前不久，上海一場(chǎng)以“勞動(dòng)最光榮”為主題的技能大賽，用同臺(tái)競(jìng)技的方式，以一場(chǎng)壓力測(cè)試，讓我們看到，機(jī)器人距離真實(shí)場(chǎng)景落地還有多遠(yuǎn)距離要走。無(wú)疑，仍處于發(fā)展早期階段的具身智能，無(wú)論是大腦、小腦還是本體，尚有大量瓶頸待突破。

大腦不夠聰明，訓(xùn)練數(shù)據(jù)不夠，那就使用更多合成數(shù)據(jù)；機(jī)器人通用性難實(shí)現(xiàn)，那就先聚焦在一些特定場(chǎng)景的應(yīng)用……行業(yè)喧囂熱鬧，方興未艾，創(chuàng)業(yè)者們紛紛選擇自己的生態(tài)位，以“沿途拾蛋”的方式，共同推動(dòng)這一未來(lái)產(chǎn)業(yè)的加速成熟。

賽事從“表演型”向“實(shí)用型”進(jìn)發(fā)

與單純追求視覺(jué)表現(xiàn)力和沖擊力不同，中國(guó)人形機(jī)器人產(chǎn)業(yè)正以“好用、管用”為導(dǎo)向，加速商業(yè)化落地進(jìn)程。前不久，以“勞動(dòng)最光榮”為主題的國(guó)際人形機(jī)器人技能大賽在上海舉辦?？梢钥吹?，隨著人工智能、傳感器技術(shù)迭代升級(jí)，人形機(jī)器人正從實(shí)驗(yàn)室走進(jìn)更多工廠和家庭，逐步從“表演型”邁向“實(shí)用型”。

翻開(kāi)賽事手冊(cè)可以看到，汽車貼標(biāo)、零部件上下料、衣服折疊、垃圾清理、商品掃碼等工業(yè)、家庭、商業(yè)場(chǎng)景實(shí)現(xiàn)全覆蓋。如果只看比賽項(xiàng)目，或許會(huì)以為這是一項(xiàng)人類勞動(dòng)技能比賽。

剛剛完成比賽的機(jī)器人操控者王思浩告訴記者：“比如疊衣服這個(gè)動(dòng)作，對(duì)人來(lái)說(shuō)可能很簡(jiǎn)單，但對(duì)于機(jī)器人來(lái)說(shuō)，卻需要調(diào)動(dòng)視覺(jué)、觸覺(jué)等各個(gè)系統(tǒng)，非常復(fù)雜。但也因?yàn)槿绱藦?fù)雜，人形機(jī)器人才可以在日常生活中真正幫到人類?！?/p>

更多具身智能產(chǎn)業(yè)企業(yè)也不再單純追求“人形”。在一家主做仿生手的企業(yè)展位，記者了解到，該企業(yè)的產(chǎn)品并不一定需要裝在人形機(jī)器人身上，搭載在一個(gè)平臺(tái)上即可完成從1萬(wàn)元現(xiàn)金中抽取出5張紙幣等銀行柜員的基本操作。

以賽事為橋梁，拉近了機(jī)器人公司和場(chǎng)景應(yīng)用方之間的距離。觀看了商業(yè)場(chǎng)景賽事后，來(lái)自上海的朱先生立馬向參賽隊(duì)伍提出訴求?！拔疫@邊有1萬(wàn)多臺(tái)自動(dòng)售賣(mài)機(jī)。機(jī)器人能不能跟我的自動(dòng)售賣(mài)機(jī)配合，在辦公樓里完成下單、支付、取貨、配送的完整工作流程？”

回顧來(lái)看，從北京的人形機(jī)器人半程馬拉松賽，到無(wú)錫的具身智能機(jī)器人運(yùn)動(dòng)會(huì)，到杭州全球人形機(jī)器人格斗大賽，再到此次上海舉辦的國(guó)際人形機(jī)器人技能大賽，今年以來(lái)，人形機(jī)器人迎來(lái)了多場(chǎng)賽事。

