每經記者｜胥帥    每經編輯｜張益銘    

2026年央視“春晚”舞臺上的焦點之一將仍然是人形機器人。

在2025年“春晚”舞臺上，宇樹科技研發的機器人穿著大紅襖扭秧歌，帶動了人形機器人行業的熱度。在此背景下，有報告指出，2025年國內人形機器人出貨量預計激增650%以上。

如今，只會跳舞的人形機器人，還能得到投資人和行業認可嗎？近期，《每日經濟新聞》記者對話人形機器人投資者、人形機器人核心產品負責人等。他們認為，當前行業重心已放在場景落地。“只會跳舞的賣不動了，得有真實場景才能活。”一投資者坦言，那種僅靠三五個人、十來個人就拼湊起來的公司，張口就要估值、要融資，這類公司他們根本不碰。

每經媒資庫

從“刷屏表演者”向“實干勞動者”轉型，機器人的技術能力能否支撐這一跨越？受訪者在交流中并未強調更細分的人形，而是討論整個智能機器人。

機器人三條技術路線競速已進入白熱化。Figure AI（美國人形機器人初創公司）、智元的“通用智能”VLA（視覺語言動作）模型能否應對工廠流水線？特斯拉推崇的“世界模型”如何靠仿真數據降低成本？波士頓動力式的分層決策怎樣保障機器人長期工作不犯錯？

續航、穩定性、成本，成為三條技術路線在量產前夜面臨的殘酷考驗——機器人必須學會“干活”。

行業已過野蠻生長階段

在2025年央視“春晚”舞臺上，當宇樹科技研發的人形機器人身著大紅棉襖，扭起秧歌，全球為之沸騰。

時隔一年的2026年央視“春晚”，人形機器人又要回來了。宇樹科技是“春晚”機器人合作伙伴，首次登臺的銀河通用機器人是“春晚”指定的具身大模型機器人。觀眾可能再次看到人形機器人上演令人驚艷的翻轉、扭轉動作。

在這種情況下，機構也樂觀看待2025年人形機器人的量產情況。高工機器人產業研究所數據顯示，2025年國內人形機器人出貨量預計達1.8萬臺，較2024年激增超650%；在此基礎上，2026年國內出貨量有望攀升至6.25萬臺。

就在2026年1月22日，記者注意到一個招標公告，招標公司是中國石油天然氣股份有限公司華北油田分公司，中標公司是四川天鏈機器人股份有限公司，這是基于加油站能源加注場景的人形機器人適配應用與可行性預研究項目研發材料采購。這意味著，在不遠的將來，人們或許能看到人形機器人承擔加油站能源加注工作。

隨著聚光燈轉向，業內人士也開始思考，人形機器人不再只是舞臺上的表演者，它們必須走進工廠、工地、物流倉庫，證明自己是能創造真實價值的“勞動者”，而非昂貴的“大號玩具”。

2月6日下午，一家專注于人形機器人領域的公司的資深投資人（曾是公司大股東）說：“如今，哪家機器人公司能深耕具體應用場景、扎穩腳跟，未來才有出路。不管是做硬件、整機，還是軟硬件開發，都必須和場景結合。”

過去一年，他和很多人形機器人的投資人交流，他們的共識是，如果脫離人形機器人的應用場景，只是悶頭閉門造車，這類公司遲早會被行業淘汰。

“我們現在更看重企業是否有落地場景；如果沒有成型產品，我們基本上不會考慮投資。那種僅靠三五個人、十來個人拼湊起來的公司，張口就要估值、要融資，我們根本不碰，這類公司往往死得很快。”他說，如今，行業早已過了“機器人會跳舞就能賣得好”的野蠻生長階段。

雅可比機器人創始人邱迪聰在接受《每日經濟新聞》記者采訪表示：“無論多厲害的技術、多好的設計，到最后都需要形成一個可交易的產品，才能產生最終的經濟價值。”

過去行業內外常常熱衷于比較各家的技術路線，仿佛某一項技術優勢就能“吃遍全場”。“但到最后你會發現，技術只是其中一個部分，有時候在發展后期甚至不是一個重要的部分。”盡管邱迪聰自己也從事AI（人工智能）機器人學術研究，但他認為，技術的先進性本身并不能直接導致商業成功。

“接下來這段時間，具身智能的競爭都只在于：落地，落地，還是落地。”而落地最終要回答的核心問題是：“怎么才能夠讓有足夠的產品力、被客戶認可并大量規模化地賣出去，形成銷售落地。”邱迪聰指出，無論融資規模多大，最終都必須回歸商業本質，對銷售額負責，“不然，估值和銷售比太高，就變成了融資很多卻沒做幾單生意，這就浪費了投資”。

