8月13日訊（記者 武靜靜）在今年的 WRC 世界機器人大會上，人形機器人成了絕對的C 位，現場除了擠得水泄不通的人，最多的就是人形機器人。

步入展館，仿佛踏入人形機器人的主題樂園，目光所及之處，幾乎每個展臺前都矗立著人形機器人的身影他們有的在伴著音樂揮手起舞，有的低頭搬運沉重的箱子，還有的與觀眾互動。人氣爆棚的展位里，人形機器人打拳擊、踢足球、踩著節拍跳舞，還有的一絲不茍地煮咖啡、疊衣服、甚至嘗試疊被子，更有的在展區走來走去在模擬工廠流水線上分揀、搬運物料那工作的認真勁兒，引得觀眾里三層外三層地駐足圍觀。

上游展區同樣人頭攢動。靈巧手展位前，好奇的小孩踮著腳伸手觸碰那靈活轉動的金屬手指，大人們則紛紛舉起手機，配備了人臉的機器人，憑借逼真的表情變化，成功圈住了一波又一波拍照打卡的觀眾。而在高扭矩電機、精密減速器、各類傳感器等核心零部件的攤位前，同樣擠滿了熱烈探討技術參數的工程師和邊翻產品手冊邊交換名片的資本方代表。

人人做人形背后，現階段形態依舊是非共識

展會的背后，在機器人大行業，今年，人形幾乎成了廠商的標準動作。無論是長期深耕工業機器人、服務機器人，還是剛從實驗室走向商業化的初創公司，都選擇布局人形機器人。

過去以工業機械臂聞名的庫卡，也在展臺擺出了自家的人形機器人模型；原本主打協作機器人的廠商，同樣不甘示弱，讓類人形態的產品站在了聚光燈下，成為吸引人流的第一道風景。更有趣的是，幾家并非專攻人形的機器人公司，也特意為設備披上了類人的外衣，試圖以更擬人化的親切吸引人群的目光。

當問及為何選擇人形，很多廠商都告訴藍鯨科技，之所以布局人形這個形態，原因在于，他們認為，人形是適配人類環境的最優解，甚至是終極形態。比如，人形機器人是工業自動化、商業服務和家庭應用的終極形態。它能夠在相同平臺上承接更多任務，從工廠產線到家政清潔，從商場導覽到應急救援，減少了為不同場景開發多種機器人形態的成本。這種共識氛圍，不僅來自廠商，也在資本市場得到呼應。在大會同期的投資論壇上，多位投資人公開表達了對人形機器人的看好。

但即便表面上人人做人形，實際的形態選擇仍存在明顯非共識。大會現場可以看到，下半身設計的分歧尤其明顯：有企業堅持雙足行走，以追求人類行為的自然適配；也有廠商選擇輪式底盤，追求更高的穩定性和能效；甚至有廠商提到未來可以混合設計方案，在不同任務場景間靈活切換。

一位宇樹工程負責人解釋：雙足可以適應復雜的人類環境，但穩定性和能耗是挑戰；輪式更易上手、易懂，也方便快速部署在倉儲、商超這樣的平坦地面。

當問及為何選擇輪式設計時，星塵智能相關負責人向藍鯨科技介紹稱：公司采用輪式底盤，主要考慮四方面因素穩定性高，確保機器人在移動過程中保持平衡；能耗低，有助于延長續航時間；控制簡便，便于在不同任務中實現精準移動；適應性強，能夠覆蓋家庭、辦公室、工廠以及購物中心等多種場景。所以，星塵智能將輪式底盤與人形上身結合，形成輪式底盤+人形上身的一體化設計，既保留了輪式底盤的優勢，又兼顧人形機器人的操作靈活性和仿真性能。

星塵智能S1

甚至在展會上，也會看到一些弱人形機器人。它們通常保留雙臂和靈巧操作末端，如類人手爪或工具接口，但放棄雙足行走，采用輪式、履帶式底盤或固定基座。這種設計大幅降低運動控制復雜度，提升移動穩定性與載重能力。

最近，智元遠征 A2-W 與富臨精工達成數千萬元合作就是一個典型案例。遠征 A2-W 采用輪式底盤+仿人雙臂+多指靈巧手，專注于工業物料搬運場景，有點像具身機器人+AMR的綜合體，可以完成物料出庫、產線上料和空箱回收的全流程作業。

智元遠征 A2-W

所謂的弱人形機器人并非性能的‘弱’，而是形態上不追求完全擬人化，技術上放棄‘通用性’幻想，專注特定場景的功能實現。一位銷售向藍鯨科技解釋道。他進一步指出，對于工業客戶來說，最關鍵的指標不是機器人看起來多像人，而是穩定可靠與投資回報率（ROI）搬運效率、故障率、維護成本、能耗和連續作業能力，都是決策的重要參考因素。在他看來，相比追求全擬人形態、通用場景適配的人形機器人，弱人形機器人在短期 ROI 和商業可行性上更具說服力，也更容易被傳統制造業、倉儲物流等行業接受。

技術路線各自分野

除了形態，另一個備受關注和爭議的話題就是各種技術路線的探討，一位投資人分享了自己的觀察與感受。他指出，當前人形機器人領域仍處在技術探索階段，技術路徑尚未定型。無論是VLA模型、大腦+小腦架構、World Models，還是其他潛在方案，業內尚未形成共識，未來哪一種路線能夠真正成為主流仍不明朗。

在主論壇的演講中，宇樹科技創始人王興興直言目前具身智能和機器人的模型架構不夠好，也不夠統一。在大語言模型領域，當有了足夠多的好數據時，就能把模型訓練得越來越好。但是在具身智能領域，會發現在很多情況下，數據采集了，卻用不起來。大家對模型的關注目前是相對有點少，反而對數據關注有點太高了。

他認為，仿真與現實的鴻溝是機器人面臨的核心難題。即使利用仿真產生海量數據，模型在真實機器上的偏差依然巨大。

也有人理解不同，國家地方共建人形機器人創新中心首席科學家江磊解釋，目前的VLA模型雖然為運動控制提供了新范式，但其閉環仍不完善感知、認知、決策和執行之間的連接尚未完全形成。他認為，單純強調數據采集或仿真生成的數據，并不能真正解決現實機器人的偏差和泛化問題。

江磊說：大語言模型和端側小模型需要協同，形成完整的‘大腦+小腦’體系。現有VLA架構不能簡單等同于小腦模型，否則大腦追平的努力只發揮了一半。在他看來，從模型設計、數據利用和軟硬件協同三個層面去尋找新的解決范式。

星海圖、自變量等公司強調的則是端到端模型的重要性，不過具體的實踐路線不一樣，星海圖提出的是，分層系統是通往完全端到端的必經之路。上層負責高階任務拆解的VLM，下層負責執行具體動作的VLA。自變量則主張直接走向完整端到端的統一大模型，打造統一且可擴展的模型架構，他們認為能力和智能水平會隨著參數規模和訓練數據量呈指數級增長。

總體來看，2025年的WRC機器人展不僅展示了本體技術的快速進步，也呈現出行業在智能模型架構上的探索與分歧。這種觀點的分歧，折射出當前人形機器人領域的核心矛盾：一方面是數據與模型的選擇、仿真與現實的鴻溝；另一方面是軟硬件與算法的協同、技術路線的未定型。

正如一位投資人所言：我們仍站在技術森林的入口，每條路徑都通向未知。真正的共識，恰恰在于對‘未知’的坦誠。在他看來，能夠在這種不確定性中找到可落地商業模式的企業，將成為推動人形機器人產業走向規模化的關鍵力量。