徽声在线记者｜蒋新

“曾经，人形机器人更多局限于表演性质的炫技展示，而如今，它们正逐步朝着产业应用方向迈进，服务于国民经济主战场以及多个重点应用领域。”

3月25日，在博鳌亚洲论坛2026年年会期间，北京人形机器人创新中心CEO熊友军于“人形机器人的进阶与飞跃”论坛上发表了上述观点。

“人形机器人的进阶与飞跃”论坛现场实拍 拍摄：蒋新

熊友军透露，人形机器人已在部分场景，如3D领域开启应用之旅。在汽车、家电生产等泛工业领域，它们正逐步渗透到搬运、分拣、物流等环节。以汽车生产为例，人形机器人可精准地完成零部件的搬运工作，大大提高了生产效率，减少了人工搬运可能带来的误差和安全隐患。在家电生产线上，它们能高效地进行产品分拣，将不同型号、规格的家电准确分类，为后续的物流配送提供便利。

百度集团执行副总裁、百度智能云事业群总裁沈抖在论坛上指出：“人形机器人行业远未达到所谓的‘ChatGPT时刻’或‘iPhone时刻’。尽管当前行业热度颇高，但仍处于建设阶段。”

所谓“ChatGPT时刻”，指的是人形机器人领域迎来类似ChatGPT那样的颠覆性突破与爆发式增长拐点。

对于人形机器人何时能迎来“ChatGPT时刻”，与会嘉宾给出了不同的看法。

商汤联合创始人、执行董事、大晓机器人董事长王晓刚给出了相对乐观的时间预估——两年。他表示，目前行业的数据量大约处于10万小时级别。其公司去年提出计划，将借助环境式素材，在未来两年，即到2027年，把数据量提升至1000万小时，实现两个数量级的增长。在此基础上，结合世界模型与仿真技术的助力，最终达到“亿小时级别”。他认为，只有达到这个数据量级，才有可能迎来属于人形机器人的“ChatGPT时刻”。比如，通过大量的环境式素材数据，人形机器人可以更好地模拟各种真实场景，提高应对复杂环境的能力，就像人类在丰富的实践经验中不断成长一样。

VIVO机器人Lab首席科学家邵浩的答案则更为保守，他认为需要十年。他解释道，机器人所需的数据维度极高，文本数据仅有一维，而机器人数据则多达六十多维。邵浩表示：“只有找到一条低成本、海量且免费的数据路径时，‘ChatGPT时刻’才会出现。不能仅仅依赖某一种数据采集方式。目前，一个最前沿的研究方向是利用人类的视频数据作为数据来源。归根结底，还是数据的问题。”例如，人类的视频数据包含了丰富的动作、场景等信息，如果能有效利用这些数据，将为人形机器人的学习提供大量素材，但如何从海量视频中提取有用数据并转化为机器人能理解的形式，是一个巨大的挑战。

熊友军则认为，时间点与技术成熟度、商业价值和社会需求相互关联，并非是一个“一刀切”的固定节点。“从当前技术发展趋势来看，不完全是数据的问题。在一些结构化的环境以及相对简单重复的应用场景中，结合现有的大模型，人形机器人已经开始了落地应用。”

他以具体数据加以佐证：去年全中国人形机器人的发货量接近两万台，今年预计将迎来大幅增长。在他看来，应用场景的落地比大家预想的要快。比如在一些工厂的标准化生产线上，人形机器人已经能够完成一些简单的重复性任务，如零件的组装、产品的包装等，这表明人形机器人在实际应用中已经取得了一定的进展。

“机器人究竟何时能够突破更高的价值交付，实现真正落地应用，并达到万台甚至十万台的规模，仍面临诸多不同挑战。”星动纪元科技有限公司创始人陈建宇在会上表示。

工业领域因其应用场景标准化，往往被业内视为是人形机器人应用最先落地的场景。陈建宇表示：“我们可以在现有模型基础上，投入一定的数据和算力，把关键岗位打通。一旦打通，就可以标准化复制到上万甚至数十万个场景中。”但他也强调，人形机器人必须达到很高的节拍效率和成功率。“要达到百分之九十九点几，还要具备极高的可靠性。要真正把它做成一个工业级稳定的产品，不仅仅是单次能够完成任务，还要能够可靠、持续、低成本地做到，每一项都很难。”例如，在高速运转的生产线上，人形机器人需要快速准确地完成每一个动作，不能出现任何失误，否则可能会影响整个生产流程，造成巨大的损失。

