——編 者
加快布局——
發力人形機器人，挖掘產業智能化潛力
當前，形態各異的機器人已走進生產和生活，最受關注也最為火爆的當數人形機器人。
優必選副總裁兼研究院院長焦繼超表示，具身智能的“身體”形態是兩足還是四足、輪式還是履帶、抓夾還是手指等，主要取決于應用場景的需求，“人形機器人模仿人類的外觀和部分功能，可以更好地融入人類社會和工作環境。但挑戰在于技術復雜、成本較高。”
工業和信息化部印發的《人形機器人創新發展指導意見》提出，人形機器人集成人工智能、高端制造、新材料等先進技術，有望成為繼計算機、智能手機、新能源汽車后的顛覆性產品。
人形機器人成為顛覆性產品，意味著要實現技術突破、工程化成熟和商業化落地，需要一個艱難而漫長的過程。“人形機器人行業還處于早期階段，想要在家庭或工廠大規模應用，目前的技術水平還不夠。”宇樹科技創始人王興興說。
相較于尚且遙遠的成熟人形機器人，距離我們更近的具身智能應用在哪里？
“市場更廣闊、落地速度更快，同時也更有價值的，是產業智能化。”北極光創投合伙人黃河認為，讓各種形態的工具載體實現智能化升級，將會是具身智能更重要、更現實的發展方向，尤其是在工業領域潛力很大。
看到具身智能產業的巨大機遇，互聯網企業、科技公司、汽車主機廠和汽車零部件企業等紛紛布局。
“像新能源汽車領域一樣，具身智能傳統派和新勢力也各有優勢。具身智能的本體制造與新能源汽車有70％—80％的供應鏈可以共用，而智能駕駛技術與具身智能高度同源，因此新能源車企布局具身智能相對有一定優勢。不過，產業發展速度很快，中長期的關鍵比拼可能還在‘大腦’。”鼎暉機器人相關專家介紹。
政策支持——
多地密集出臺措施，探索差異化發展路徑
今年，以人形機器人為典型業態的具身智能成為我國培育未來產業的重要方向。北京、上海、廣東深圳、浙江杭州等多地密集出臺專項政策，形成了一場面向未來的產業競逐。
作為全國較早將“具身智能”寫入地方政府工作報告的省份，廣東在今年2月明確提出，要加快啟動布局人形機器人等重點領域研發項目。
“廣東的優勢不僅是政策先行，更在于幾十年積累的完整產業鏈。”廣東省機器人協會執行會長任玉桐介紹，廣東已形成覆蓋減速機、伺服電機、控制器、傳感器等關鍵環節的產業生態，人形機器人供應鏈占全國較大的份額。
除了政策支持，北京、上海、深圳等10余個地方政府已建立或籌備建立相關產業基金。“具備研發基礎和產業鏈優勢的地區更容易快速落地具體措施，關鍵還是要基于不同的資源稟賦和產業基礎，各自選擇差異化的發展路徑。”一名業內專家表示。
據介紹，我國具身智能產業正呈現出鮮明的地域分工與集群發展特征，尤其是京津冀、長三角和珠三角三個區域實力最為雄厚。北京強在科研與人才，上海勝在應用與生態，深圳優在制造與供應鏈，杭州長在算法與交互技術。在四城加速領跑的同時，重慶、安徽合肥、江蘇蘇州等城市也在積極布局具身智能產業，憑借差異化定位和產業配套實現快速發展。
業內普遍認為人形機器人有望形成比新能源汽車更為龐大的產業規模。這也促使各地政府積極行動，力爭在這一產業中占據先機。
相關專家認為，人形機器人能形成更大市場是因為未來機器人的數量不僅會遠遠超過車的數量，而且機器人還是既賣硬件又賣服務的雙重商業模式，服務市場甚至比硬件市場更大。
數據顯示，今年前8月，我國機器人領域一級市場融資額達386.24億元，是2024年全年的1.8倍。投資機器人的公募基金同樣火熱。
“雖然當前人形機器人尚在概念驗證階段，但科研研究、科技成果孵化、早期企業扶持非常重要，要投早投小。”深創投相關負責人表示。
應對挑戰——
通用能力待突破，高質量訓練數據不足
具身智能的發展主要依賴于本體、智能體、數據和學習進化框架四大要素，每個環節都涉及漫長復雜的產業鏈，這意味著產業既充滿機遇也面臨著挑戰。
黃河認為，在具身智能產業鏈上，如果只是做出一個外形像人、能做基礎動作、用于展示和接待的人形機器人難度并不高，真正的考驗在“腦子”。
如果說具身智能的硬件本體技術發展路線相對較為清晰，那“腦子”就沒那么容易了。在黃河看來，具身智能發展面臨的難題是泛化。“就像人工智能的目標是通用人工智能，具身智能的目標也是要能通用、可泛化。”他說。
簡單來講，具身智能中的泛化是指智能體（如機器人）可以將其在一種或有限場景中學習到的能力和知識，遷移并應用到新的、未見過的對象、任務、環境或自身形態上的能力。比如，訓練具身智能機器人學會抓取物體，它既要會抓盒子、杯子，也要會抓蘋果、雞蛋。
“目前解決不了的難題，在未來某個時刻或許就突然迎刃而解了。只要人工智能技術保持進步，機器人行業就會發展得越來越好。今年人形機器人火爆，從長遠來看，沒準這只是一個小火苗，就像當初互聯網的誕生一樣。”王興興說。
具身智能還面臨著訓練數據不足的難題，在“吃不飽又沒老師”的情況下，會導致具身智能的能力發展緩慢。
業內專家表示，高質量數據是全世界具身智能企業都難以逾越的障礙。今天的大語言模型就是依靠已有大量互聯網數據的訓練，才出現了智能涌現。如果具身智能也是類似的邏輯，就需要非常大的數據量。
“行業目前缺乏高質量的具身交互數據，在復雜、多變、非結構化的真實場景中，如何讓機器人做到精準理解和決策是一大難題。”焦繼超說，“具身智能需要高維、連續、動態的場景數據，而真機采集成本極高，仿真數據又難以完全彌合‘虛擬與現實’的差距。”
此外，業內專家認為，要警惕以快速融資為目的的“拼湊型”創業項目，這些項目缺乏扎實的技術創新和產品落地。“中國人形機器人公司在全球已經處于領先水平。”黃河認為，無論是政策端、資本端還是產業端，都要尊重技術發展規律，不能揠苗助長。（中國經濟周刊記者 孫 冰 孫庭陽 張 燕）
