人形機器人真正走到我們身邊，大概還需要10年左右。

文｜趙艷秋 游勇

編｜周路平

北京亦莊的一場人形機器人半程馬拉松，在吸引著巨大關注的同時，也讓網友吵翻了天。

有人說，這場馬拉松讓熱鬧了半年的人形機器人“祛魅”了，它看起來更像是個遙控的大號電動玩具，在網絡上，人形機器人各種酷炫動作，但在現實中連路都走不穩；也有人說，對新產業應該給予更多的寬容，只有現在的起步，才有未來的發展，就像汽車在誕生之初跑得比馬車還慢，但并不妨礙汽車的進步。

北京經開區管委會副主任梁靚介紹，此次“人機半馬”比賽，更像一次產業對話和機器人“大練兵”。相比于最后的成績，業內普遍認為，這更像是一場人形機器人系統工程的極限演練。

雖然很多人對“首馬”中機器人的表現有些失望，但實際上人形機器人這兩年的發展在提速。以機器人本體為例，過去一兩年迭代的速度，可能超過了之前10年的迭代。

今年初，“具身智能”首次被寫入《政府工作報告》，成了產業界的熱詞。具身智能產業鏈足夠長，市場體量足夠大，而人形機器人是其中技術集成度最高的。在行業被熱捧的背后，人形機器人還面臨諸多挑戰。業界正在探索將大模型與機器人結合，一些企業在思考推動如何將人形機器人在產業中落地。“真正走到我們身邊，我認為大概還需要10年左右。”北京通用人工智能研究院院長朱松純說。

01

當科幻照進現實

4月19日，北京亦莊，作為全球首個人形機器人參與的半程馬拉松賽事，熱度非常高，尤其是在AI和具身智能概念火熱的當下，大家都在關注機器人在賽場上的表現。

在現場，機器人賽道和人工賽道中間有護欄分隔，很多報名參加了半馬的人都在跟著機器人一起奔跑，甚至站在兩旁為機器人加油歡呼。而無論在家中、地鐵上，很多人也在通過直播觀看人形機器人在馬拉松賽的首秀。

當天有20個機器人參賽，其中7個跑完了全程21公里，而第一個出發的天工機器人不負眾望拿下了冠軍，用時2小時40分鐘，配速達到了每小時八九公里，中途更換了3次電池。

不過，相比于在網絡視頻上人形機器人的酷炫表現，真實的比賽現場讓很多人感覺到了落差。

比如松延動力的N2機器人“旋風小子”在最后的沖刺階段，不小心摔了一跤，把“頭”都摔掉了，甚至有些在外形上擬人化很高的機器人，剛起步就摔在了起跑線上；一些機器人在中途遇到了故障，不得不從補給車里拿出備用的機器人繼續完成后續的比賽。

很多機器人都需要人工在旁邊輔助，甚至用手攙扶著；一些機器人在賽道上不斷走出“S形”路線，陪跑工程師不得不出手拉回來；另外由于高強度運動，導致關節發熱，也需要在關鍵部位經常噴冷卻液給機械結構降溫。

以至于很多人說，最累的不是機器人，而是在旁邊跟隨的工程師，他們不僅要跟著奔跑，還需要時刻關注機器人的動向。

根據主辦方的介紹，這次參賽的隊伍有兩種參賽方式，一種是遙控模式，考察的主要是硬件層面的能力，比如關節、電機、能耗、散熱等；另一種是跟跑模式，需要機器人能夠準確跟隨、快速響應前方目標。

而現場大部分機器人采用的是遙控模式，會有工程師在旁邊控制機器人的奔跑速度和方向。雖然主辦方賽前會為人形機器人賽隊提供線路的GPS坐標數據，但這些人形機器人并不能實現完全自主控制。

鈦虎機器人產品生態負責人諶威則在騰訊科技的一場直播中坦言，這次比賽不只是為了“跑”，它本質上是在測試人形機器人的“基礎身體能力”。馬拉松是一種非常適合做“壓力測試”的場景，比如這次亦莊半馬的比賽地形，包含了平地、坡道，全程線路共包括6個左轉道、8個右轉道，最小轉彎角90度。這些都考驗了機器人精準的路徑規劃和靈活的轉向能力。