究竟哪種機器人能真正“活下來”，拓展出自己的應用場景？不同企業押注的三種技術路徑，正在給出截然不同的答案。

2月3日，快思慢想研究院院長田豐告訴《每日經濟新聞》記者：“2026年，智能機器人長時間作業的瓶頸將從‘能不能走’，轉向‘能干多久’和‘夠不夠穩’。”

“大家普遍認為，2026年將是機器人走向服務產業應用場景的關鍵一年。”他指出，當前技術重點正從機器人的運動控制轉向“機器人大腦”能力的增強，以提高對復雜環境和任務的理解與執行能力。“我們中心很早就開始去做一些布局和開發。”成都人形機器人創新中心產品總監呂童博士表示。

行業也不得不重新思考，在機器人從“實驗室”走向“生產線”的關鍵節點，如何讓它們真正像人一樣精準、穩定地完成擰螺絲、打包、搬運等實操任務？這場轉型的考驗尤為殘酷，續航功耗、實時響應能力與維護成本，成為檢驗所有技術路線的“試金石”。在這三重考驗下，原本看似百花齊放的技術路線，開始逐漸顯露出各自的優勢與短板。

三條技術路線各有優勢

面對投資者的“實干”要求，人形機器人行業逐漸分化出三條主流技術路徑，每條路都代表了對人形機器人未來的不同想象。

第一條是VLA模型路線，以追求“通用智能”為核心，試圖讓機器人像人類一樣通過視覺感知、語言理解，最終直接控制動作執行。Figure AI、智元機器人等企業押注于此。

田豐分析了這條路徑的核心特點：“依賴海量數據訓練，以應對未知環境和未知任務，追求‘端到端’的單一模型。”其優勢在于具備強大的語義理解能力，能夠聽懂“把桌子收拾干凈”這類模糊指令。田豐也指出其短板：“‘端到端’模型的計算開銷大，對硬件的續航、散熱能力要求較高。”

2025年以來，智元機器人、優必選等企業，已展示出人形機器人進廠“打螺絲”的實操能力。

在2026年的CES（國際消費類電子產品展覽會）展會上，一些非人形機器人的專業公司也進入這一賽道，比如速騰聚創展示了高穩定性機器人作業系統。

2月3日，《每日經濟新聞》記者采訪了速騰聚創負責AI領域的專家洪浪（化名），他表示：“VLA是一種利用大語言模型的涌現能力實現操作智能的技術范式。”他話鋒一轉，指出這條路線的隱性挑戰：“單純給機器人一張圖片，它無法判斷一個盒子距離機械手有多少厘米，但VLA的輸出卻是3D（三維）世界中一系列實數坐標和朝向，這意味著‘端到端’的VLA仍需隱式利用相當一部分參數，來解決空間感知問題。”此外，當機器人手部即將觸碰到物體的“最后一厘米”時，絕大多數操作接觸面會被靈巧手自身遮擋，因此觸覺與力覺反饋的重要性就凸顯出來。

速騰聚創的解決方案主要有兩點。一是在傳統純視覺VLA的基礎上，融合3D點云和觸覺信息。“有效利用點云后，我們的數據需求大幅降低，因為這一方式跳過了依靠海量數據隱式學習空間感知的階段。”二是將觸覺作為VLA的另一模態輸入。速騰聚創不愿具名的專家強調，當前觸覺技術仍面臨三大行業性難題：一是硬件層面，優質、高信噪比的觸覺傳感器依然稀缺；二是算法層面，尚未有成熟方法能高效利用觸覺數據；三是數據層面，缺乏大規模的公開或私有觸覺數據集。

第二條是世界模型路線，核心是構建“數字世界”，特斯拉是這一路線的代表。該路線會在AI系統內部構建物理世界的模擬器，讓機器人能夠預測自身行動的后果。

田豐將其概括為：“為機器人注入對物理規律的直覺理解，讓它通過推理和規劃，預測自身行動的結果。”這條路徑重度依賴高質量仿真數據，一旦模擬器建成，便能大幅降低對昂貴真機數據的依賴。

第三條是分層決策與軟硬件協同路線，走的是務實路徑，波士頓動力、智元機器人是這一路線的代表。該路線將復雜任務拆解，由大模型負責任務語義理解與子任務分解，傳統算法則負責定位、導航、精密控制等基礎功能。田豐指出，這種模塊化架構的優勢在于故障易隔離，能將復雜的推理任務與高頻實時控制解耦，確保控制回路的響應速度，其優勢在真實世界的流水線上更能得到檢驗。

不過，呂童認為，各技術路線之間并不相互排斥，分層架構、3D場景圖、世界模型等多種架構正同步推進。他認為，VLA“端到端”與世界模型等路徑并非相互排斥，“它們需要協同發展”。機器人本身是一項系統工程，技術選型需綜合考量部署環境、網絡條件、算力支撐等現實因素，“不能脫離實際條件去談性能”。