他进一步分析，这对机器人的综合能力提出了较高要求，“从大脑的能力——要能够实时进行感知反馈和快速决策，到小脑的控制能力，再到底层的硬件本体。本体又包括灵巧手、关节等零部件，还包括供应链等。比如灵巧手，它需要具备高度的灵活性和精准的操作能力，能够完成各种复杂的抓取和操作任务，这对材料和设计都提出了很高的要求。”

沈抖也认为，当前人形机器人在本体稳定性、耐用性及灵巧性等方面仍面临较大挑战。此外，无论是大脑还是小脑，目前行业内尚未形成统一的技术标准。“这就好比在没有统一规则的比赛中，各个参赛者都按照自己的方式行事，很难实现高效协作和规模化发展。”

“人形机器人要想规模化应用于工业中，至少需等到出货量达十万台级的企业出现。”邵浩在接受徽声在线记者采访时表示。他指出，目前人形机器人的硬件尚未实现标准化，双足、手和电机的结构在行业内仍未达成共识，这使得量产和成本下降面临较大难度。“就像汽车行业，如果每个厂家生产的汽车零部件规格都不一样，那么维修和更换零部件就会变得非常困难，成本也会大幅增加。人形机器人也是如此，只有硬件标准化了，才能实现大规模生产和成本的有效控制。”

邵浩认为，只有当行业内至少有一家企业的出货量达到十万量级，届时关键部件的结构形成行业共识，才能真正实现量产与成本的有效下降。

相比之下，人形机器人进入家庭场景被视为“最后一步”。

“具身智能进入家庭，其实是对其能力上限的要求。危险场景、工业场景，反而是相对标准化程度较高的场景，家庭场景是挑战最大的。”沈抖认为，两年内实现系统性进入家庭很难，十年能否做到也不确定。家庭环境复杂多样，充满了各种不确定因素，比如家具的摆放、家庭成员的行为习惯等，人形机器人需要具备很强的适应能力和学习能力才能应对。

陈建宇认为，挑战在于泛化性。“每一个家庭的环境和布局都完全不同，没有足够的资源、空间，能在每个家庭里单独采集数据、单独训练后再部署。”他提出，家庭应用的终极目标是模型能做到零样本泛化，面对全新环境和任意指令即可直接部署。他判断“至少五到十年，能看到非常好的效果”。例如，当家庭中新增了一件家具或者改变了家具的布局，人形机器人能够迅速适应这种变化，无需重新进行大量的数据采集和训练就能正常工作。

在成本上，沈抖持乐观态度：“中国的供应链如此完善，应用场景这么丰富，在进入家庭之前，人形机器人一定已经在各个场景中经历了充分打磨，所以成本反而不是最关键的。真正重要的是标准、安全和产品性能。就像智能手机，在发展过程中，随着技术的成熟和规模效应的显现，成本逐渐降低，但消费者更关注的是其性能、安全性和是否符合标准。”

针对行业堵点，陈建宇建议，要推动软件和模型系统的标准化与规模化。“行业内模型路线和数据路线多样，但真正要实现落地应用，必须形成标准化的产品，能够合规化地复制推广，这就需要行业收敛路径，找到当前最有效的方向。比如制定统一的软件接口标准，让不同厂家生产的人形机器人能够方便地与其他设备进行连接和交互。”

在硬件层面，他表示，供应链和产业链需要拉通，并做好准备实现降本和可规模化复制。“这需要各个环节的企业加强合作，共同优化生产流程，提高生产效率，降低生产成本。例如，零部件供应商可以与机器人制造商紧密合作，根据机器人的需求进行定制化生产，提高零部件的质量和适配性。”

熊友军也认为，行业中也存在一些无序发展的现象，可能造成资源浪费。因此，迫切需要制定产业发展的标准，通过标准来有序引导整个产业协同一致发展。“就像建筑行业有各种建筑标准一样，人形机器人行业也需要一套完善的标准体系，来规范企业的生产和发展，避免盲目竞争和资源浪费。”