三年前，人形机器人还处于阳春白雪的科研阶段，这两年发展迅猛。那么，人形机器人当前面临的问题是什么？突破的方向在哪里？未来的应用在哪里？前不久，在上海2025人形机器人产业高质量发展论坛上，地方共建人形机器人创新中心（简称“国地中心”）席科学家江磊介绍了他的看法，并提出与产业链共同打造出四位一体生态的观点。

01 产业发展的新动向

人形机器人在各大证券市场已经有了概念股，从2024年1月开始，还是平平淡淡的发展，为什么到了8月，整个二J市场被急速拉动？

先，一定是人形机器人行业找到了一个技术突破、可发力的对象。

第二，政策方面，今年一开年，要设立相应的重大项目，原因可能是我们想缓解劳动力缺口，以及应对未来人口老龄化的挑战。

第三，从产品端看，人形机器人迎来了GPT时刻。此时尤其令我们自豪的是，在这个高科技领域的起步阶段，我国登上了世界舞台，已有一些有代表性的企业和样机。

第四，从行业角度看，千行百业都在关注。据统计，现在已有100家左右的整机公司，预计到今年年底会有200多家，还有数千家的核心零部件厂家，这构成了一个大生态。汽车行业、手机行业、制造行业、互联网、国央企都在投入。一个共性原因是：在一个行业处于发展的高峰期或瓶颈期，内卷就开始出现，因此这五大行业、企业都找到了发力点：人形机器人，认为是破解行业规律性周期性难题的一个主要动因。国外也是如此，今年年初，苹果、三星、现代等开始设立人形机器人的硬件团队。今年阿里也在张江模力社区（注：“国地中心”搭建）设立了智能机器人的硬件团队。

在此，“通用化”会成为一个经济活动的名词。过去人们会把通用化做成技术，所以业界一直在争论：是做专用机器人，还是做通用机器人？其实这种争论没有什么意义，因为技术都是为场景服务的。所谓的场景驱动就是有没有市场，厂家的产品能不能找到市场、销售出去。所以“通用化”更重要的是在一个新兴市场，单品能否过10万台的门槛。今年人形机器人单品可能会过1万台的门槛，但更期待未来是百万台、百亿台的产业规模。目前10万台将是一个重要的门槛。另一个角度，如果做一个产品，单品要10万台，它可用在哪些场景呢？这值得我们去深入思考，再从“通用化”来考虑产品定义和设计如何去做。

02 技术发展趋势

有一个高价值飞轮的理论。三年前，人形机器人是个万亿元的潜在赛道，因此发布了政策来加速促进人形机器人的发展，使其对于公众来说不再陌生，不经意间，在电视节目或某个商场的转角就能看到人形机器人，它正在形成一个巨大的产品市场。因此，今年是完成高价值飞轮的重要一年。那么能否实现规模和量产？高价值飞轮的核心驱动力还是来自于颠覆性的技术。

为什么2024年8月人形机器人的二J市场会被急速拉升？因为颠覆性技术起到了决定性的作用。

工信部提出了两大革命：“机器人+革命”与“人工智能+革命”，它们对应的都是新质生产力。“机器人+”是新质硬件生产力，“人工智能+”是新质软件生产力。可见，新质生产力是软硬一体化的典型代表。在这样的一个产业、技术、行业、规模、政策里，其中的线索一定是技术驱动了这次技术革命。

先，其背后的逻辑，以π0团队为代表，去年8月Physical Intelligence次发布了通用人形机器人的视觉-语言-动作模型（VLA）。现在VLA已经成为一个事实标准。如果回到去年8月之前，相信90%的专家会认为机器人的操作还不属于预训练（注：语言/ChatGPT是大模型，是预训练），我们双手的操作不是预训练，但是，从8月开始，π0团队发现它也是一个大规模预训练架构。大算力大模型也是大力出奇迹的一个行业，并被证明这种方式是可以的。

实际上，不仅π0发现，国内外同时十二个团队用10万的数据集、30万的数据集、现在用80万的数据集激励了以后，整个任务达成率也是直线上升。

我们坚信规模法则与后训练将会促进这一次人形机器人Z终的一个闭环。

当然还有一部分—智驾，例如，特斯拉的FSD V12帮助印证，现在也转向VLA。而之前做汽车的人是做端侧，发现VLA也很好用。

人们如果了解VLA的诞生，其完全不是为汽车设计的，是为谷歌的一款类人形机器人的构型设计，结果没想到VLA也撑起了智驾的半边天。

当然，还是要回到人形机器人，仅有VLA够不够？

去年Figure联合OpenAI造出了Figure 01，可以看到大模型是在人形机器人的Z上层，是采用大脑、小脑+肢体的分层类人架构来实现的。去年我国在“世界人工智能大会（WAIC）”上也推出了我国自己的大脑、小脑、驱动架构，今年正进一步完善。

人形机器人有没有一个通用的完全端到端的大模型？现在VLA解决了上层的，下层有一个控制模型是属于分层架构，但能不能用一个分层实现完全端到端？有一篇论文支持了这样的观点。因此，三年前，语言进入了大模型(例如ChatGPT)，去年双手操作进入大模型（例如VLA），现在的问题是：下肢行走以及全身运动是不是一个大模型？坚信将来会有一个大模型，能够让人形机器人、四足机器人以及汽车来实现统一的驾驶。

人形机器人行业目前有四类：

汽车智驾的具身模型；

机器人上肢操作/VLA；

人形分层策略；

芯片/GPU。

整个具身智能产业正在爆发，所有路径都需要大数据，所以在去年“国地中心”组建了训练场来推动这件事。

“国地中心”的麒麟具身智能训练场有五项功能，除了收集数据，训练场的另外一个作用是对现在的大模型进行检测与评定，提出大模型的benchmark，例如，做一个什么样的大模型更适合人形机器人？现在需要一个行业的基准线。

03 量产与应用的思考、展望

目前人形机器人在跑得快、拿得准、训得好、通用化方面都有代表性公司。Z近业界在争论：是不是机器人都需要走跑跳？是不是应该进厂打工？实际上，目前有四类人在研究，跑得快的人不做抓取，做抓取的不做跑得快，做训练的人大多数都是人工智能的人，做“通用化”的人是做基础设施的。高动态的硬件平台、准确抓取的具身智能、训练的实训场、通用泛化的数据集—这四件事，哪怕有一件事做不好，人形机器人的软硬件的终极难题就落不了地，所以我们需要要发展生态。

回到发展的起点：人形机器人未来一定是进厂打工以及为我们养老。例如养老，还有八

项卡脖子技术没有打通。人们面对未来的通用化，一定不是针对八个问题建立八个模型，甚至建立几百个模型来解决，人们希望构造一个完全端到端的模型，来同时解决八项卡脖子技术，这样才能实现Z终通用化的梦想。

江磊老师有个激进的预测：做硬件平台的得去做小的机器人，这样迭代的速度更快。做具身智能现在很火，但是千万不要只做操作，行走大模型已成为今年国际竞争的热点。“国地中心”等做实训场的人一定要去做自己的世界模型，以及做数据集的人要用开源的方式来完成整个生态的构建。

人形机器人从当前的角度来看，四位一体的生态还没有完全建立。“国地中心”希望跟业界共同打造出我国的四位一体生态。

今年人形机器人是可以量产的，但真正的大规模的应用还没到来。我们加速建立四位一体的生态，才能加速人形机器人产业的到来。