“以往賽事更多聚焦機(jī)器人的運(yùn)動(dòng)能力，我們更看重讓機(jī)器人具備進(jìn)入各類場(chǎng)景，乃至千家萬(wàn)戶去作業(yè)的能力。隨著去年年底‘模塑申城’方案的全面實(shí)施，上海積極發(fā)揮場(chǎng)景應(yīng)用優(yōu)勢(shì)，幫助人形機(jī)器人‘解鎖’新技能，推動(dòng)軟硬件產(chǎn)品實(shí)現(xiàn)多元場(chǎng)景落地。”上海市人工智能行業(yè)協(xié)會(huì)秘書(shū)長(zhǎng)鐘俊浩這樣介紹此次大賽的“上海特色”。

不可否認(rèn)，人形機(jī)器人仍處在發(fā)展初期，從實(shí)驗(yàn)室走向工廠、走向家庭，仍有諸多技術(shù)難點(diǎn)待突破。通過(guò)這場(chǎng)賽事構(gòu)建出的基于真實(shí)場(chǎng)景的壓力測(cè)試場(chǎng)，我們看到了人形機(jī)器人率先在某些特定場(chǎng)景中應(yīng)用的可能，以“沿途拾蛋”的方式不斷積累數(shù)據(jù)、成熟技術(shù)。

腦部進(jìn)化 行業(yè)突圍“數(shù)據(jù)荒”

從賽事來(lái)看，人形機(jī)器人在精度、速度、泛化度等維度仍顯笨拙。行業(yè)人士表示，訓(xùn)練數(shù)據(jù)的不足，是當(dāng)下阻礙機(jī)器人進(jìn)化的一大瓶頸。

以ChatGPT、DeepSeek為代表的大語(yǔ)言模型，其智能的涌現(xiàn)，離不開(kāi)巨量的文本數(shù)據(jù)。具身智能模型能力的提升，同樣有賴于大量訓(xùn)練數(shù)據(jù)的輸入。不過(guò)，與文本數(shù)據(jù)相比，具身智能的訓(xùn)練數(shù)據(jù)十分稀缺，尤其是多模態(tài)數(shù)據(jù)?！皵?shù)量上可能有百萬(wàn)倍的差距。”中國(guó)工程院外籍院士張建偉說(shuō)。

為了解決訓(xùn)練數(shù)據(jù)缺乏的問(wèn)題，機(jī)構(gòu)和企業(yè)紛紛行動(dòng)。比如，特斯拉Optimus的訓(xùn)練數(shù)據(jù)是讓人在遠(yuǎn)程操作機(jī)器人的過(guò)程中，將操作動(dòng)作和環(huán)境感知數(shù)據(jù)進(jìn)行記錄；谷歌DeepMind聯(lián)手斯坦福大學(xué)等推出了Open X-Embodiment Dataset，包含100多萬(wàn)條真實(shí)機(jī)器人軌跡。國(guó)內(nèi)人形機(jī)器人頭部企業(yè)智元也發(fā)布了百萬(wàn)真機(jī)數(shù)據(jù)集開(kāi)源項(xiàng)目AgiBot World。

不過(guò)，百萬(wàn)體量的數(shù)據(jù)，對(duì)于訓(xùn)練具身智能大模型來(lái)說(shuō)，遠(yuǎn)遠(yuǎn)不夠。

“頭部車廠每天回流的數(shù)據(jù)在1億條左右。但在具身智能領(lǐng)域，如今我們采集到的最大數(shù)據(jù)集也只有百萬(wàn)條規(guī)模。當(dāng)人形機(jī)器人的存量尚未達(dá)到自動(dòng)駕駛領(lǐng)域百萬(wàn)級(jí)設(shè)備的規(guī)模時(shí)，依賴海量真實(shí)數(shù)據(jù)訓(xùn)練不僅成本高昂，而且周期冗長(zhǎng)，極大制約了大模型的訓(xùn)練效率與場(chǎng)景適應(yīng)能力。”北京銀河通用機(jī)器人有限公司創(chuàng)始人兼CTO王鶴說(shuō)。

