隨著“具身智能”等關(guān)鍵詞首次寫入政府工作報(bào)告，2025年被業(yè)界稱為人形機(jī)器人量產(chǎn)元年，全行業(yè)正迎來(lái)快速發(fā)展階段。一方面，它們能跑能跳，可以成為高效勞作的得力干將；另一方面，它們“反應(yīng)遲鈍”“不夠智能”，智慧猶如處在“幼兒期”。從實(shí)驗(yàn)室走向日常生活的過程中，人形機(jī)器人的“成人”之路剛起步。      

8月，全球首個(gè)以人形機(jī)器人為參賽主體的綜合性賽事——“2025世界人形機(jī)器人運(yùn)動(dòng)會(huì)”在國(guó)家速滑館“冰絲帶”開幕。形形色色的“鋼鐵選手”被推到聚光燈中央。 

這些擁有成人體格的“運(yùn)動(dòng)員”，看起來(lái)“不太聰明”。它們會(huì)毫無(wú)征兆地偏航、摔倒、看不懂參賽規(guī)則。網(wǎng)友不禁調(diào)侃它們“像極了我家學(xué)走路的娃”。但對(duì)行業(yè)專家而言，每一個(gè)摔倒的瞬間，都暴露出人形機(jī)器人在感知、運(yùn)控、零部件等方面的諸多缺陷。 

美國(guó)加州大學(xué)伯克利分校講席教授肯·戈德堡（Ken Goldberg）做過一個(gè)有趣的對(duì)比：“人類預(yù)測(cè)兩百萬(wàn)公里之外的小行星運(yùn)動(dòng)，遠(yuǎn)比預(yù)測(cè)機(jī)器人抓取物體時(shí)的運(yùn)動(dòng)要準(zhǔn)確得多。”誰(shuí)承想，比起宇宙尺度的運(yùn)算，讓機(jī)器完成“抓杯子”這樣的日常動(dòng)作，竟成了機(jī)器人發(fā)展的一道難關(guān)。 

站在風(fēng)口上的人形機(jī)器人，它們當(dāng)前不過是一群剛學(xué)會(huì)站立的“幼兒”——四肢發(fā)達(dá)，頭腦簡(jiǎn)單。它們?nèi)绾尾拍芸邕^“幼兒期”？ 

成人般的外形，幼兒般的笨拙  

寧波市海曙區(qū)的浙江人形機(jī)器人創(chuàng)新中心，幾十臺(tái)機(jī)器人和平均年齡不到35歲的研發(fā)團(tuán)隊(duì)相互圍繞，充滿未來(lái)感。 

實(shí)驗(yàn)室中，一臺(tái)尚處于研發(fā)階段的人形機(jī)器人正嘗試獨(dú)立行走。它的膝蓋微微發(fā)顫，關(guān)節(jié)發(fā)出機(jī)械嗡嗡聲，在科研團(tuán)隊(duì)的“使壞”干擾下，每邁出幾步都要停頓片刻，笨拙的姿態(tài)像極了剛學(xué)會(huì)走路的孩子。 

 “幼兒”般的笨拙，在科學(xué)層面恰與人類進(jìn)化歷程形成呼應(yīng)——百萬(wàn)年前，古猿“露西”（記者注：在現(xiàn)今的埃塞俄比亞發(fā)現(xiàn)的擁有318萬(wàn)年歷史的著名古人類，被稱為“人類祖母”）的枕骨大孔位置與現(xiàn)代人一致，股骨向內(nèi)側(cè)傾斜，足弓清晰可見，這正是人類直立行走的最早實(shí)證。 

仿人形而生的機(jī)器人承載著人類的驕傲——我們堅(jiān)信自身軀體是世間最精密的“機(jī)械”，人類所有造物皆以此為藍(lán)圖；它們也寄托著人類的想象——倘若借鋼鐵之軀輔以具身智能，機(jī)器人又將如何塑造世界？ 

后空翻、跳舞、跑步……今天，人形機(jī)器人的動(dòng)作能力令人驚嘆。但這些精彩表演背后是高度可控的環(huán)境和反復(fù)調(diào)試的結(jié)果。 