泛化能力與穩定為核心

不同企業基于自身“基因”，給出了不同的技術答案，無論哪種路線，都繞不開一個核心難題——提升機器人適應不同場景的“泛化能力”。

邱迪聰向記者闡述道，機器人控制的核心追求是解決泛化問題。最早的方法是基于模型預測控制，它讓機器人擺脫了完全固定的軌跡。這種方法如同解方程（例如X+1=Y），將環境感知（X）與動作（Y）動態關聯，從而能應對預設范圍內的變化。其局限在于，一旦遇到模型未預料的情況便會失效。

為了突破這一限制，VLA模型應運而生。其目標是讓機器人像人一樣，通過自然語言接受指令（如“把蘋果放到架子上”），并借助視覺感知自主完成任務。VLA模型通常在大型視覺語言模型基礎上，結合人類的操作數據進行訓練，使其具備強大的理解和泛化能力，同時也面臨數據昂貴、算力消耗大、執行速度慢等挑戰。

當前技術路線主要分為兩大類：模型驅動方法（如模型預測控制，穩定但泛化能力有限）和數據驅動方法（包括強化學習和模仿學習）。VLA模型可視為后兩者的結合，代表了通向通用機器人的重要方向。

速騰聚創上述專家表示：“泛化的本質其實是內插。”只要讓模型接觸過足夠豐富的場景，比如昏暗或明亮的燈光、高矮不一的桌子、遠近不同的擺放位置，就能讓它在未知場景中做出合理判斷。這還不夠，“數據必須足夠干凈，越干凈的數據集，模型越容易實現泛化”。他直言，自動駕駛和機器人領域都飽受“臟數據”困擾，這類數據會嚴重破壞模型的泛化能力。數據的多樣性和干凈度是兩回事，這是很多從業者容易踩的坑。

他還強調，提升AI操作系統的“下限”，遠比展示“上限”更具技術難度和行業含金量。“即便讓模型嘗試100次，能呈現高光時刻的也只是少數，但提升下限，意味著能讓機器人在工廠里連續工作10個小時不犯錯，這才能真正產生價值。”

呂童表示，行業需求正從追求單一數據量，轉向注重“數據多元化”與更便捷的采集方式，比如基于視頻的采集。同時，行業也在探索如何將人類社會積累的物理與自然知識融入世界模型，這或許會成為行業未來的重點關注方向。

除了數據，算力部署也是關鍵問題，業內普遍認為，高頻本地推理是保障機器人穩定性的核心。如果一個系統能實現10赫茲的推理頻率，就意味著微小擾動能在0.1秒內被處理。若系統推理頻率僅為2赫茲到3赫茲，就需要等待約0.4秒到0.5秒，再加上執行機構的控制時延和推理不同步問題，會顯著影響任務成功率。

未來3至5年是關鍵期

速騰聚創市場部總監謝闐地向《每日經濟新聞》記者表示，未來3至5年，將是具體場景機器人落地的關鍵期。機器人的價值在于勞動力的補充，人的實踐和經驗總結是非常寶貴的，機器人可以學習模仿老師傅的經驗和手藝，客戶愿意為能復制人類資深經驗的機器人解決方案付費。也許當前具身機器人同樣時間內只能完成人類一半甚至更少的工作量，但機器人可以在夜間工作，在節假日工作。

一個案例是，在2025年世界機器人大會上，很多來自江浙地區的制造企業負責人專程觀展，直接詢問“能不能買機器人組建產線”。市場需求雖迫切，但技術與商業化之間仍存在鴻溝。

謝闐地坦言，目前只有唱歌跳舞類娛樂機器人能實現穩定營收，整個機器人行業仍處于“研發向工程轉化”階段，但娛樂場景帶來的行業熱度，極大加速了機器人“干活”能力的發展進程。

當前，機器人市場需求正朝著務實方向發展。“用戶希望選取一些具體場景，實現高度閉環。”呂童說，用戶的具體訴求集中在三個方面：降低生產成本、將人類從重復枯燥或高危工作中解放出來，以及在文商旅等領域提供情緒價值。機器人的出現，本質上是為了解決某個層面的實際問題。

當前前沿的具身智能技術尚在研發期，穩定性普遍未達到工業級水平。真正可靠的技術（如工業流水線、家用冰箱）因其穩定到讓人“習以為常”而不再被特別關注。

邱迪聰表示，工廠場景相對簡單，物品（如特定螺絲）和環境固定，操作雖精密但高度重復。商超場景復雜度高，需識別數十萬種商品，對物品理解要求極高，但操作以“拿、放、擺”為主。家庭場景則是機器人終極挑戰：空間和物品千差萬別，操作更是涵蓋掃地、烹飪等包含幾十道工序的復雜任務，對通用性要求極高。從投入產出比（ROI）看，家庭場景目前不經濟，一臺機器人售價可達數十萬元乃至百萬元，與能提供的有限服務不匹配。

