千亿资本买不走的物理现实——当机器人成为顶流，三道工程难题仍在等待回答

发布时间：2026-02-22 21:33

遵守职业道德：诚实回答问题，不泄露个人信息 #生活知识# #生活指南# #职场建议# #求职面试流程#

关注

资料图。本文来源：北京商报、中国国创会

旻宏

新经济学家智库特约研究员

2026年农历新年，四家中国机器人公司将人形机器人推上央视春晚舞台，引发关注。不禁让我们憧憬下一步：那些在镜头前流畅舞动、谈吐自如的机器人，买回家能做什么？这个问题答案便触及了整个产业最深的隐忧。从预设脚本到真实世界自主操作，从实验室演示到工厂级可靠性，人形机器人正被一道麦肯锡所称的“鸿沟”困住。而限制它们突破的根本，不仅是算力、资本，还是物理现实本身，以及让机器理解物理现实的那套尚未成熟的智识体系。

一、这扇窗

对于一个新兴产业而言，没有比这儿更好的发布台。单次曝光可达数亿至十亿级别的受众，一场演出胜过千场展会。2026年农历新年，宇树科技、魔法原子、银河通用、松延动力四家中国机器人公司同时读懂了这一逻辑。

2月16日晚，魔法原子携6台MagicBot Z1和两台MagicBot Gen1人形机器人与易烊千玺等艺人同台演绎《智造未来》；宇树科技携G1与H2两款人形机器人，在节目《武BOT》中带来人形机器人集群武术表演；银河通用在贺岁微电影《我最难忘的今宵》中亮相；松延动力四款人形机器人现身首个小品节目《奶奶的最爱》。大洋彼岸的NBC新闻在报道中指出，“中国已将机器人和AI置于其下一代AI+制造战略的核心。”

市场的反应几乎是即时的。据新京报报道，开播两小时内，京东平台机器人订单量环比增长150%，搜索量增长300%，商品询问量增长460%。南华早报报道，宇树科技CEO王兴兴宣布2026年出货目标为1万至2万台，而该公司2025年实际出货超5500台、量产下线超6500台，虽然这与根据 Omdia 1月8日发布的宇树2025年出货4200台有所不同，但毋庸置疑已站在中国乃至全球头部位置。

二、人形机器人的三个层级

摩根士丹利资产管理旗下Counterpoint Global团队于2026年1月发布的研究报告《具身AI与人形机器人的崛起》（Embodied AI and the Rise of Humanoid Robots），提供了理解这一问题的清晰框架——报告将人形机器人的AI能力划分为三个层级：

第一级是任务专项执行：在预定义条件下完成固定动作，自适应能力极低。报告明确指出，这是当下商业化人形机器人的主导状态。

第二级是任务泛化：利用感知输入和习得经验，将技能迁移至相近但不同的场景，是当前学术研究的前沿。

第三级是泛化智能：通过观察和演示自主学习全新任务，报告将其定义为需要数据、推理和物理控制领域重大突破才能实现的远期目标。

在这种高确定性舞台约束下，四家公司的机器人绝大多数呈现更接近第一级，少数环节可能叠加了有限的实时交互。36氪的调查披露，关键台词、互动流程等核心环节大概率经过了预先编排；松延动力CMO张淼在回答媒体采访时表示，团队甚至按1:1比例复刻了央视一号厅的所有舞台道具，在公司内部反复彩排才换来场上的流畅。

这种谨慎有其结构性根源。该报告在三级能力划分背后，对应着机器人的两层智识架构，研究把人形机器人的“内部智识架构”拆成两层：

第一层是低级运动控制（“蜥蜴脑”），负责平衡、步态、反射与实时协调，最高可在数百赫兹频率下处理；随着仿真迁移与强化学习的进步，这一层的稳定性与全身控制能力已显著提升。舞台上的武术编排与多机协同，更像是对这一层工程能力的集中展示——在强约束、可复现的环境里，把动作库与控制闭环做到“稳”。

第二层是高级认知推理（“cerebrum”），负责感知、规划与决策；视觉语言模型让机器人能够理解场景、遵循指令并将任务组织为多步骤流程，但报告强调这也是当前系统最大的瓶颈：模型在训练场景之外的泛化能力有限，遇到陌生环境时性能会明显下滑，专项技能与广泛适应性之间的差距仍是核心挑战。

也因此，把舞台上的“像人一样能打能跳”，直接等同为“走进现实就能像大家想象那样替人类干活”，往往会高估现阶段的可靠性与经济性。麦肯锡指出，令人印象深刻的原型机在真实世界中仍远未达到一致、可靠且经济合理的性能；而在工业或家庭场景里，往往需要 99.X% 以上的稳定运行，长尾问题会迅速放大落地难度。

