機器人馬拉松等賽事接連舉辦，多個企業加速人形機器人布局，相關產品不斷拓展試用場景……當前，一場由人形機器人崛起引發的全球變革正在火熱上演。

記者調研了解到，目前全球人形機器人產業均處于早期發展階段，中國在規模制造、供應鏈能力、應用場景等方面具備一定優勢，未來還需要突破關鍵技術、數據采集、軟件生態等多方面的瓶頸，進一步推動產業加速落地。

多方涌入 場景加速拓新

“現在是資本狂熱期，大家都在往這個方向涌。”密集調研了數家龍頭企業的國投招商投資管理有限公司董事總經理曹正這樣形容人形機器人賽道的現狀。

造一臺像人一樣的機器，是人類由來已久的憧憬。今年以來，從宇樹科技機器人在蛇年春晚上扭秧歌，到社交媒體上人形機器人展示前空翻、后空翻、騎自行車等絕技的爆款視頻，再到全球首個人形機器人半程馬拉松賽上的“人機共跑”，中國人形機器人正加快迭代進化，熱度不斷攀升。

目前，從地方到企業都在加快布局具身智能和人形機器人賽道。北京、上海、深圳、重慶等地方政府紛紛出臺相關規劃或者建立和籌備建立產業基金。

天眼查專業版最新數據顯示，截至2025年5月，我國現存“機器人”相關企業近90萬家。其中，2025年1-5月，新增相關企業10萬家。與2024年同期相比增長44%。

在投資界，人形機器人產業鏈企業也頗受青睞。根據IT桔子最新數據，2025年以來全球人形機器人相關投資金額已經達到186.51億元，已超過2024年全年的129.52億元。2025年以來國內人形機器人相關投資金額達到61.06億元，同樣超過2024年全年的58.93億元。

“國投系基金是國投集團發揮國有資本投資公司功能使命的重要方式，管理國家級基金規模2300多億元，為中央財政放大倍數近6倍。”曹正介紹說，國投招商是國投系基金中的重要一員，長期深耕機器人行業，圍繞核心零部件進行了系統性布局，投資支持了減速器、編碼器、行星滾柱絲杠、人工智能芯片等關鍵共性產品，突破“卡脖子”環節，推動實現上游產業鏈自主可控和人形機器人的降本增效。

多方加持之下，人形機器人加速商業化落地，工業場景被視為“第一站”。

廣東拓斯達科技股份有限公司（以下簡稱拓斯達）以運動控制作為切入口，推出“感-算-控”一體化的新一代智能機器人控制平臺并實現工業場景的應用。

繼今年2月底發布智能機器人通用技術底座及人形機器人新品YobotW1后，不久前埃夫特智能裝備股份有限公司（以下簡稱埃夫特）與華為云簽署合作備忘錄，將在具身智能領域展開深度合作，共同探索具身智能新生態。

埃夫特董事長兼總經理游瑋表示，工業場景相對結構化，適合驗證機器人的基礎能力。“特別是隨著市場需求的變化，大規模產品的定制化需求也愈發強烈，而傳統工業機器人往往難以適應更廣泛的柔性生產需求。在大模型加持下的人形機器人有望完成更加復雜、更加多變的工廠生產任務。”

中國信通院發布的《人形機器人產業發展研究報告（2024）》預計，2040年到2045年，我國全能型人形機器人實現工業場景和服務場景規模應用，整機市場規模達到約5千億元至1萬億元。

規模化應用面臨三大瓶頸

受訪業內人士認為，盡管人形機器人應用前景廣闊，但目前在工業領域還處于小規模試驗階段，真正走進家庭為時尚早，推進規模化應用面臨的瓶頸比較突出。

首先，技術路線尚未收斂，核心零部件亟待提升。

曹正介紹說，我國人形機器人產業硬件上的技術路線尚未開始收斂，現有產品形態各異，導致成本較高。同時，硬件形態和傳感方案差異大也限制了人形機器人大腦的數據采集和訓練。