商業場景正成為突破口。例如，在零售倉揀貨場景，機器人若能解決物品泛化問題，可提升運營效率30%~90%，具備了明確的商業價值。

不過，邱迪聰表示，當前前沿的具身智能技術尚在研發期，穩定性普遍未達到工業級水平。

幾個發展趨勢比較清晰

技術路徑競爭，最終要在具體場景中接受檢驗。田豐分析道：“長時間穩定作業是商業化落地的‘任督二脈’，不同技術路線，決定了機器人在不同場景下的性價比與存活率。”

“在相對結構化的工廠、物流場景中，不需要極高的VLA語義理解能力，但需要極高的平均無故障時間（MTBF）和極低的功耗，因此‘分層決策+軟硬件協同’路線更適配。”田豐進一步指出，模塊化執行器方案在量產成本和后期維護方面具有絕對優勢。

在地形復雜多變的建筑工程場景，世界模型結合輪足混合架構更適配。田豐以逐際動力為例：“通過世界模型預測地形，自動切換運動模態完成任務，其能量效率比純足式機器人高出3至5倍，能大幅降低長時間作業的續航壓力。”

在文旅與家庭服務場景，服務業對人機交互的要求極高，而VLA架構恰好能賦予機器人理解人類用戶差異化模糊指令的能力。

在謝闐地看來，當前機器人行業的商業模式已逐漸清晰，面向B端（企業端）客戶，與本體廠商、場景方開展聯合共創。“我們需要尋找擁有真實生產場景的合作伙伴，比如物流打包、汽車零部件裝配，共同推動方案落地驗證。”他直言，機器人的核心價值在于無需改造現有基礎設施，能與人在同一環境中共存作業，比如在工廠中，白天人工作業，晚上由機器人接手。

從當下行業競爭看向未來，人形機器人領域呈現出幾個清晰的發展趨勢。

從技術進步的時間維度來看，呂童認為，當前機器人技術正以“月”為單位快速迭代，行業在資本與技術層面仍保持高速推進態勢。但前沿技術與實際應用的結合，仍處于熟化與試錯階段。“整個行業在應用側總體仍處于熟化過程中，必然會伴隨著試錯。”他還觀察到，學界與產業界的界限正日益模糊，許多新技術的誕生，正是源于一線實踐的反饋與倒逼。

田豐預測，技術路線將逐漸收斂：“借鑒PC（個人電腦）、手機的硬件發展歷史，智能機器人硬件架構將逐漸統一化。”軟件架構領域，有可能不再追求純粹的端到端，而是形成“語義解析層-環境建圖層-運動執行層”的三層解耦架構。

在企業路線選擇上，軟硬件深度協同將成為優先方向。“核心部件必須與算法深度適配，那些單純進行部件組裝的機器人企業，或將被行業淘汰。”田豐指出。

一個關鍵判斷是：“2026年，各企業的硬件差距將迅速收窄，真正的核心壁壘將是機器人在長時間作業中積累的非標環境作業數據。”那些已實現大量落地部署的機器人企業所形成的數據閉環能力，將成為其核心競爭壁壘。

另一個重要趨勢是國產化。“2026年國產行星滾柱絲杠、高功率密度伺服電機逐步實現量產替代，智能機器人結合國產零部件進行自研改造、集成優化成為趨勢。”田豐總結道。

在謝闐地看來，機器人的終極價值不是替代人，而是傳承人的經驗，是在人類休息的時間里、在人類無法適應的惡劣環境里，把老師傅的手藝、老專家的經驗轉化為數據模型，讓一群機器人成為人類勞動力的補充。這才是工業智能化的未來。

邱迪聰總結道，機器人技術固然重要，它驅動生產力革新、效率提升和體驗改善，但必須被放在合理的位置。技術是實現卓越產品的手段，而非目的本身。機器人“落地”考驗的是技術與商業場景的百分之百適配。“你能解決90%的問題，但剩下10%解決不了，整個場景就用不了，那前面的90%就等于0。”這意味著企業必須綜合考慮：技術的先進性是否匹配場景需求、機器人的穩定性與可靠性、外觀設計與用戶交互體驗，以及整體解決方案能否在客戶可接受的投入產出比范圍內形成閉環。任何影響最終體驗的細節，都構成決定性的產品力。創業也好，新科技也好，到最后都變成一個很簡單的問題：這個東西好用嗎？然后你愿意花錢買嗎？如果愿意，那就是成功。

封面圖片來源：每經媒資庫