一台能在受控舞台上表演武术的机器人，与一台能在陌生厨房完成一顿早餐的机器人，在算法复杂度上不可同日而语。舞台展示的，恰恰是前者。

三、物理世界的三道关

从一级到二级、再到三级，不是线性升级，而是跨越三道相互牵制的技术断层，共同构成人形机器人产业最深的结构性挑战。

第一道关：数据

真正的瓶颈不仅是“数据量”，而是“数据量×数据形态×数据成本”三位一体。Counterpoint Global的研究指出，具身智能的底层约束在于对大规模、高质量、以人为中心数据的强依赖；而当前主流采集方式（遥操作、动作捕捉）既慢又贵，难以把数据规模推到支撑泛化所需的量级。因此，越来越多开发者倾向于认为：只有在真实世界中实现一定规模的部署与循环回灌，才能持续生成足够多样的数据分布，为更可靠的泛化打基础，这与自动驾驶依赖车队规模形成“数据—能力”飞轮的逻辑相似。

21世纪经济报道援引业内受访者判断称，行业当前可用的具身交互数据仍在百万量级，而面向更强泛化所需的数据规模可能要提升到千万乃至亿级。这也构成了典型的“先有鸡还是先有蛋”困境：机器人要在真实环境中大规模运行才能积累高价值数据，但没有足够数据，系统又难以在真实环境中长期保持一致、可靠的表现。

对此，《科学美国人》在2025年12月的深度报道一针见血地指出：支撑ChatGPT等产品的大语言模型并不是具身智能的“捷径”，因为它们缺少从真实交互中获得的具身知识。

第二道关：仿真到真实的域差

数据匮乏催生了一个看似完美的解决方案：在虚拟环境中批量训练，再将模型迁移到真实硬件。但这条路上挡着机器人学最棘手的工程难题：Sim-to-Real差距。

德勤在Tech Trends 2026的相关分析中援引俄亥俄州立大学工学院院长、著名机器人学家阿亚纳·霍华德（Ayanna Howard）。她的描述直指要害：虚拟环境中的视觉图像相当逼真，但现实世界有着不同的细节。一个机器人也许在仿真中学会了抓取某样东西，但当它进入物理空间，并不是1:1的对应关系。她进一步指出，机器人在仿真到物理环境的迁移过程中确实会适应，但它们是围绕任务来学习，而不是整体性地与环境互动，也就是说，学会在不同摩擦系数表面抓球，与学会在人流拥挤的商场中安全行动，是截然不同的两件事。

更根本性的物理约束来自硬件本身。德勤报告还采访了敏捷机器人（Agility Robotics）联合创始人乔纳森·赫斯特（Jonathan Hurst）：他指出，传统机器人是位置控制设备，擅长数控加工或点焊这类精确、可重复的任务，但它们不擅长非结构化空间中的组装、操控或运动。IEEE高级成员帕萨·普拉提姆·雷（Partha Pratim Ray）在2026年1月的学术研究中得出了同样的结论：人形机器人受限制的程度，与其说是人工智能，不如说是物理现实的具身性本身。

第三道关：安全验证

即便解决了数据和仿真问题，还有一道更难绕过的关：安全。IEEE的研究指出，由于人形机器人被设计为在人类附近工作，任何失败的代价都更高。而习得行为很难被正式验证，这使得受监管环境中的认证进程和大规模部署的推进都异常缓慢。

德勤的报告指出了同样的问题：即便经过了大量安全测试，AI驱动的机器人仍可能表现出不可预测的行为。在公共空间，风险显著上升，因为自主系统必须应对不可预测的人类行为。霍华德更给出了一个令人警醒的判断：“我从根本上相信，在某处始终应该有一个人在回路中（human in the loop）——永远。即便是我这个机器人学家也这么说。”

而机器人学领域最具标志性的怀疑论声音，来自MIT计算机科学与人工智能实验室前主任、iRobot联合创始人罗德尼·布鲁克斯（Rodney Brooks）。他在博客与公开文章中直接把“用人类视频教机器人灵巧操作”这一当前主流路径称为“纯粹的幻想思维”（pure fantasy thinking）。他的物理论据尤其冷静。全尺寸行走人形机器人需要消耗大量能量维持直立，一旦跌倒，这些能量会转化为伤害。物理定律决定了：把一台机器人的线性尺寸扩大为两倍，其质量将增加为八倍，跌倒时释放的有害能量同样如此。这不是软件能修复的问题。