 “我們最大的愿望是讓機(jī)器人干活。但現(xiàn)在，距離家里、工廠里大規(guī)模應(yīng)用，技術(shù)還差得遠(yuǎn)。”宇樹科技創(chuàng)始人王興興在接受媒體采訪時(shí)坦言。這位曾因制造春晚“扭秧歌”機(jī)器人刷屏的青年科學(xué)企業(yè)家，對(duì)技術(shù)邊界保持著清醒。 

第四屆中國(guó)-中東歐國(guó)家博覽會(huì)暨國(guó)際消費(fèi)品博覽會(huì)上，浙江人形機(jī)器人創(chuàng)新中心工作人員在“數(shù)智中東歐”展區(qū)展示一款零售機(jī)器人。 來(lái)源： 新華社 

在進(jìn)行機(jī)器人研發(fā)時(shí)，科學(xué)家們當(dāng)然不會(huì)滿足于掃地機(jī)器人、自動(dòng)炒菜機(jī)、外賣機(jī)械狗這樣功能相對(duì)單一的產(chǎn)品。在他們的設(shè)想中，人形機(jī)器人的雙腿能像人類一樣穩(wěn)健、快速、靈活，使其能夠到達(dá)任何地點(diǎn)；同時(shí)雙手也要足夠靈巧，能夠處理從家庭到工廠的各種任務(wù)，具備“上廳堂、下廚房、進(jìn)工廠”的能力；更重要的是，腦袋要足夠聰明，真正向一個(gè)能夠感知、推理并與物理世界互動(dòng)的具身智能演進(jìn)。 

 “現(xiàn)實(shí)情況是，大多數(shù)機(jī)器人仍然依賴幾十年前的工業(yè)機(jī)器人的技術(shù)，這極大限制了其發(fā)展。”杭州曠行科技創(chuàng)始人舒江鵬說(shuō)。 

舒江鵬團(tuán)隊(duì)多年來(lái)專注基建領(lǐng)域巡檢機(jī)器人的研發(fā)。他介紹，當(dāng)前浙江市場(chǎng)真正在各種場(chǎng)景上應(yīng)用了巡檢機(jī)器人的，甚至不足1%。 

 “市場(chǎng)占有率最能說(shuō)明問題，效率低的工具自然無(wú)人問津。”他說(shuō)，人形機(jī)器人在馬拉松賽場(chǎng)上的表現(xiàn)很直觀，要在無(wú)遙控狀態(tài)下自主跑一分鐘不摔跤，目前都比較困難。未來(lái)要讓機(jī)器人真正“干活”，必然不能依賴遙控。 

這種笨拙在工業(yè)場(chǎng)景中被無(wú)限放大。輪式機(jī)器人不用考慮平衡，重心低，碰到臺(tái)階繞著走就行。人形機(jī)器人要直立行走，地面稍有不平就容易失穩(wěn)——摔一次，身上的傳感器等精密部件可能就會(huì)損壞需要更換，維修成本比請(qǐng)幾個(gè)工人還高。 

但這或許正是技術(shù)最迷人的地方。 

就像幼兒從只能匍匐前行到獨(dú)立行走需要18個(gè)月，從跌跌撞撞到健步如飛需要數(shù)年，人形機(jī)器人，其發(fā)展仍面臨諸多亟待解決的困難。 

 變“聰明” 需要學(xué)會(huì)用“腦”  

如果把機(jī)器人的身體比作一個(gè)人，那么藏在關(guān)節(jié)里的運(yùn)動(dòng)控制系統(tǒng)就像人類的小腦，負(fù)責(zé)將指令轉(zhuǎn)化為具體動(dòng)作。搭載的深度學(xué)習(xí)算法則是大腦，承擔(dān)著感知、決策與認(rèn)知的重任。 

然而，這對(duì)“大小腦”組合的發(fā)育速度，遠(yuǎn)未達(dá)到科學(xué)家的期待。舒江鵬表示，如果說(shuō)“大腦”還停留在“剛學(xué)會(huì)說(shuō)話的孩童”階段，那么“小腦”成熟度也僅僅是“小學(xué)一年級(jí)新生水平”。 

