人形机器人“练级”：现在已是什么段位？如何突破“GPT时刻”

在2025世界机器人大会上，一幕幕生动的场景正在上演：工作人员一声指令“跟着前面这位穿白衣服背着包的人”，人形机器人便稳健穿行于人群，精准跟随；轮式人形机器人丝滑“漂移”搬运箱子，甚至“一心二用”同时取送两瓶饮料；兼具迎宾讲解、调酒、分装爆米花、端盘子等多面手能力；工业人形机器人集群通过网络协同，实现物料入库搬运到智能分拣的全流程作业……

伴随着VLA（Vision Language Action，视觉语言动作）模型与端到端技术的快速成熟，人形机器人技能库日益齐备。在这场工作技能的“练级”之旅中，人形机器人现在已经达到了什么段位？未来又将达到什么水平？如何突破自己的“ChatGPT”时刻？

“干活”到了哪一层？

当格斗或舞蹈机器人偶发倒地时，观众不再嘲笑，转而关注其迅速起身的类人动作。行业焦点已从去年的“能干活”跃升至今年的“干好活”——追求成功率与效率。

擎朗智能具身智能实验室负责人邓强文对澎湃新闻记者表示，在相对少泛化的一些场景中，人形机器人目前完成简单的任务是没问题的，“比如预扫描出一个家庭的房间，标好哪里是厨房，哪里是客厅，哪里是房间，我们和它说渴了，它就知道要去厨房拿一瓶水”，但如果在一个相对开放的环境中，让机器人自己去看、去理解认知，目前难度还是很高的。

邓强文介绍称，擎朗智能把每个机器人的“岗位”都进行精准细化，把每个岗位的SOP（标准作业程序）和验收标准都进行规范，从基础的抓、捏、按压等技能开始训练，再将其组合起来，实现了在不同的机器人之间的相互转化。

此次大会期间，擎朗智能的具身服务机器人XMAN入驻了全球首家具身智能机器人4S店Robot Mall及全球首家机器人餐厅“机器人焰究所”，可根据客户的选择，提供不同风味的小零食服务，以拟人化的动作流畅完成零食铲出、分装等一系列操作。

擎朗智能的人形机器人在“机器人焰究所”服务。

银河通用的具身大模型机器人Galbot也在本次大会迎来“升级”。银河通用携手英伟达联合首发了搭载Jetson AGX THOR芯片的机器人应用，Galbot也成为全球首台体内部署Thor芯片的机器人，并完成了工业场景的应用。从序厅的端到端具身大模型技术实景演示，到自主展位覆盖商业、工业及城市服务的全场景应用，再到会客厅的真实商业售卖，机器人全程无遥操、高效运行。

从实际落地应用情况来看，银河通用已在数十家约40平方米的门店内部署人形机器人并常态化运营，单“人”管理超5000种药品和6000个货道。同时，银河通用也已与多家汽车制造商展开合作，在多个生产线进行分拣、搬运等环节的人形机器人实际落地测试。

穹彻智能联合创始人、上海交通大学人工智能学院副院长卢策吾在接受澎湃新闻等媒体采访时指出，大众要感觉机器人“有用”，就是要有一批技能相对成熟，能够解决实际场景的问题。

卢策吾也透露：“可能大家今天能看到的主要还是抓取类的，但其实像食材处理，比如串关东煮、做冰淇淋这类技能，其实技术上是可以实现，能够马上进入生活的”。

银河通用的人形机器人展示“漂移”搬箱。

硬件已经基本达到人的水平

优必选在此次大会把工厂流水线给搬了过来，展示了多台、多类机器人，从物料入库搬运到智能分拣的全流程协同作业，以及工业人形机器人集群的复杂动态随机分拣。

在人满为患的展台的二楼，优必选首席品牌官谭旻向澎湃新闻记者阐述了对于公司工业人形机器人的发展规划：两年后能达到人类80%的工作效率，加之自主换电能够实现24小时工作，带来更大的生产力提升，“明年再来肯定不同”。

优必选在此次WRC展示的机器人群体智能技术。

目前，优必选已与多家车企、富士康、顺丰等企业合作，在汽车制造、精密制造、智慧物流三大场景完成了工业人形机器人的部署。谭旻透露，优必选今年还将在汽车制造领域交付500台工业人形机器人，并将在教育科研领域交付超300台天工行者人形机器人，今年将努力完成1000台左右的交付，“随着机器人能力的逐步实现，会有更多的订单”。

