在第八屆進博會期間，來自宇樹科技、優必選 、商湯科技等多位專家圍繞具身智能的落地應用分享了看法。

　　《科創板日報》記者了解到 ，明年將是人形機器人落地的關鍵年 。目前
，人形機器人已在一定范圍內應用于表演
、交互、展廳導覽等場景，然而要進入工廠實現“大規模交付”仍存在瓶頸 ，距離真正意義上的產業化尚有差距
。若未來要進一步走入家庭場景
，則還需應對標準規范 、安全性
、用戶隱私等一系列更為復雜的問題。

　　整體而言，機器人產業正從基礎的本體制造 ，向更細分、更高難度的領域深入探索 。未來產業將持續向上游延伸
，朝著更精細化 、技術密集度更高的方向發展，最終構建起完整的人形機器人產業鏈
。

　　▍明年將是人形機器人落地的關鍵年

　　優必選副總裁
、研究院院長焦繼超認為 ，明年會是人形機器人落地的關鍵一年。對于行業特別是對于優必選來說，必須要找到一個真正落地的場景
，而且該場景是有可復制性，具有一定的規模性 。

　　對于人形機器人 ，焦繼超認為工業場景應該是率先落地
，實現全自主地工作
。商業場景今年也有一些真正的應用，除了跳舞、表演外 ，還包括導覽 、4S店、展廳的講解等。

　　“明年全尺寸的人形在這些場景里會有更多的應用 。在其他的行業里
， 2-3年之后在工業場景才能泛化到一些更復雜的操作。在商業場景類似酒店服務員的角色，因為涉及與人打交道的更復雜場景 ，這個時間點應該是3-5年
。家庭場景則涉及到標準問題和安全問題
，進入家庭場景能夠作業的人形機器人，至少需要8-10年左右的時間。 ”

　　微億智造聯合創始人
、首席運營官潘正頤也認為 ，人工智能將在未來智能制造中發揮關鍵乃至決定作用 。而當前制造企業面臨的核心挑戰在于：過度依賴自動化易引發剛性生產
，難以適應多品種、小批量的柔性需求；過度依賴人工則易造成效率瓶頸與質量一致性差問題
。具身智能技術與工業機器人的深度融合成為破局關鍵，如通過機器人調試智能化 、多工序柔性切換等 ，實現生產柔性
、效率與質量協同提升，真正推動人工智能在工業現場的深度落地與價值實現。

　　商湯科技聯合創始人王曉剛表示
，當前人形機器人規模落地主要在于提供情緒價值，諸如表演、交互 、展廳講解 。未來三年 ，有希望最先突破是標準化的場景
，像工業場景
、物流分揀等
。

　　此外，隨著自動駕駛技術的發展 ，無人物流車正迎來快速普及的契機
，將深入解決“最后一公里
”的末端配送難題。它們可自主完成上貨、分揀等任務，應用于前置倉 、閃購倉等標準化程度高
、數量龐大的場景 。然而 ，其大規模應用仍面臨核心挑戰：如何精準識別和處理數千甚至上萬個SKU（庫存單位）
，這對機器的視覺感知與認知決策能力提出了極高要求
。

　　帕西尼感知科技創始人兼CEO許晉誠看好近端小型人形機器人的落地。“小型人形機器人，現階段在娛樂相關、教育相關基本上已經有大量落地能力 。而走進工廠可能在五年內
。”

　　擎朗創始人兼CEO李通則提到了中國機器人的出海機遇。“在這個關鍵時間節點上 ，機器人正在大規模走進全球的工廠和生活
，這為中國機器人企業提供了前所未有的出海窗口期 。 ”

　　李通指出，在AI時代 ，中國積累的制造優勢與場景優勢正轉化為出海優勢。“機器人作為硬件AI的載體，無論是制造業 、物流業
，還是醫療
、服務業，中國機器人企業都能提供具有國際競爭力的解決方案
。
”

　　▍人形機器人大規模交付仍存在難點

　　一目科技創始人兼CEO李智強在采訪中對《科創板日報》表示 ，具身智能的核心點是“類人”
，這就需要擁有感知-決策-執行這樣一整套閉環控制，才能夠實現類人的具身智能。其中 ，感知能力必不可少
，而且非常重要 。一目科技此前發布了全球最薄可商用仿生視觸覺傳感器，目前形成銷售和合作線索的已有上百家客戶
。

　　他認為 ，在視觸覺傳感器這些新興領域
，中國企業的機遇很大。不過仍需要提升參數性能以及量產能力，“能實現10萬、百萬量級量產的企業 ，還比較稀缺 。 ”

　　談及產業趨勢
，李智強表示，機器人產業正從本體往更細 ，更難的方向上探索
。“今年的趨勢是手的自由度越來越高 、越來越靈活。未來將繼續往上游發展，走向更精細化
，技術含量更高的方向，最終形成完整的人形機器人產業鏈 。
”

　　在李智強看來 ，現階段人形機器人的大規模交付仍存在瓶頸
，離真正的產業化仍有一段距離
。

　　“工業領域動作不復雜，但重復性操作比較多 ，對精度要求比較高
，很多傳統的工業臂就已經可以搞定了。這樣的一些場景并非人形機器人最合適的場景 。一目科技更多地在探索非重復性的、非標準化的，需要精細化操作的場景
。”

　　對于具身智能技術落地的具體路徑 ，潘正頤強調
，在硬件本體層面，工業機器人本體技術已相對成熟 ，當前核心在于整合上下游生態資源
，如聯動末端執行器等領域廠商，實現不同應用場景下機器人的靈活任務切換與高效適配；在軟件算法層面 ，無論是感知
、運動及最后的執行算法，關鍵在于通過算法數據將人類積累的工藝經驗進行沉淀、復制與轉換
，推動機器人從“執行工具 ”跨越成為能自主學習和靈活適應的“智能伙伴”，這也是區分真正的人工智能與傳統自動化技術的關鍵。

　　樂聚智能董事長冷曉琨則判斷 ，明年人形機器人在工業領域有望出現采購交付數量過萬的企業 。預計在未來五年左右
，相關技術有望邁過“基本可用
”的門檻。

　　“但要真正作為產品進入到我們身邊的話，可能要奔著十來年的過程 ，涉及到的標準 、安全
、隱私一系列問題
，要比技術問題復雜棘手得多
。”

　　▍世界模型更被看好

　　當前，世界模型和 VLA模型代表了具身智能領域兩個并行互補的技術路線 ，一目科技創始人兼CEO李智強認為
，最終收斂至哪一條，還未有定論。“中短期內 ，VLA模型是補充
，長遠來看大概率會走向世界模型，但其有賴于大量的數據訓練 。 ”

　　宇樹科技創始人王興興也更青睞基于視頻生成的世界模型
。他指出 ，當前基于VLA+RL的模型在泛化能力上仍有不足，個人更喜歡基于視頻生成技術構建的世界模型。

　　但他也表示
，世界模型同樣面臨挑戰 。“中小型機器人公司對這個模型跑不太動，因為視頻生成模型對算力的需求非常大 ，需要的算力卡比較多
。目前反而是一些大的AI公司、互聯網公司對視頻模型的資源更加豐富
，可以做出來的概率更大一點。
”

（文章來源：財聯社）