在近日举行的第八届虹桥国际经济论坛“人形机器人创新发展合作”分论坛上，来自政府、学术界及产业界的代表共同探讨了人形机器人技术的前沿进展、产业化路径与未来挑战。与会专家普遍认为，人形机器人作为人工智能与机器人技术融合的创新产物，正迎来发展的关键机遇期，但实现大规模落地仍需在技术、数据、标准及应用场景上持续突破。
今年，人形机器人迎来“量产元年”，正加速实现从技术原型验证向工程化落地与规模化应用的跨越式发展。论坛上发布的《人形机器人产业链图景（2025年版）》，系统梳理了人形机器人核心环节的技术指标与发展形势，明确产业发展脉络与创新方向，为产学研用协同发力提供清晰指引，助力产业创新发展。
工业和信息化部科技司副司长姚佳认为，人形机器人被认为是具身智能的最佳载体，有望成为继智能手机、新能源汽车之后的颠覆性产品，深刻变革人类生产生活方式，并重塑全球产业发展格局。她表示，下一步将支持国内外企业开展联合攻关，加快突破“视觉-语言-动作”大模型、高性能一体化关节、端侧高算力芯片等关键技术，推动人形机器人技术迭代和产品升级。
“宇树科技投入了大量时间研发灵巧手，并致力于真正实现机器人在工厂中端到端地完成工作。”宇树科技创始人王兴兴分享了公司在人形机器人领域的最新进展，并对行业技术瓶颈与未来突破点提出了看法。
“目前，在全球范围内，真正实现端到端模型在工厂里稳定、高效工作，仍是一个极具挑战性的课题。”王兴兴说，“在任何情况下摔倒都能快速恢复站立”是未来人形机器人规模化应用的必备能力，而公司开发的“全身动态遥操作”系统为实现大规模、高质量数据采集奠定了关键基础。
不过，他也坦言，相比运动控制技术的快速迭代，机器人大模型的进展“比想象中慢了点”，尚未达到爆发的临界点。他呼吁业界需在模型架构创新与数据质量提升上双管齐下，而非盲目追求数据规模或模型参数。
关于核心技术路线，业界专家展开了深度讨论。浙江人形机器人创新中心首席科学家熊蓉表示，机器人技术发展需走模型预测控制（MPC）与数据驱动方法相融合的创新路径。她认为，MPC方法具有通用性强、可快速定义优化目标等优势，但其对动力学建模精度要求极高，在复杂人形系统应用中面临实时求解难等工程化挑战。她强调，仿真与真实环境需要形成迭代闭环，通过不断相互验证与优化，共同推动机器人技术向更高水平发展。
数据被普遍认为是当前人形机器人发展的核心瓶颈。“多样性是数据质量关键。虚拟环境能高效生成多样化场景，极大丰富了训练样本，而真实数据则确保了算法在现实场景中的落地可靠性。”国地共建具身智能机器人创新中心首席技术官唐剑指出，当前机器人的训练数据应统称为“虚实数据”，并强调“虚实结合”是推动具身智能发展的核心方向。
广东省具身智能创新中心主任丁宁称，当前以数据驱动的强化学习技术虽助推了机器人公司的蓬勃发展，但其发展正面临数据多样性不足、模型泛化能力弱等挑战，下一步需以“融合创新”与“数据拉通”破局。
面对挑战，构建统一标准与开放生态成为专家共识。与会代表呼吁，应在数据格式、硬件接口和安全规范等方面尽快建立标准，避免重复投入和资源浪费，为产业链协同和规模化应用扫清障碍。
值得一提的是，加快实现人形机器人产业化离不开应用场景的突破。“人形机器人落地是第一大要务。”帕西尼感知科技创始人兼CEO许晋诚认为，近端小型人形机器人的落地应该非常快，至少五年内可以进入工厂。
在优必选科技副总裁、研究院院长焦继超看来，明年将是人形机器人落地应用的关键一年，对于行业来说，找到真正的落地应用场景十分重要，“且这个场景具有可复制性和一定的规模性”。
他进一步预测，人形机器人将首先在工业场景落地，导览、展厅讲解等商业场景将在明年得到更多应用，而进入家庭场景作业，则可能需要8至10年。
雅休配资提示：文章来自网络，不代表本站观点。