对于人形机器人的“工作”能力，星动纪元创始人陈建宇更为乐观。陈建宇在接受澎湃新闻等媒体采访时表示，人形机器人已在部分的真实工业场景达到了大约人类70%的效率，2026年或将能达到90%，“实际上硬件已经能基本完全达到人的水平了，现在处在软件和硬件的打磨阶段。假以时日，我相信是能达到人类的水平，甚至有可能超人类的水平”。

长远来看，谭旻认为，未来进入家庭的服务机器人，一定是“All in One”的，是个既能补习又会下厨，还能按摩打扫的通用机器人。

宇树科技创始人、CEO王兴兴有更清晰的蓝图，他表示，“如果哪一天我们带一个人形机器人到会场，而且它没有见过这个会场。我随便和它说一句话帮忙把这瓶水带给某个观众，它可以比较顺畅地自己走过去，流畅地把这个事情干了，就达到了机器人的ChatGPT时刻”。

他表示，这一时刻未来1-2年或2-3年很有可能实现，慢的话估计3-5年能实现。

星动纪元的人形机器人进行抗干扰分拣。

瓶颈：软硬件皆困于泛化

“泛化能力不足”是规模化应用的核心瓶颈。

王兴兴指出，目前机器人最大的问题在于模型的泛化还不够，硬件其实完全够用。在大语言模型领域，有足够多的数据，尤其有足够多好的数据时，就能把模型训练得越来越好，但在具身智能和机器人领域，反而会发现，哪怕采集了大量的数据，把机器人的数据训练出来并部署到实物机器上，发现二者并没有办法很好的对齐。

陈建宇也指出，泛化能力更重要是在“大脑”上，但运动控制也需要更好的泛化，运动控制是保证所有的动作都能精准柔顺达到的底层支撑。相对而言，“大脑”的泛化难度会更高一些。

谭旻也指出，在机器本体没有收拢标准化的前提下，仿真数据训练也无法真正复用和泛化。

智平方创始人兼CEO郭彦东同样认为，过去买一个机器人可能需要几百万元，现在只需要一万元就可以得到一个最基本的人形机器人型号，硬件成本变得越来越低。“我们需要又可靠同时又便宜的硬件，可以让这些硬件放在真实世界里，越快部署越好，同时，硬件必须要有一致性，比如生产100万台机器人，逻辑就完全不一样了”。

国家地方共建人形机器人创新中心首席科学家江磊一言道出，目前人形机器人的现状是“大脑模型不够大，小脑模型不够小”，存在感知局限、决策断层、泛化瓶颈三大问题，“如果一个具身智能没有思考跟进化能力，它还是具身智能吗？”

宇树科技的格斗人形机器人在现场与观众互动。

如何破局？

针对上述难题，行业正积极探索突破路径。

王兴兴分享了几条可能路径，他认为，VLA模型加上RL（强化学习）训练是其中之一，但目前尝试下来还是不够，模型架构还是得升级优化；或是让视频生成模型先生成一个机器人动作的视频，再控制机器人去做，“这条路线可能比VLA模型更快收敛，概率更大”。

他认为，未来2-5年，最大的方向会集中在端到端具身智能模型、更低成本更高寿命的硬件以及更低成本更大规模的算力三方面。

陈建宇也同样认为，强化学习是一条可行路径。同时，他对记者表示，不同的机器人，自由度、模型的输出维度、传感的类型可能都不一样，在预训练中尽量去使用与具体本体无关的数据，比如说人的通用数据，再到真机上进行调整，在形态相对比较接近的本体上可以达到较好的迁移水平。

陈建宇还表示，星动纪元此前曾完成的全球首个世界模型和生成式模型的融合，接下来可能将会成为业内的新共识。

卢策吾更为通俗地向记者进行了解释，所谓泛化性，就是消除不确定性，“每消掉一个不确定性，它发展能力就会提高，整个‘大脑’就能像解方程一样，把变量定住”。现在的VLA不确定性还特别大，有点像“大海捞针”，我们要一步一步加上各种技术，使到它变成“瓮中捉鳖”，“我们现在抓一个东西，范围很大，我们不停地加上限制的话，它的捕捉空间就会缩小，缩小到最后就能把东西抓住。其实都是逐渐去收窄VLA的不确定性，改到最后大家是不是叫VLA也不重要了”。