通過這樣實戰的方式，能夠看到問題和發現不足，比如關節精度、熱管理、電源系統、控制算法、通信干擾等問題，在這場馬拉松賽中得以全面暴露，從而推動整個行業快速迭代。而且在一段20多公里封閉路段的珍貴數據，為企業提供了珍貴的數據。

諶威說，這次比賽最特別的一點是所有參賽企業都在統一標準下，誠實面對自己的技術狀態，不再像過去那樣通過剪輯展示“機器人陪我一天”的表演場景。對于公眾來說，這次是非常難得的真實展示，也是一種科學普及。

02

是祛魅還是加速？

在馬拉松之后，有人說“對人形機器人祛魅了”。但從產業實際情況和發展速度來看，包括人形機器人在內的具身智能，其發展是在加速。

“大模型出來之后，機器人行業最大的變化就是驅動范式的變化，從傳統的模型驅動方式，變為了一個數據驅動的方式。因為人形機器人要進入到復雜未知場景中，現實中沒有這么多模型，那么它最終的理想情況，應該是以數據作為指導，或者說是行為數字化，把我們人在現實工作中的技能采集數據化，然后轉移給機器人。”樂聚機器人董事長冷小坤說。

而因為范式的變化，也給具身智能提出非常大的挑戰，其一是數據。“相比無人駕駛，具身智能更大的挑戰是先有雞還是先有蛋的問題，即數據從哪來。”智源研究院院長王仲遠說。全球電動汽車因為有基本的運行功能，它的輔助駕駛系統每天都可以收集數據進行迭代。“而機器人如果不能完成具體的場景任務，就沒辦法形成規模化銷量，也就無法收集數據、迭代模型，整體陷入了‘死循環’。”

這也能看出這次馬拉松賽事，創造出20多公里封閉路段，對機器人運動性能研發的珍貴性。很多機器人公司結束比賽后，已迫不及待地去分析數據。

“數據的稀缺，導致無法實現具身智能的泛化能力。”軟通動力副總裁兼技術研究院副院長雒冬梅告訴數智前線，“拿抓取這件事來說，在某一空間某一個節點上，機器人順利去實現抓取，但換一個空間維度，就做不到了。”

“整個產業目前采用了多種手段，例如虛擬采集、合成數據采集、多模態數據融合采集，來逐步解決數據問題。”雒冬梅說。

不過，這些獲得數據的技術路徑，也都存在不同程度的挑戰。比如，合成數據、生成動作序列的方法中，最大的挑戰是空間匹配度并不好。在虛擬空間形成的抓取數據，放到機器人本體上，會出現抓取位置偏差、抓取姿態錯誤，甚至根本無法成功抓取目標物體，無法完成預期動作。

為此，今年北京、杭州、無錫、南京、重慶等地，都在積極建設數采中心，未來幾年將會陸續投產。“它有點像我們之前算力中心的投資邏輯。”雒冬梅說。數采中心是完全面向場景化的，投資很高，比如要采集抹墻機器人需要的數據，就要搭建樓房場景，實際采集、驗證后，將數據集提供給機器人企業，降低業界的開發成本，這也可以說是數據要素發展的另一種形態。

在這些數采中心中，實地采集打乒乓球、疊衣服、掃地等一個個技能的數據。如在北京人形機器人創新中心，正全力建設百萬量級的高密度、高質量、高通用性數據集。這需要產業鏈各方聯手，如各機器人企業、百度智能云等模型和算力企業。

具身智能面臨的第二大挑戰，是機器人本身對復雜任務的理解，以及在動作序列中能否形成連貫性，這是下一階段業界要去重點攻克的難題。

“比如有十位客人，請機器人給其中一個人倒杯水，它可以理解，也可以執行倒水動作。”雒冬梅說，“但如果讓機器人引導客人到某個會議室，然后再給他倒杯水，兩三層任務，機器人就沒法形成連貫性了。”

