随着“具身智能”等关键词首次写入政府工作报告，2025年被业界称为人形『机器人』️量产元年，全行业正迎来快速发展阶段。一方面，它们能跑能跳，可以成为高效劳作的得力干将；另一方面，它们“反应迟钝”“不够智能”，智慧犹如处在“幼儿期”。从实验室走向日常生活的过程中，人形『机器人』️的“成人”之路刚起步。
人形『机器人』️，何时跨越“幼儿期”
■ 本报记者 何冬健
8月，全球首个以人形『机器人』️为参赛主体的综合性赛事——“2025世界人形『机器人』️运动会”在国家速滑馆“冰丝带”开幕。形形色色的“钢铁选手”被推到聚光灯中央。
这些拥有成人体格的“运动员”，看起来“不太聪明”。它们会毫无征兆地偏航、摔倒、看不懂参赛规则。网友不禁调侃它们“像极了我家学走路的娃”。但对行业专家而言，每一个摔倒的瞬间，都暴露出人形『机器人』️在感知、运控、零部件等方面的诸多缺陷。
美国加州大学伯克利分校讲席教授肯·戈德堡（Ken Goldberg）做过一个有趣的对比：“人类预测两百万公里之外的小行星运动，远比预测『机器人』️抓取物体时的运动要准确得多。”谁承想，比起宇宙尺度的运算，让机器完成“抓杯子”这样的日常动作，竟成了『机器人』️发展的一道难关。
站在风口上的人形『机器人』️，它们当前不过是一群刚学会站立的“幼儿”——四肢发达，头脑简单。它们如何才能跨过“幼儿期”？
成人般的外形
幼儿般的笨拙
宁波市海曙区的浙江人形『机器人』️创新中心，几十台『机器人』️和平均年龄不到35岁的研发团队相互围绕，充满未来感。
实验室中，一台尚处于研发阶段的人形『机器人』️正尝试独立行走。它的膝盖微微发颤，关节发出机械嗡嗡声，在科研团队的“使坏”干扰下，每迈出几步都要停顿片刻，笨拙的姿态像极了刚学会走路的孩子。
“幼儿”般的笨拙，在科学层面恰与人类进化历程形成呼应——百万年前，古猿“露西”（记者注：在现今的埃塞俄比亚发现的拥有318万年历史的著名古人类，被称为“人类祖母”）的枕骨大孔位置与现代人一致，股骨向内侧倾斜，足弓清晰可见，这正是人类直立行走的最早实证。
仿人形而生的『机器人』️承载着人类的骄傲——我们坚信自身躯体是世间最精密的“机械”，人类所有造物皆以此为蓝图；它们也寄托着人类的想象——倘若借钢铁之躯辅以具身智能，『机器人』️又将如何塑造世界？
后空翻、跳舞、跑步……今天，人形『机器人』️的动作能力令人惊叹。但这些精彩表演背后是高度可控的环境和反复调试的结果。
“我们最大的愿望是让『机器人』️干活。但现在，距离家里、工厂里大规模应用，技术还差得远。”宇树科技创始人王兴兴在接受媒体采访时坦言。这位曾因制造春晚“扭秧歌”『机器人』️刷屏的青年科学企业家，对技术边界保持着清醒。
在进行『机器人』️研发时，科学家们当然不会满足于扫地『机器人』️、自动炒菜机、外卖机械狗这样功能相对单一的产品。在他们的设想中，人形『机器人』️的双腿能像人类一样稳健、快速、灵活，使其能够到达任何地点；同时双手也要足够灵巧，能够处理从家庭到工厂的各种任务，具备“上厅堂、下厨房、进工厂”的能力；更重要的是，脑袋要足够聪明，真正向一个能够感知、推理并与物理世界互动的具身智能演进。
“现实情况是，大多数『机器人』️仍然依赖几十年前的工业『机器人』️的技术，这极大限制了其发展。”杭州旷行科技创始人舒江鹏说。
舒江鹏团队多年来专注基建领域巡检『机器人』️的研发。他介绍，当前浙江市场真正在各种场景上应用了巡检『机器人』️的，甚至不足1%。