 “和璇”機(jī)器人樂隊(duì)在演奏。 受訪者供圖

在杭州海創(chuàng)人形機(jī)器人創(chuàng)新中心展廳，由三臺(tái)人形機(jī)器人組成的“和璇”樂隊(duì)通過機(jī)械手和機(jī)械臂演奏鋼琴、揚(yáng)琴、架子鼓，流暢彈奏著《青花瓷》《滄海一聲笑》《孤勇者》等歌曲。 

演奏的“秘訣”，在于靈巧手、機(jī)械臂與算法的協(xié)同。浙江省機(jī)器人產(chǎn)業(yè)發(fā)展協(xié)會(huì)秘書長(zhǎng)、杭州海創(chuàng)人形機(jī)器人創(chuàng)新中心副主任宋偉介紹，程序會(huì)先解析曲譜，確定每個(gè)音符對(duì)應(yīng)的“手指”與時(shí)機(jī)，再通過驅(qū)動(dòng)器件將算法決策轉(zhuǎn)化為動(dòng)作。團(tuán)隊(duì)當(dāng)前研發(fā)出來(lái)的機(jī)器人樂隊(duì)在該領(lǐng)域已具備國(guó)際領(lǐng)先水平。 

然而，這種模式似乎只是在執(zhí)行預(yù)設(shè)程序，就像一個(gè)記憶力驚人卻缺乏思考能力的孩子。“真正的挑戰(zhàn)在于，當(dāng)樂譜突然出現(xiàn)變奏，它能不能像人類演奏家那樣，靠觸覺、聽覺等多種感知即時(shí)調(diào)整力度與節(jié)奏？”杭州海創(chuàng)人形機(jī)器人創(chuàng)新中心總工程師謝安桓說(shuō)。 

問題的核心之一，在于機(jī)器人的“大腦”太“年輕”。 

與人一樣，機(jī)器人的運(yùn)行方式是持續(xù)循環(huán)的過程——感知、思考，然后運(yùn)動(dòng)。感知、運(yùn)動(dòng)可以在傳感器、關(guān)節(jié)等硬件上下功夫，比如宋偉團(tuán)隊(duì)將“和璇”的機(jī)械臂從12千克的重量減輕到6千克，機(jī)械臂越輕巧就越容易控制。但教會(huì)機(jī)器人思考，甚至協(xié)同，可比讓它更好感知、運(yùn)動(dòng)難得多。 

宋偉表示，人類的大腦能同時(shí)處理視覺、聽覺、觸覺等多模態(tài)信息，還能調(diào)用記憶、經(jīng)驗(yàn)甚至直覺，可現(xiàn)在的人形機(jī)器人“大腦”，遇到需要綜合判斷的場(chǎng)景就容易卡殼。 

通俗地講，以神經(jīng)網(wǎng)絡(luò)訓(xùn)練為代表的人工智能大模型讓機(jī)器人變聰明了，但距離真正融入人類世界還遠(yuǎn)遠(yuǎn)不夠。 

當(dāng)前，如果要實(shí)現(xiàn)人形機(jī)器人的即興演奏，需突破三大核心層面。在“大腦”層面，目前依托成熟的人工智能作曲大模型，已可實(shí)現(xiàn)即興的旋律生成與變化設(shè)計(jì)；在“小腦”層面，若運(yùn)動(dòng)控制算法無(wú)法快速精準(zhǔn)求解，便會(huì)出現(xiàn)“指令落地失效”的斷層問題；在硬件性能上，對(duì)電機(jī)的響應(yīng)速度、扭矩精度等核心指標(biāo)提出了更高要求。 

“我們的核心目標(biāo)，是推動(dòng)人形機(jī)器人與人實(shí)現(xiàn)協(xié)同創(chuàng)作及演奏，如同人類藝術(shù)家間的即興互動(dòng)。當(dāng)人類演奏者完成一段旋律后，機(jī)器人能即時(shí)捕捉并快速回應(yīng)，以即興演奏形成互動(dòng)。”宋偉說(shuō)。 