行業(yè)解決數(shù)據(jù)難題的路徑之一，是合成數(shù)據(jù)。合成數(shù)據(jù)（Synthetic Data）是一種模仿真實(shí)世界數(shù)據(jù)的非人工創(chuàng)建的數(shù)據(jù)，它是由基于生成式人工智能技術(shù)的計(jì)算算法和模擬創(chuàng)建而成。在前不久舉辦的2025張江具身智能開(kāi)發(fā)者大會(huì)上，銀河通用通過(guò)完全基于合成數(shù)據(jù)的端到端抓取基礎(chǔ)大模型GraspVLA，以及導(dǎo)航大模型，展示了合成數(shù)據(jù)的價(jià)值。

據(jù)悉，GraspVLA采用10億級(jí)別的合成大數(shù)據(jù)進(jìn)行訓(xùn)練。目前銀河通用安裝了上述大模型的人形機(jī)器人已經(jīng)用于24小時(shí)無(wú)人藥店。“40多平方米的藥店里面，有5000多種藥品，6000多個(gè)貨道，可全都由機(jī)器人完成取貨，打包后送至外賣(mài)柜等待上門(mén)領(lǐng)取?！蓖斛Q介紹，目前由人形機(jī)器人運(yùn)營(yíng)的24小時(shí)無(wú)人藥店已有6家在北京實(shí)現(xiàn)常態(tài)化運(yùn)營(yíng)，今年年底預(yù)計(jì)全國(guó)擴(kuò)張至100家。

當(dāng)然，合成數(shù)據(jù)方法并非沒(méi)有局限性。雖然目前生成視覺(jué)數(shù)據(jù)的能力相對(duì)成熟，但生成其他模態(tài)的數(shù)據(jù)，包括觸覺(jué)、溫度和聲音數(shù)據(jù)等，仍然是一項(xiàng)重大挑戰(zhàn)。此外，關(guān)于合成數(shù)據(jù)路線，行業(yè)也有不少擔(dān)憂，比如“Sim2Real Gap”，也即仿真環(huán)境與真實(shí)世界匹配度不夠，導(dǎo)致合成數(shù)據(jù)訓(xùn)練存在有效性問(wèn)題。

方興未艾的具身智能：

關(guān)于未來(lái)我們可以期待什么

從全球視野來(lái)看，具身智能產(chǎn)業(yè)發(fā)展呈現(xiàn)出創(chuàng)新活躍的多元競(jìng)爭(zhēng)態(tài)勢(shì)。美國(guó)以頂尖科研機(jī)構(gòu)與科技企業(yè)為核心，在算法、芯片等核心技術(shù)領(lǐng)域取得突破；歐洲持續(xù)推進(jìn)具身智能在工業(yè)場(chǎng)景中的應(yīng)用探索。中國(guó)則得益于完整的產(chǎn)業(yè)鏈優(yōu)勢(shì)，集合了本體制造、算法優(yōu)化，再到落地場(chǎng)景驗(yàn)證的全棧式技術(shù)儲(chǔ)備，成為具身智能產(chǎn)業(yè)的一處高地。

“我國(guó)人形機(jī)器人初步建立了‘大腦、小腦、肢體’的創(chuàng)新體系，而這也成為世界范圍內(nèi)被廣泛應(yīng)用的技術(shù)體系。目前，我國(guó)人形機(jī)器人整機(jī)產(chǎn)品達(dá)到國(guó)際先進(jìn)水平，涌現(xiàn)了宇樹(shù)、智元、傅利葉、星動(dòng)紀(jì)元、銀河通用等一批企業(yè)。在CS2025上，英偉達(dá)CEO黃仁勛身后的14臺(tái)人形機(jī)器人，4臺(tái)來(lái)自美國(guó)，6臺(tái)來(lái)自中國(guó)?！眹?guó)地共建人形機(jī)器人創(chuàng)新中心首席科學(xué)家江磊介紹。