為什么今年受到關注的Manus，能實現一系列工作，而人形機器人就做不到？雒冬梅告訴數智前線，Manus是數字AI，而具身智能是“物理AI”，兩者之間唯一的區別，就是空間維度。而空間維度不斷變化，這比訓練輔助駕駛難度還要大，因為輔助駕駛還有一系列交通規則可以遵循，而通常的物理空間，沒有明確的規則，動態不確定。這還需要大模型的泛化性來解決。

北京通用人工智能研究院院長朱松純說，現在最大的難點在于（數字）智能體和硬件本體的融合，在全球無論是產業界還是學術界，現在已開始在探討這兩者的結合問題。

03

今年有真實的落地場景嗎？

既然人形機器人有這些需要逐步解決的挑戰，它什么時候能落地？

其實，伴隨人工智能的火爆，今年以來，行業市場中涌現出急迫需求。中工互聯董事長智振告訴數智前線，他們打算購買機器人和機器狗，在工業場景下展開探索。“工藝流程要與設備關聯，軟硬件結合，才能形成閉環和競爭力。”智振提出“具身智能體”概念，它既是智能體，有大模型優化和決策能力，也具備執行能力，比如控制閥門，還能根據外部反饋自我進化。

“以前我比較懷疑，人形機器人為什么要進工業場景？”樂聚機器人冷小坤說，但接觸一些企業后發現，其實大量場景，現在只能用人。因為產品的品類太多了，可能每半天或一天就要更換一批產線，而沒有一種自動化設備把產線都覆蓋掉。在這種情況下，目前最優解就是人形機器人。樂聚在通信和新能源車廠，都在做相同的研發，讓人形機器人與場景結合。

冷小坤說，人形機器人什么時候能像博士一樣聰明，像家電一樣便宜，也就到了產業爆發的時刻。他預測5年內，人形機器人成本能達到一輛小轎車的水平。

雒冬梅則認為，機器人特別適合優先考慮高危場景下的應用，而這還有很多難題要攻克。為此，軟通動力已與理工華匯，成立軟通天匯特種人形機器人實驗室，其中的關鍵技術之一是人形機器人防爆問題。現有防爆多是外掛或穿戴式，與機器人輕量化相矛盾，軟通天匯通過材料、電機等做了結構性優化。同時，實驗室中也在開展復雜動作研發，涉及多模態識別、技能訓練。

不過，更多企業采取了“沿途下蛋”策略。“具身智能不只是賦能于人形機器人，也可以賦能于多種形態的智能裝備。”雒冬梅說。她看到今年一些大型企業，已在一些具體場景中，提出強烈訴求。軟通天樞聯合生態伙伴，也推出了巡檢復合機器人、勘測復合機器人、測量放線復合機器人和天匯Phyxis平臺。

“從大模型到本體到控制到場景，人形機器人和工業機器人不一樣，靠任何一家公司是搞不定的，它必須是一個大的生態，然后整個產業鏈一塊配合。”北京通用人工智能研究院院長朱松純說。

近些年，國家在頂層設計上對具身智能做了很多的布局和政策引導，人形機器人產業鏈因多年布局已逐漸成熟。上游關鍵零部件如機械臂、關節、絲杠等，國內具備一定實力，供應穩定；中游大模型、操作系統、機器人“大腦小腦”、仿真訓練企業，則在搶占行業垂類賽道，才能發揮更大優勢；下游各類人形機器人公司，多在2021年后創立。

“對人形機器人的發展不能期望太高、太快，因為大眾對人工智能的理解，總是在某些熱點上，一旦熱點來了，以為馬上就到了。但如果沒有馬上達到他的預期，他的態度馬上又翻轉到另一邊去了。”朱松純說。而相比這樣的情緒起伏，行業需要一個比較穩定、長期的發展環境。

“過高的期望會損害這個產業，因為確實還沒到那個成熟度。”智源研究院王仲遠說，“現在有些不切實際的期待是兩三年后，人形機器人遍地跑，然后哪都用上。這個期待恐怕會落空。”他說自己贊同，RoboCup聯盟預期的，人形機器人在2050年之前，戰勝足球世界杯冠軍。