舒江鵬的團(tuán)隊(duì)核心由土木建筑與人工智能交叉領(lǐng)域人才組成。舒江鵬深有感觸：“現(xiàn)在開發(fā)機(jī)器人的多是計(jì)算機(jī)、自動(dòng)化專業(yè)人員，可若想讓機(jī)器人干基建工程領(lǐng)域的活，它得先懂專業(yè)知識(shí)——這是計(jì)算機(jī)工程師教不了的。”培養(yǎng)一個(gè)工程師通常需要4年本科的專業(yè)學(xué)習(xí)，機(jī)器人也需要“行業(yè)老師”的教導(dǎo)。 

可目前，既懂專業(yè)知識(shí)又懂人工智能的復(fù)合型人才寥寥無(wú)幾。“讓寫代碼的人教機(jī)器人寫代碼沒問題，但教它學(xué)修橋梁、檢隧道，跨專業(yè)難度很大。”他說(shuō)。 

 “摔”得多 就能“長(zhǎng)”得快嗎  

就像孩子學(xué)走路，人形機(jī)器人今天“摔”得多，“成長(zhǎng)”也許就會(huì)更快。 

今年4月，“天工Ultra”參加人形機(jī)器人半程馬拉松時(shí)，還需依賴領(lǐng)跑員發(fā)射無(wú)線信號(hào)跟隨，采用半自主奔跑模式。在4個(gè)月后的世界人形機(jī)器人運(yùn)動(dòng)會(huì)上，它已實(shí)現(xiàn)全自主奔跑，更在百米“飛人大戰(zhàn)”中以21.50秒奪冠。 

 “今年人形機(jī)器人火爆。從長(zhǎng)遠(yuǎn)來(lái)看，沒準(zhǔn)這只是一個(gè)小火苗，就像當(dāng)初互聯(lián)網(wǎng)的誕生一樣。”接受媒體采訪時(shí)，王興興表示。 

人形機(jī)器人的走紅，實(shí)則與一個(gè)誕生已久的概念緊密相連——具身智能。早在1950年，計(jì)算機(jī)科學(xué)之父艾倫·圖靈就在經(jīng)典論文《計(jì)算器與智能》中首次提出“智能體需要與物理世界互動(dòng)”的設(shè)想。 

作為具身智能最受關(guān)注的關(guān)鍵載體，人形機(jī)器人正從實(shí)驗(yàn)室快步走向大眾視野，成為科技行業(yè)的焦點(diǎn)。那么，機(jī)器人進(jìn)化的終點(diǎn)，真的非“人形”不可嗎？ 

前不久在北京開張的全球首個(gè)具身智能機(jī)器人4S店里，有超100家機(jī)器人產(chǎn)業(yè)鏈上下游企業(yè)明確表達(dá)了入駐意向。其中的大多數(shù)企業(yè)專注領(lǐng)域是非人形機(jī)器人。 

業(yè)內(nèi)普遍認(rèn)為，相較具身智能的外在形態(tài)，機(jī)器的內(nèi)核更需關(guān)注。畢竟，無(wú)論是四足機(jī)器人、輪式機(jī)器人，還是人形機(jī)器人，歸根結(jié)底還是要切實(shí)解決實(shí)際問題、提升生產(chǎn)生活效率。 

那么，距離機(jī)器人真正“敲門”進(jìn)入人們的生活還需要多久呢？ 

在人形機(jī)器人的未來(lái)發(fā)展路徑上，行業(yè)正上演著多種思路的激烈角力。 

比如，有學(xué)者堅(jiān)信“數(shù)據(jù)萬(wàn)能論”，試圖通過給機(jī)器人提供足夠多的訓(xùn)練場(chǎng)景，讓它在虛擬世界里“摔”上億次，在真實(shí)環(huán)境中“試”上萬(wàn)回，終有一天，機(jī)器人能通過海量數(shù)據(jù)學(xué)會(huì)運(yùn)動(dòng)控制的精髓。還有的專家更強(qiáng)調(diào)“工程智慧”，認(rèn)為機(jī)器人的運(yùn)動(dòng)控制本質(zhì)是對(duì)物理規(guī)律的數(shù)學(xué)建模，需要回到基礎(chǔ)力學(xué)、控制理論的底層邏輯，用工程師的巧思，而非單純的數(shù)據(jù)堆砌來(lái)突破限制。 