“市场占有率最能说明问题，效率低的工具自然无人问津。”他说，人形『机器人』️在马拉松赛场上的表现很直观，要在无遥控状态下自主跑一分钟不摔跤，目前都比较困难。未来要让『机器人』️真正“干活”，必然不能依赖遥控。
这种笨拙在工业场景中被无限放大。轮式『机器人』️不用考虑平衡，重心低，碰到台阶绕着走就行。人形『机器人』️要直立行走，地面稍有不平就容易失稳——摔一次，身上的传感器等精密部件可能就会损坏需要更换，维修成本比请几个工人还高。
但这或许正是技术最迷人的地方。
就像幼儿从只能匍匐前行到独立行走需要18个月，从跌跌撞撞到健步如飞需要数年，人形『机器人』️，其发展仍面临诸多亟待解决的困难。
变“聪明”
需要学会用“脑”
如果把『机器人』️的身体比作一个人，那么藏在关节里的运动控制系统就像人类的小脑，负责将指令转化为具体动作。搭载的深度学习算法则是大脑，承担着感知、决策与认知的重任。
然而，这对“大小脑”组合的发育速度，远未达到科学家的期待。舒江鹏表示，如果说“大脑”还停留在“刚学会说话的孩童”阶段，那么“小脑”成熟度也仅仅是“小学一年级新生水平”。
在杭州海创人形『机器人』️创新中心展厅，由三台人形『机器人』️组成的“和璇”乐队通过机械手和机械臂演奏钢琴、扬琴、架子鼓，流畅弹奏着《青花瓷》《沧海一声笑》《孤勇者》等歌曲。
演奏的“秘诀”，在于灵巧手、机械臂与算法的协同。浙江省『机器人』️产业发展协会秘书长、杭州海创人形『机器人』️创新中心副主任宋伟介绍，程序会先解析曲谱，确定每个音符对应的“手指”与时机，再通过驱动器件将算法决策转化为动作。团队当前研发出来的『机器人』️乐队在该领域已具备国际领先水平。
然而，这种模式似乎只是在执行预设程序，就像一个记忆力惊人却缺乏思考能力的孩子。“真正的挑战在于，当乐谱突然出现变奏，它能不能像人类演奏家那样，靠触觉、听觉等多种感知即时调整力度与节奏？”杭州海创人形『机器人』️创新中心总『工程师』谢安桓说。
问题的核心之一，在于『机器人』️的“大脑”太“年轻”。
与人一样，『机器人』️的运行方式是持续循环的过程——感知、思考，然后运动。感知、运动可以在传感器、关节等硬件上下功夫，比如宋伟团队将“和璇”的机械臂从12千克的重量减轻到6千克，机械臂越轻巧就越容易控制。但教会『机器人』️思考，甚至协同，可比让它更好感知、运动难得多。
宋伟告诉记者，人类的大脑能同时处理视觉、听觉、触觉等多模态信息，还能调用记忆、经验甚至直觉，可现在的人形『机器人』️“大脑”，遇到需要综合判断的场景就容易卡壳。
通俗地讲，以神经网络训练为代表的人工智能大模型让『机器人』️变聪明了，但距离真正融入人类世界还远远不够。
当前，如果要实现人形『机器人』️的即兴演奏，需突破三大核心层面。在“大脑”层面，目前依托成熟的人工智能作曲大模型，已可实现即兴的旋律生成与变化设计；在“小脑”层面，若运动控制算法无法快速精准求解，便会出现“指令落地失效”的断层问题；在硬件性能上，对电机的响应速度、扭矩精度等核心指标提出了更高要求。
“我们的核心目标，是推动人形『机器人』️与人实现协同创作及演奏，如同人类艺术家间的即兴互动。当人类演奏者完成一段旋律后，『机器人』️能即时捕捉并快速回应，以即兴演奏形成互动。”宋伟说。
舒江鹏的团队核心由土木建筑与人工智能交叉领域人才组成。舒江鹏深有感触：“现在开发『机器人』️的多是计算机、自动化专业人员，可若想让『机器人』️干基建工程领域的活，它得先懂专业知识——这是计算机『工程师』教不了的。”培养一个『工程师』通常需要4年本科的专业学习，『机器人』️也需要“行业老师”的教导。
