部組織行業標準化委員會，梳理并發布人形機器人全產業鏈標準，推動了行業從定制化向產業化轉型。零部件企業與整機廠、系統集成商進一步協同聯動、集團化發展，合力提升核心零部件的可靠性、穩定性與標準化水平，有效降低成本與行業門檻，進一步推動應用普及。

從技術層面看，熊友軍指出，機器人本體技術逐步收斂，伴隨大模型發展，運動控制能力快速提升；機器人“大腦”呈現大小腦協同進化的顯著特征，技術范式多元，包括世界語言行為大模型分層控制、多模態大模型與相關感知技術協同，以及世界模型與多功能大模型融合統一等路徑，大小腦協同進化趨勢突出。

當前，人形機器人正從炫技表演逐步走向實用場景。熊友軍指出，人形機器人的應用正加快向泛工業領域滲透，包括汽車、家電制造，以及搬運、分揀、物流等環節，也在從專用走向通用。

對于外界質疑人形機器人是“陷阱”的看法，vivo機器人Lab首席科學家邵浩在論壇上表示，這主要是外界認為人形機器人當前軟硬件能力有限，在單一任務上不如掃地機、割草機等專用機器人。但場景決定形態，長期來看，十年后人形機器人的應用覆蓋范圍將遠超各類專用機器人。

博鰲亞洲論壇現場。澎湃新聞記者 邵冰燕 攝

突破“ChatGPT時刻”：技術、數據與商業的三重挑戰

不過，星動紀元科技有限公司創始人陳建宇指出，從近年春晚等場景的酷炫演示，到真正實現高價值落地、達成萬臺乃至十萬臺量級應用，仍面臨多重挑戰。

一是能力要求極高。陳建宇表示，工業場景對機器人節拍效率、作業成功率與可靠性均有嚴苛標準。要打造工業級穩定產品，不僅需完成單次任務，更要實現持續、可靠、低成本運行，對技術體系提出全面要求，就要求機器人能力實現體系化升級。

二是泛化性不足制約規模化落地。陳建宇指出，當前行業尚未迎來機器人領域的“ChatGPT時刻”。其中，家用場景最大瓶頸在于模型泛化能力，家庭環境布局差異極大，無法逐戶采集數據、單獨訓練，因此模型需具備零樣本泛化能力，可在全新環境中直接執行任意指令，無需新增數據與訓練，這是家庭應用的終極目標，目前仍有距離，預計五到十年將有顯著效果。

陳建宇同時表示，即便未達通用泛化階段，機器人仍可在工業等垂直標準化場景落地應用。通過針對性投入數據與算力，可率先打通關鍵崗位，并實現標準化復制，應用于上萬乃至十萬個場景。

“當前人形機器人在本體穩定性、耐用性與靈巧性方面仍面臨較大挑戰。”百度集團執行副總裁、百度智能云事業群總裁沈抖在論壇上指出，雖然大模型已開始提供統一技術底座，但機器人“大腦”“小腦”以及整體技術方案尚未形成統一，行業遠未達到類似“ChatGPT時刻”。且具身智能與現實世界的交互及行為完善是一個漸進過程，并不存在類似ChatGPT那樣的突變時刻。

沈抖進一步指出，盡管當前熱度較高，但人形機器人整體仍處于技術建設階段。尤其是數據層面，行業尚未形成規模化的正向數據循環，“現階段具身智能仍以實驗與數據采集為主，未真正融入生產生活，無法像自動駕駛那樣實現規模化應用并形成數據閉環，數據仍是明顯短板。為此，團隊已在東莞設立具身智能數據采集站，引入各類機器人本體開展數據采集工作。”

商湯聯合創始人、執行董事、大曉機器人董事長王曉剛也在論壇上提及，過去幾年相關模型發展在很大程度上受限于數據，以往依靠人工操控機器人采集數據的方式效率極低。而OpenClaw的出現，為人形機器人帶來了自我進化能力，該平臺支持機器人自主調用、自我反思與記憶，實現從單機具身智能向群體協同作業轉變，使其在環境探索與操作執行中持續進化。這一技術也有望推動機器人從數字員工概念走向物理執行，成為行業重要發展趨勢。

熊友軍補充表示，人形機器人的“ChatGPT時刻”不會一蹴而就，而是與技術成熟度、商業價值及社會需求同步耦合。目前在部分結構化環境及簡單重復場景中，依托現有大模型已實現應用落地。數據顯示，去年中國人形機器人發貨量近2萬臺，預計今年及明年將實現大幅增長，實際場景落地速度可能快于預期。

陳建宇在論壇現場給出時間范圍，其認為，若對標ChatGPT式的關鍵突破節點，綜合與美國頂尖具身智能學者的交流判斷，這一時刻大概率將在五年左右到來。

3月23日，在青島市人形機器人數據采集訓練場，工作人員對人形機器人進行訓練和數據采集。新華社 圖

叩開家庭之門：泛化、安全與成本的終極突圍

機器人離大眾生活越來越近，行業最迫切需要做的是什么？

陳建宇認為，當前行業亟須推進幾方面工作：一是軟件與模型體系實現標準化、規模化。目前模型與數據路線眾多，要形成可合規復制的標準產品，需收斂技術路線，聚焦高效可行的方案。二是硬件層面打通供應鏈與產業鏈，實現降本和規模化復制。

在智慧康養機器人養老驛站內，小朋友與一款人形機器人握手（3月18日攝）。新華社 圖

“未來AI能力將持續增強，必須明確人機邊界，需要把握主動權。”陳建宇指出，一是目標設定權。機器人的任務方向須由人決策，機器人僅可提供建議，不能自主設定目標。當前例如“龍蝦”等部分AI應用出現失誤與損失，正是過度放權導致的。二是規則界定權，機器人的行為約束與邊界，必須由人制定。三是最終責任歸屬，責任主體必須是人而非機器，“機器人出現問題需由人兜底，責任可歸于個人或組織，但最終均由人承擔，如同交通事故責任不會歸于車輛”。

王曉剛表示，現階段核心是推動研究范式變革，在具身智能領域確立可落地的技術方法，通過擴大模型、算力與投入形成發展確定性，而關鍵支撐在于數據與模型。

“標準制定至關重要。”熊友軍指出，當前行業存在一定無序發展現象，易造成資源浪費，因此亟須制定產業發展標準，以規范并引導產業協同有序發展，推動行業從定制化研發向標準化、規模化、大工業化方向邁進。

“具身智能進入家庭應用，應當是發展的最后一步。”沈抖認為，家庭場景對機器人能力提出了上限要求。相比之下，危險作業場景與工業場景標準化程度更高，而家庭環境的挑戰最大。

沈抖判斷，兩年內機器人很難系統性進入家庭，十年內能否實現也尚不明確。但依托中國完善的供應鏈與豐富的應用場景，機器人成本未來必將大幅下降，最終達到家庭可消費的水平。在進入家庭之前，機器人會在各類場景中充分打磨，因此成本并非最關鍵的制約因素。

沈抖還指出，機器人進入家庭，需要達到類似L4級別的自主運行能力，可在全屋自由行動，這對產品性能、安全機制、行業標準及相關法律法規都提出了極高要求，相關體系仍需長期完善，“家庭普及至少是十年以后的事情，行業仍有充足時間完成各項準備。”