不過，從純技術(shù)的角度來(lái)看，解決現(xiàn)存的難點(diǎn)問題或許指日可待。 

目前，為整合不同形態(tài)與平臺(tái)的機(jī)器人數(shù)據(jù)，業(yè)界已推出迄今為止全球最大的開源真實(shí)機(jī)器人數(shù)據(jù)集。由于機(jī)器人領(lǐng)域的數(shù)據(jù)集普遍存在規(guī)模偏小、多樣性不足的問題，如何將人類動(dòng)作捕捉數(shù)據(jù)轉(zhuǎn)化為機(jī)器人可利用的動(dòng)作空間，至今仍是該領(lǐng)域的前沿研究課題。 

宋偉大膽預(yù)測(cè)，未來(lái)五到十年，全球至少有一家企業(yè)可以把比較通用的機(jī)器人大模型開發(fā)出來(lái)。這個(gè)基礎(chǔ)大模型就像是一個(gè)完整的積木，大語(yǔ)言模型只是其中一塊，其他組成部分還包括視覺感知、力覺感知、決策和交互等。 

行業(yè)的突圍正在悄然展開。輸電塔的檢修現(xiàn)場(chǎng)，杭州曠行科技研發(fā)的機(jī)器人沿著鋼架攀爬檢修；警務(wù)人員的執(zhí)法現(xiàn)場(chǎng)，杭州邏騰科技的球形機(jī)器人可以完成巡邏、偵測(cè)、救援等任務(wù)…… 

“我們更希望讓機(jī)器人去干人類不想干的活，而不是搶人類的飯碗——礦山井下、電力高塔、隧道深處這些惡劣環(huán)境下的工作。”舒江鵬說(shuō)，施工現(xiàn)場(chǎng)哪怕一道簡(jiǎn)單工序，都需要機(jī)器人“看懂文字、聽懂指令、識(shí)別三維環(huán)境”。他們正在嘗試通過大模型訓(xùn)練，讓機(jī)器人掌握3到5個(gè)固定工序，從“會(huì)干活”開始，再追求“干好活”。 

這些鋼鐵“幼兒”的跨越，也需要技術(shù)的沉淀、場(chǎng)景的打磨，以及對(duì)“成長(zhǎng)周期”的耐心。當(dāng)它們真正擺脫“幼兒期”的那天，會(huì)帶著更聰明的大腦、更靈活的雙手，成為我們身邊不可或缺的伙伴。（本文作者：何冬?。?nbsp;

專家觀點(diǎn)：人類與機(jī)器的關(guān)系將發(fā)生顛覆性變革    

具身智能（Embodied Intelligence），當(dāng)今科技界最熱門的話題之一。它不僅是技術(shù)概念的飛躍，更預(yù)示著我們與機(jī)器的關(guān)系將發(fā)生顛覆性變革。 

人形機(jī)器人在重慶舉行的2025世界智能產(chǎn)業(yè)博覽會(huì)上與觀眾互動(dòng)。 來(lái)源：新華社 

簡(jiǎn)單來(lái)說(shuō)，具身智能就是賦予AI一個(gè)物理“身體”。它不再僅僅是處理數(shù)字信息的程序，而是能夠像人類一樣，通過感知、決策和行動(dòng)，與真實(shí)世界進(jìn)行深度互動(dòng)的一種智能實(shí)體。 

這背后是多項(xiàng)前沿技術(shù)的集成：如生物傳感（Biosensing），指通過可穿戴設(shè)備等載體，實(shí)時(shí)捕捉和感知人體的生理信號(hào)，例如眼動(dòng)、心率等，從而理解個(gè)體的認(rèn)知狀態(tài)；空間計(jì)算（Spatial Computing），指利用同步定位與建圖（SLAM）等技術(shù)，讓機(jī)器能夠像人一樣感知和理解三維物理空間中的環(huán)境、物體和結(jié)構(gòu)；生成式人工智能（GAI），指大模型不再只停留在生成文本或圖像，而是能夠根據(jù)環(huán)境變化和任務(wù)需求，實(shí)時(shí)生成多模態(tài)的學(xué)習(xí)資源或行動(dòng)方案。 

