作为具身智能的代表之一，人形『机器人』️发展正加速迈进产业化临界点。
近日，在外滩大会上，人形『机器人』️展区是最热闹的角落：踢足球、调鸡尾酒、跳“女团舞”。舞台之外，它们还要翻越障碍、操作电闸、模拟救援。一场职业技能表演赛，让观众看见『机器人』️的多种“可能性”。
但热闹之下，行业仍处在十字路口。数据不足、场景稀缺。人形『机器人』️会跳舞、会翻跟头，但它们如何在真实世界中兑现自身价值，行业仍在寻求解决方案。
9月12日，多伦科技（603528.SH）与众擎『机器人』️达成合作，计划未来三年采购不低于2000台人形『机器人』️，投入机动车查验与交通管理等场景。多伦科技成立于1995年，长期布局交通出行领域，从驾驶人智能培训和考试系统、驾驶培训模拟训练，到智慧交通综合管理、车联网和车检整体解决方案，业务覆盖全国31个省份400多个城市。
据悉，双方合作的交通疏导人形『机器人』️的原型机，预计于2025年底完成研发出样。
“三年2000台只是起点”
人形『机器人』️正在寻找现实的落地路径。
交银国际在研报中指出，工业场景由于标准化程度高、流程可编程性强等特性，已成为人形『机器人』️应用渗透的先行阵地。虽然现阶段技术成熟度仍集中在研发测试与特定场景验证期，但随着核心零部件成本下探、运动控制与AI决策系统持续迭代，叠加应用场景向服务业、医疗等领域的横向拓展，预计2030年之后产业渗透率将进入指数级增长通道。
在多伦科技看来，“大交通”是下一个值得切入的场景。多伦科技董事长章安强向时代周报记者表示，“智慧车管需求迫切，车管所日常业务包括车牌、驾驶证的办理，人流量大，警力消耗严重，‘科技兴警’已成为新需求。此外，全国每年处理超过两千万台二手车过户，人工查验不仅效率低，透明度也难以保证。”
“机器查验更公平。”章安强说。多伦科技自主研发的查验『机器人』️能依靠AI和机械臂完成检测，并实时联网公安数据库，减少人为差错。据悉，该产品原型机已研发完成，正在进行试用验证，计划于2025年底投入市场。
多伦科技或许是众擎『机器人』️较为理想的合作伙伴。众擎『机器人』️创始人赵同阳坦言，“众擎聚焦最易落地、需求量大的场景。多伦科技负责提供需求方向，而我们则提供『机器人』️本体。在手部、姿态、胳膊、腿部等技术上，我们已开放部分接口促进合作落地。”
除了查验『机器人』️，交通疏导『机器人』️同样是强需求。交警在夏天高温、冬天严寒或暴雨中执勤，体力消耗极大。
“公司研发的交通疏导『机器人』️会与路口信号实时联动，实时同步路口状态。同时，与众擎合作可为『机器人』️搭载环境感知技术，能实时感知周边动态，遇到危险能自动避障、绕开，甚至通过喊话呼叫预警。”多伦科技技术研究院院长张铁监表示，该『机器人』️还配备类似民警执法记录仪的摄像系统，整个工作过程都会录像记录，能有效杜绝突发危害情况。
赵同阳强调，这些人形『机器人』️并非“遥控玩具”。“之前没有明确场景时，人形『机器人』️多靠遥控，交付给多伦科技的人形『机器人』️则是独立运转的。”他说。
章安强表示，全国超3000家车辆管理单位（如车管所等）、各地交通安全体验中心，以及交通、路口和大型商业中心等场景，对人形『机器人』️需求旺盛。他认为，三年采购2000台只是起点，未来市场潜力还会更大。
高工『机器人』️产业研究所(GGII)预测，2025年全球人形『机器人』️市场销量有望达到1.24万台，市场规模63.39亿元；到2030年全球人形『机器人』️市场销量将接近34万台，市场规模将超过640亿元；到2035年，全球人形『机器人』️市场销量将超过500万台，市场规模将超过4000亿元。
数据可反哺训练
在人形『机器人』️落地的过程中，数据始终是关键掣肘。
华泰证券在研报中指出，人形『机器人』️软件需要强大的模型表征能力和大规模高质量数据。大脑泛化依赖数据以及小脑运控和硬件耦合，而『机器人』️运动和操作的数据模态更复杂，需要从头开始定义数据，还要在真实环境里长期、大规模采集。
在外滩大会上，宇树科技创始人王兴兴同样提醒，具身智能在数据和模型算法上仍有不少挑战：数据采集和质量不足、利用率不高，多模态数据融合效果有限，模型与『机器人』️控制模态的对齐也很困难。
多伦科技的业务横跨驾驶培训与考试、智慧车管、交通管理等多个环节，积累了大量驾驶行为、考试场景、交通流等数据。赵同阳据此认为，与多伦科技的合作能解决部分数据难题：“多伦科技有大量的优质数据，在专业环境下知道如何回答和处理，这些数据能够在众擎训练专用场景时提供帮助。”
“『机器人』️不能闭门造车，它必须深入行业，收集真实数据和经验，才能在设计中更实用、更适配行业痛点。”智元『机器人』️合伙人姚卯青此前接受时代周报记者采访时强调。
在具体的大模型路径上，赵同阳表示，众擎并不是在“端到端模型、VLA 模型、世界模型”三者之间做取舍，而是将它们嵌套结合。
在他看来，端到端模型适用于简单、重复、低数据量的动作，比如打螺丝、装配，类似条件反射；VLA模型主要用于把复杂动作进行逻辑分解，再交给端到端模型完成执行；世界模型则被视作顶层技术，能够在缺少直接数据的情况下，根据现有知识库中的数据处理之前没有碰到的问题。“这是一个三环嵌套的关系，不是取舍关系。”赵同阳说。