江磊表示，在核心零部件方面，我國(guó)已經(jīng)實(shí)現(xiàn)了安全有效的供給，尤其是在感知、控制、驅(qū)動(dòng)、傳動(dòng)模塊，在低成本約束下具有一定的領(lǐng)先優(yōu)勢(shì)。創(chuàng)新生態(tài)也逐漸完善，形成跨領(lǐng)域企業(yè)、本體初創(chuàng)企業(yè)、高?？蒲性核⑸嫌尾拷M件企業(yè)以及地方政府支持下的創(chuàng)新中心等5類創(chuàng)新主體。

“整體來(lái)看，我國(guó)具身智能產(chǎn)業(yè)規(guī)模爬升迅速，示范應(yīng)用仍在培育階段?！苯谡f(shuō)。

仍處于早期階段的具身智能產(chǎn)業(yè)，無(wú)論是大腦、小腦還是本體，都面臨諸多瓶頸。比如，在應(yīng)用方面，目前更多是抓取、擺放、組裝等一些“原子”技能的訓(xùn)練，難以完成長(zhǎng)序列任務(wù)。在技術(shù)路線上，也存在諸多爭(zhēng)議，比如到底是“數(shù)據(jù)驅(qū)動(dòng)”還是“模型驅(qū)動(dòng)”，是做通用型機(jī)器人，還是做“專用”機(jī)器人。

分歧終將收斂于實(shí)踐。目前我國(guó)已有超過(guò)100家人形機(jī)器人整機(jī)企業(yè)，這些企業(yè)紛紛尋找自己的生態(tài)位，做出不同的選擇，有些聚焦于工業(yè)場(chǎng)景，提升負(fù)載和電池容量；有些聚焦于商用服務(wù)行業(yè)，提出用“崗位化”理念生產(chǎn)“專用”型機(jī)器人；有些結(jié)合自身原有業(yè)務(wù)優(yōu)勢(shì)，聚焦康復(fù)醫(yī)療場(chǎng)景……

談及未來(lái)5到10年人形機(jī)器人的發(fā)展，張建偉表示，在做技術(shù)預(yù)測(cè)時(shí)，人們傾向于對(duì)近期目標(biāo)過(guò)分悲觀，對(duì)遠(yuǎn)期目標(biāo)又過(guò)分樂(lè)觀?！叭騺?lái)看，從20世紀(jì)80年代的美國(guó)，后來(lái)到日本，再到韓國(guó)，機(jī)器人‘狼來(lái)了’的故事已經(jīng)喊過(guò)多遍。人工智能的發(fā)展為機(jī)器人自主學(xué)習(xí)能力提升帶來(lái)了巨大想象空間，我們也隨之來(lái)到了一個(gè)新的時(shí)點(diǎn)?！?/p>

“能夠在家庭護(hù)理、工廠等多場(chǎng)景工作的通用型機(jī)器人，可能仍需10年、20年的時(shí)間來(lái)打磨。但未來(lái)5年，在抓取、裝配等場(chǎng)景中，具身智能應(yīng)該可以完成第一批示范場(chǎng)景應(yīng)用。在很多B端場(chǎng)景，如工廠、社區(qū)醫(yī)院、農(nóng)業(yè)等，圍繞收割、殺蟲(chóng)打藥、采摘，以及一些簡(jiǎn)單的家務(wù)任務(wù)，應(yīng)該逐漸有專業(yè)機(jī)器人出現(xiàn)?！睆埥▊フf(shuō)。