人形机器人“爆单” 规模化落地何解？

如果说2024年是人形机器人量产元年，2025年则普遍被认为是人形机器人商业化元年。

尤其今年下半年以来，人形机器人订单井喷：优必选中标价值1.26亿元的广西具身智能数据采集及测试中心设备采购及安装项目；智元机器人获得了来自均胜电子、龙旗科技等企业的数亿元订单；宇树中标中国移动、上海大学等订单。

从中标项目、采购订单、预订单、意向订单以及销售框架合同看，人形机器人在科研教育、文娱商演的基础上，正陆续在数据采集、汽车制造、3C制造等场景商业化落地。

由易到难

在成千上万的场景中，人形机器人商业化的可行路径何在？由易到难，是整个行业心照不宣的选择。

智元机器人合伙人、高级副总裁、通用业务部总裁王闯在2025可持续全球领导者大会期间的圆桌对话中分享了他眼中的人形机器人落地路线：先进入不与物理世界接触，能发挥人形机器人运动能力、交互能力以及大语言模型、多模态模型优势的场景；再拓展到与物理世界接触，但规则简单、物体刚性且精度要求较低的场景；最终进入柔性、高精度场景。

具体到不同场景中，也有落地难易之分。

以养老场景为例，王闯在接受21世纪经济报道等媒体采访时分享道，退休之后可以分为三个阶段：第一阶段人们的行动能力较好，对机器人的需求在于陪伴；第二阶段人们的行动能力越来越不便，对于机器人的需求在于辅助；第三阶段人们的行动能力较差，需要机器人提供24小时看护。“难度是逐渐增加的。我们今年开始探索第一阶段，由人形机器人在养老院跳舞、说相声、表演节目。”

近日在首届合作伙伴大会上，智元宣布聚焦讲解接待、文娱商演、工业智造、物流分拣、安防巡检、商用清洁、数采训练、科研教育八大场景，推出了定制化解决方案。

而在明确八大商业化场景之前，智元也曾撞过“南墙”。王闯回忆道，该公司曾尝试做一款上下料机器人。“我们原来以为很简单，后来发现它需要力控、非常精密的感知以及全身控制，而且用着用着会变形。”

这样的场景确实存在机器人需求，但如果“死磕”在上面研发，ROI（投资收益率）会很低。“最后我们形成了一套方法论：如果当前技术水平高于场景所需的技术水平，就开发；如果前者低于后者，并且未来一年内都难以高于后者，就不开发。”

银河证券归纳了两个筛选人形机器人易于落地应用场景的角度，一是技术可实现性，即在容错率高、执行速度/同步性要求不高、可重复纠错、易于收集数据的场景具备率先落地优势；二是成本效益，即在区别于自动化、能体现物体/任务/环境泛化性，能真正提高效率或降低死伤率的场景具备率先落地优势。

中短期来看，银河证券看好具身智能机器人在工业物流、机构养老、特种环境（转炉炼钢、石油化工、电力巡检），以及toC陪伴、玩具机器人场景中的应用。

在落地难度阶梯图上，人形机器人走进家庭的难度最大，还需要解决成本、安全性、任务成功率、复杂任务泛化性等难题。

石头科技（688169.SH）副总经理乌尔奇在圆桌上也指出，机器人走进家庭是挑战性最大的任务。以室内清洁为例，一方面家具没有标准，机器人在没有标准的世界中自由穿行很困难；另一方面地面上往往存在杂物，可能卡困机器人。

规模化落地瓶颈何在？

“去年人形机器人还走不稳，WAIC基本也都是静态展示，今年已经能看到人形机器人满地跑了，运动能力飞速发展。”王闯指出，当前人形机器人运动和交互能力逐渐展现出超越人类的趋势，但作业能力距离人类还有较大差距。

尽管人形机器人已飞速发展、开始商业化落地，但规模化落地仍“在路上”。

业内普遍认为，传感器等核心硬件性能不足是制约人形机器人规模化落地的首要瓶颈。仙工智能科技股份有限公司创始人兼CEO赵越指出，大模型的成功不仅源于海量数据，更源于这些数据是结构化、可量化、易于学习的。如自动驾驶大模型的视觉数据是像素化的，能够被训练。

但对于人形机器人而言，仅靠视觉远远不够，它必须具备触觉，以感知力的大小、物体的材质、形状、纹理和温度。“我们能否通过材料学、生物学的突破，研发出像素级别的传感器，是人形机器人的瓶颈之一。只有精细化、触觉化、像素级别的传感器，输出的数据才有训练价值。”

中国信通院研究指出，硬件方面，机器人上肢要想实现精细化操作，则依赖高自由度的灵巧手，但手部触觉传感器、执行机构等关键部分仍存在问题。此外，电池续航、成本、端侧算力等也是机器人规模化应用的重要难题。除硬件以外，软件其实是机器人落地的更大挑战。大模型的本质是数据驱动，只有基于庞大的数据量来训练，才能实现智能的涌现。

当前，业界正通过开源大模型、数据集、本体设计、工具链等，推动行业协同创新。

如在大模型方面，今年业界已推出并开源了多款人形机器人大模型，包括智元开源的GO-1通用具身基座大模型、宇树科技开源的UnifoLM-WMA-0——跨多类机器人本体的开源世界模型-动作架构、北京人形机器人创新中心开源的WoW具身世界模型。

王闯告诉记者，机器人需要很强的泛化性。大模型能够支撑其在千变万化的场景中达到“60分”的及格线。但对于具体场景，还需要进行针对性的增强训练，形成具体的小模型——人形机器人只有在某一场景做到95分以上，才能逐渐落地。

在数据集方面，宇树科技开源了UnitreeG1机器人操作数据集，北京人形机器人创新中心联合北京大学推出了RoboMIND大规模多构型智能机器人数据集，智元机器人开源了AgiBot World数据集。