可目前，既懂专业知识又懂人工智能的复合型人才寥寥无几。“让写代码的人教『机器人』️写代码没问题，但教它学修桥梁、检隧道，跨专业难度很大。”他说。
“摔”得多
就能“长”得快吗
就像孩子学走路，人形『机器人』️今天“摔”得多，“成长”也许就会更快。
今年4月，“天工Ultra”参加人形『机器人』️半程马拉松时，还需依赖领跑员发射无线🛜信号跟随，采用半自主奔跑模式。在4个月后的世界人形『机器人』️运动会上，它已实现全自主奔跑，更在百米“飞人大战”中以21.50秒夺冠。
“今年人形『机器人』️火爆。从长远来看，没准这只是一个小火苗，就像当初『互联网』的诞生一样。”接受媒体采访时，王兴兴表示。
人形『机器人』️的走红，实则与一个诞生已久的概念紧密相连——具身智能。早在1950年，计算机科学之父艾伦·图灵就在经典论文《计算器与智能》中首次提出“智能体需要与物理世界互动”的设想。
作为具身智能最受关注的关键载体，人形『机器人』️正从实验室快步走向大众视野，成为科技行业的焦点。那么，『机器人』️进化的终点，真的非“人形”不可吗？
前不久在北京开张的全球首个具身智能『机器人』️4S店里，有超100家『机器人』️产业链上下游企业明确表达了入驻意向。其中的大多数企业专注领域是非人形『机器人』️。
业内普遍认为，相较具身智能的外在形态，机器的内核更需关注。毕竟，无论是四足『机器人』️、轮式『机器人』️，还是人形『机器人』️，归根结底还是要切实解决实际问题、提升生产生活效率。
那么，距离『机器人』️真正“敲门”进入人们的生活还需要多久呢？
在人形『机器人』️的未来发展路径上，行业正上演着多种思路的激烈角力。
比如，有学者坚信“数据万能论”，试图通过给『机器人』️提供足够多的训练场景，让它在虚拟世界里“摔”上亿次，在真实环境中“试”上万回，终有一天，『机器人』️能通过海量数据学会运动控制的精髓。还有的专家更强调“工程智慧”，认为『机器人』️的运动控制本质是对物理规律的数学建模，需要回到基础力学、控制理论的底层逻辑，用『工程师』的巧思，而非单纯的数据堆砌来突破限制。
不过，从纯技术的角度来看，解决现存的难点问题或许指日可待。
目前，为整合不同形态与平台的『机器人』️数据，业界已推出迄今为止全球最大的开源真实『机器人』️数据集。由于『机器人』️领域的数据集普遍存在规模偏小、多样性不足的问题，如何将人类动作捕捉数据转化为『机器人』️可利用的动作空间，至今仍是该领域的前沿研究课题。
宋伟大胆预测，未来五到十年，全球至少有一家企业可以把比较通用的『机器人』️大模型开发出来。这个基础大模型就像是一个完整的积木，『大语言模型』只是其中一块，其他组成部分还包括视觉感知、力觉感知、决策和交互等。
行业的突围正在悄然展开。输电塔的检修现场，杭州旷行科技研发的『机器人』️沿着钢架攀爬检修；警务人员的执法现场，杭州逻腾科技的球形『机器人』️可以完成巡逻、侦测、救援等任务……
“我们更希望让『机器人』️去干人类不想干的活，而不是抢人类的饭碗——矿山井下、电力高塔、隧道深处这些恶劣环境下的工作。”舒江鹏说，施工现场哪怕一道简单工序，都需要『机器人』️“看懂文字、听懂指令、识别三维环境”。他们正在尝试通过大模型训练，让『机器人』️掌握3到5个固定工序，从“会干活”开始，再追求“干好活”。
这些钢铁“幼儿”的跨越，也需要技术的沉淀、场景的打磨，以及对“成长周期”的耐心。当它们真正摆脱“幼儿期”的那天，会带着更聪明的大脑、更灵活的双手，成为我们身边不可或缺的伙伴。
