記者丨孫燕

編輯丨卜羽勤

如果說2024年是人形機器人量產元年，2025年則普遍被認為是人形機器人商業化元年。

尤其今年下半年以來，人形機器人訂單井噴：優必選中標價值1.26億元的廣西具身智能數據采集及測試中心設備采購及安裝項目；智元機器人獲得了來自均勝電子、龍旗科技等企業的數億元訂單；宇樹中標中國移動、上海大學等訂單。

從中標項目、采購訂單、預訂單、意向訂單以及銷售框架合同看，人形機器人在科研教育、文娛商演的基礎上，正陸續在數據采集、汽車制造、3C制造等場景商業化落地。

由易到難

在成千上萬的場景中，人形機器人商業化的可行路徑何在？由易到難，是整個行業心照不宣的選擇。

智元機器人合伙人、高級副總裁、通用業務部總裁王闖在2025可持續全球領導者大會期間的圓桌對話中分享了他眼中的人形機器人落地路線：先進入不與物理世界接觸，能發揮人形機器人運動能力、交互能力以及大語言模型、多模態模型優勢的場景；再拓展到與物理世界接觸，但規則簡單、物體剛性且精度要求較低的場景；最終進入柔性、高精度場景。

具體到不同場景中，也有落地難易之分。

以養老場景為例，王闖在接受21世紀經濟報道等媒體采訪時分享道，退休之后可以分為三個階段：

第一階段人們的行動能力較好，對機器人的需求在于陪伴；

第二階段人們的行動能力越來越不便，對于機器人的需求在于輔助；

第三階段人們的行動能力較差，需要機器人提供24小時看護。“難度是逐漸增加的。我們今年開始探索第一階段，由人形機器人在養老院跳舞、說相聲、表演節目。”

近日在首屆合作伙伴大會上，智元宣布聚焦講解接待、文娛商演、工業智造、物流分揀、安防巡檢、商用清潔、數采訓練、科研教育八大場景，推出了定制化解決方案。

而在明確八大商業化場景之前，智元也曾撞過“南墻”。王闖回憶道，該公司曾嘗試做一款上下料機器人。“我們原來以為很簡單，后來發現它需要力控、非常精密的感知以及全身控制，而且用著用著會變形。”

這樣的場景確實存在機器人需求，但如果“死磕”在上面研發，ROI（投資收益率）會很低。“最后我們形成了一套方法論：如果當前技術水平高于場景所需的技術水平，就開發；如果前者低于后者，并且未來一年內都難以高于后者，就不開發。”

銀河證券歸納了兩個篩選人形機器人易于落地應用場景的角度，一是技術可實現性，即在容錯率高、執行速度/同步性要求不高、可重復糾錯、易于收集數據的場景具備率先落地優勢；二是成本效益，即在區別于自動化、能體現物體/任務/環境泛化性，能真正提高效率或降低死傷率的場景具備率先落地優勢。

中短期來看，銀河證券看好具身智能機器人在工業物流、機構養老、特種環境（轉爐煉鋼、石油化工、電力巡檢），以及toC陪伴、玩具機器人場景中的應用。

在落地難度階梯圖上，人形機器人走進家庭的難度最大，還需要解決成本、安全性、任務成功率、復雜任務泛化性等難題。

石頭科技（688169.SH）副總經理烏爾奇在圓桌上也指出，機器人走進家庭是挑戰性最大的任務。以室內清潔為例，一方面家具沒有標準，機器人在沒有標準的世界中自由穿行很困難；另一方面地面上往往存在雜物，可能卡困機器人。

規模化落地瓶頸何在？

“去年人形機器人還走不穩，WAIC基本也都是靜態展示，今年已經能看到人形機器人滿地跑了，運動能力飛速發展。”王闖指出，當前人形機器人運動和交互能力逐漸展現出超越人類的趨勢，但作業能力距離人類還有較大差距。

盡管人形機器人已飛速發展、開始商業化落地，但規模化落地仍“在路上”。

業內普遍認為，傳感器等核心硬件性能不足是制約人形機器人規模化落地的首要瓶頸。仙工智能科技股份有限公司創始人兼CEO趙越指出，大模型的成功不僅源于海量數據，更源于這些數據是結構化、可量化、易于學習的。如自動駕駛大模型的視覺數據是像素化的，能夠被訓練。

但對于人形機器人而言，僅靠視覺遠遠不夠，它必須具備觸覺，以感知力的大小、物體的材質、形狀、紋理和溫度。“我們能否通過材料學、生物學的突破，研發出像素級別的傳感器，是人形機器人的瓶頸之一。只有精細化、觸覺化、像素級別的傳感器，輸出的數據才有訓練價值。”

中國信通院研究指出，硬件方面，機器人上肢要想實現精細化操作，則依賴高自由度的靈巧手，但手部觸覺傳感器、執行機構等關鍵部分仍存在問題。

此外，電池續航、成本、端側算力等也是機器人規模化應用的重要難題。除硬件以外，軟件其實是機器人落地的更大挑戰。大模型的本質是數據驅動，只有基于龐大的數據量來訓練，才能實現智能的涌現。

當前，業界正通過開源大模型、數據集、本體設計、工具鏈等，推動行業協同創新。

如在大模型方面，今年業界已推出并開源了多款人形機器人大模型，包括智元開源的GO-1通用具身基座大模型、宇樹科技開源的UnifoLM-WMA-0——跨多類機器人本體的開源世界模型-動作架構、北京人形機器人創新中心開源的WoW具身世界模型。

王闖告訴記者，機器人需要很強的泛化性。大模型能夠支撐其在千變萬化的場景中達到“60分”的及格線。但對于具體場景，還需要進行針對性的增強訓練，形成具體的小模型——人形機器人只有在某一場景做到95分以上，才能逐漸落地。

在數據集方面，宇樹科技開源了UnitreeG1機器人操作數據集，北京人形機器人創新中心聯合北京大學推出了RoboMIND大規模多構型智能機器人數據集，智元機器人開源了AgiBot World數據集。

SFC

出品丨21財經客戶端 21世紀經濟報道

編輯丨金珊 實習生丁紫祎

21君薦讀