具身智能賦予了智能體“身體在場(chǎng)”的能力。它能將抽象的概念轉(zhuǎn)化為可感知、可操作的學(xué)習(xí)內(nèi)容，增強(qiáng)知識(shí)與實(shí)踐的深度連接，并能夠根據(jù)環(huán)境和任務(wù)的變化實(shí)時(shí)調(diào)整決策。正如圖靈獎(jiǎng)得主楊立昆所預(yù)言，未來(lái)的趨勢(shì)將是從大語(yǔ)言模型轉(zhuǎn)向由具身智能驅(qū)動(dòng)的“世界模型”，因?yàn)楹笳卟拍苷嬲斫舛嘧儚?fù)雜的物理世界。 

在所有具身智能的物理載體中，人形機(jī)器人無(wú)疑最受矚目。這是因?yàn)槿诵螜C(jī)器人的設(shè)計(jì)初衷，就是模仿人類的形態(tài)，從而更好地融入人類為自己設(shè)計(jì)的社會(huì)環(huán)境。無(wú)論是操作工具、打開房門，還是在復(fù)雜的環(huán)境中行走，人形機(jī)器人的類人形態(tài)使其能夠適應(yīng)現(xiàn)有的基礎(chǔ)設(shè)施，無(wú)需對(duì)環(huán)境進(jìn)行大規(guī)模改造。 

具身智能的飛速發(fā)展，正在讓人形機(jī)器人真正成為能夠自主思考、決策和行動(dòng)的“智能體”。它將大模型的理解能力、常識(shí)推理能力與機(jī)器人的物理執(zhí)行能力相結(jié)合，使得機(jī)器人能夠根據(jù)語(yǔ)言指令理解任務(wù)意圖，并在開放、非結(jié)構(gòu)化的環(huán)境中完成復(fù)雜任務(wù)。 

具身智能驅(qū)動(dòng)下的人形機(jī)器人，正在加速?gòu)目苹米呦颥F(xiàn)實(shí)，其未來(lái)的作用將滲透到社會(huì)生產(chǎn)與生活的方方面面。 

如，工業(yè)與制造業(yè)的“新勞力”。過去，工業(yè)機(jī)器人主要在標(biāo)準(zhǔn)化的流水線上進(jìn)行重復(fù)性工作。而具身智能機(jī)器人則能夠勝任更多非標(biāo)準(zhǔn)化、柔性化的任務(wù)，填補(bǔ)傳統(tǒng)自動(dòng)化無(wú)法覆蓋的空白領(lǐng)域。這不僅能提升效率，還能解放人類從事更具創(chuàng)造性的工作。 

如，家庭與服務(wù)領(lǐng)域的“新伙伴”。當(dāng)人形機(jī)器人的成本降至消費(fèi)級(jí)別價(jià)格，并具備更強(qiáng)的認(rèn)知能力時(shí)，它們將有望走進(jìn)千家萬(wàn)戶。它們可以成為我們的家庭管家、朋友和護(hù)理員。此外，它們還能在家庭安防、娛樂和教育等多個(gè)場(chǎng)景中發(fā)揮作用。 

教育領(lǐng)域的“新模式”具身智能應(yīng)用也已初見端倪。利用集成生物傳感、空間計(jì)算等技術(shù)的可穿戴式教育裝備，未來(lái)的學(xué)習(xí)將不再受限于教室或書本。例如，學(xué)生可以佩戴智能眼鏡，在博物館里與虛擬的恐龍進(jìn)行實(shí)時(shí)互動(dòng)，或是將化學(xué)實(shí)驗(yàn)中的虛擬分子模型疊加在現(xiàn)實(shí)世界中進(jìn)行操作。這種“身體—環(huán)境—認(rèn)知”的深度耦合，將極大增強(qiáng)學(xué)習(xí)的沉浸感和效果，真正實(shí)現(xiàn)“隨時(shí)隨地、無(wú)處不在”的泛在學(xué)習(xí)。   

（本文作者翟雪松、錢春雨分別系浙江大學(xué)科學(xué)與技術(shù)教育學(xué)位點(diǎn)負(fù)責(zé)人、浙江大學(xué)科學(xué)與技術(shù)教育碩士生） 

來(lái)源 | 浙江日?qǐng)?bào)、潮新聞