人形機器人產業鏈高度復雜，還有不少核心技術也亟待提升。以傳感器特別是觸覺傳感器為例，“目前的人形機器人主要依靠視覺和聽覺方案來實現與現實世界的互動，但觸覺作為物理接觸的重要感官，也是人形機器人真正實現大規模應用的關鍵。現有方案難以復現人類手部精細操作的感知能力，六維力傳感器的高成本也阻礙規模化應用，靈巧手的靈活性與耐用性仍需進一步提升。”上海交通大學人工智能研究院助理教授穆堯說。

地瓜機器人銷售副總裁江舟坦言，當前人形機器人的行動能力仍然有待提升，背后是控制算法、材料工藝與量產成本的博弈。“中國產業鏈的成本優勢無可替代，但需要全行業協同優化，而非依賴單一企業。”

其次，高質量訓練數據不足，采集成本居高不下。

“目前，人形機器人更多展現的是運動控制能力，這只能解決其能動的問題，不能解決幫助人干活的問題。”游瑋介紹說，人形機器人落地應用的關鍵在于自主智能，這需要海量的高質量數據進行訓練學習。與自動駕駛通過日常行駛自然積累數據不同，人形機器人需依賴人工操作或仿真環境采集數據。家庭場景中，用戶往往難以接受“邊用邊學”的模式，而工業場景中數據采集依賴較高精度的設備，成本居高不下。

曹正說，利用虛擬仿真場景收集數據成本較低，但僅可用于人形機器人預訓練場景。要進一步落地應用，必須要在更多實際應用的真實場景中來進行后訓練，還需要熟練的操作者來獲得高質量數據，這大大拉高了數據采集的成本。

此外，受訪人士指出，我國擁有全球最完整的制造業體系，在工業場景數據積累方面占據優勢，但底層生態薄弱，算法生態開發有待加強。

分階段推動自主生態建設

多位業內專家指出，中國需加速彌補底層技術短板，發揮場景與產業鏈優勢，分階段推進自主生態建設。

一是聯合推進關鍵共性技術研發。“面對國內人形機器人產業尚未形成完整協同創新體系的問題，需要通過建立跨部門、跨行業的合作機制，推進關鍵共性技術研發，并把成果面向行業開源，從而打通行業關鍵技術環節。”北京人形機器人創新中心品牌公關負責人魏嘉星說。

游瑋也建議，整合行業力量夯實智能機器人技術底座和共性技術平臺，盡快形成自主的生態。所謂通用機器人的通用性，可以通過一個個“專用”的技能包疊加而成。

在江舟看來，如何將深度學習算法壓縮至僅靠電池供電的機器人端側，并實現接近人腦的能效比，也是技術攻堅的關鍵。

二是挖掘場景優勢加速積累數據。拓斯達總工程師張曉輝認為，技術成熟度與價格下探是產業爆發的關鍵。商業化需以場景驅動，通過應用端的數據反饋加速技術迭代。

針對數據不足問題，建議從兩方面著手：一方面，通過多方合作搭建實景訓練場景來改善。穆堯認為，如果單一企業或者高校難以承擔大規模實訓場景的搭建成本，可以考慮由政府牽頭，組織多個高校和企業聯合建設多場景大規模的集中實訓平臺，進而攤薄成本，提高效率。

另一方面，可盡快發掘中國應用場景上的優勢，在應用端形成數據的積累。游瑋提出“封閉作業域”開發策略，即通過細分場景（如炒菜、焊接等）降低數據采集復雜度。

曹正表示，后續人形機器人的發展重點是提升“大小腦”的智能化水平，依賴于先進的模型算法與實際制造業場景海量數據的結合。國投招商一方面密切關注行業在模型算法、數據的采集和生成等方面的技術進步，另一方面充分發揮自身在制造業領域的產業生態，推動機器人企業與下游制造業客戶充分合作，以實際場景需求為牽引推動技術創新，加速我國人形機器人產業化落地進程。

三是參考“首臺套”政策加大支持。曹正、游瑋等建議，可以參考“首臺套”政策，對早期應用場景提供補貼，從而降低企業試錯成本，加速技術迭代與場景驗證。同時，政府在加大資金支持的同時，牽頭制定安全標準等規范，深度牽引人形機器人進入公共養老服務機構等應用場景。