布鲁克斯预测，未来15年内，聚集在现在形态下人形机器人的大量资本将消失，今天的人形机器人将被基本遗忘，而最终成功的“人形机器人”将是装着轮子、多臂、专用传感器的机器，而不是眼下这副双足直立的样子。布鲁克斯自称是“现实主义者而非悲观主义者”——他不反对机器人，只是认为胜出的形态不是现在这样。

这三道关的逻辑链条因此形成：真实数据太少，于是诉诸虚拟仿真；虚拟仿真与现实存在域差，于是需要更好的世界模型和物理引擎来理解物理规律；而就算模型的预测更准确，让机器在人类附近安全操作的验证体系，仍是一个几乎尚未破题的问题。这是一个尚未闭合的循环。

四、资本热情与商业现实

在技术突破时间线高度不确定的背景下，资本市场展现出了与之并不相称的乐观。路透社与市调机构Omdia的数据显示，2025年全球约出货1.3万台人形机器人，中国约占其中90%。摩根士丹利预测，2026年中国市场人形机器人销量将翻倍至2.8万台，部分原因是零部件成本预计同比下降约16%。36氪援引IT桔子数据显示，2025年中国具身智能领域完成329笔融资，总额398.9亿元人民币，同比增长超过三倍。

资本热情并非全无根基。摩根士丹利的报告提供了清晰的宏观经济逻辑：G7国家自2010年以来，每位失业者对应的职位空缺数量增加了约四倍；制造、物流、检修等依赖体力重复性劳动的行业尤其突出。人形机器人的关键优势在于它无需改造现有基础设施——这些设施本就是为人类身体比例而设计的。高盛的研究显示，人形机器人的制造成本在2023年至2024年间已经下降了40%。美国银行研究院预计，人形机器人的硬件成本将从2025年的约3.5万美元，降至未来十年的1.3万至1.7万美元。

这种成本下行趋势，正在催生真实的早期部署。德勤报告记录了若干标志性案例：宝马正在南卡罗来纳州工厂测试人形机器人，用于传统工业机器人缺乏的精密操控和双手协调任务；亚马逊已部署其第一百万台机器人，其DeepFleet AI模型协调整个配送网络中这支庞大的机器人队伍。

然而，通向大规模商业化的路仍旧具体而昂贵。麦肯锡提出一个便于讨论的“四座桥”框架，用来描述从试点到规模化必须跨越的关键门槛，并且明确指出约束必须按顺序解决。

第一座是安全系统：无围栏操作的安全合规是前提，没有监管合规，机器人就无法离开受控区域；国际标准化组织正在制定专门针对人形机器人的ISO 25785-1标准。

第二座是持续运行时间：大多数机器人当前仅能充电运行2至4小时，远低于工厂班次要求的8至12小时；这是ROI的核心驱动因素。

第三座是灵巧性与移动性：人类手部拥有约20至27个自由度，而当前大多数机器人手的有效自由度远不及此，严重制约了非结构化场景下的实用性。

第四座也是最终的桥——激进的成本削减：当前商业原型机造价通常在15万至50万美元之间，主流行业部署需将售价降至2万至5万美元，而驱动系统占总成本的40%至60%，是最大的攻关方向。麦肯锡的分析发现其经销商报价与制造成本之间存在十倍差距，是成本压缩空间最大的单一方向。

与此同时，UBS的长期预测提供了一个坐标系，德勤在2026年Tech Trends报告中直接引用了这组数字：到2035年职场中将有200万台人形机器人，到2050年这一数字将增至3亿台，对应市场规模从2035年的300亿至500亿美元，增长至2050年的1.4万亿至1.7万亿美元。摩根士丹利则更为审慎，直接表态：有意义的批量出货增长，预计要到本十年代末才会到来。Robotics Tomorrow援引多位投资人的判断，认为当前估值热潮与2000年代初互联网泡沫存在结构性上有相似之处，行业洗牌不可避免。

五、2029年的那道门

摩根士丹利报告在结论部分选择了自动驾驶作为类比，这个选择意味深长。Waymo 的 robotaxi 到 2025 年底累计出行已超 2000 万次，德勤将其视为物理AI领域迄今最成熟的商业化案例，但它服务的地理范围依然有限，依赖高精度地图和严苛运营环境。人形机器人面对的物理世界，远比城市道路更加多变。

德勤把时间说得最直白：面向消费端的“人形管家”至少还需要十年。这不是对产业前景的否定，而是对时间尺度的诚实标定。真正的考验是一台机器人能否在一位独居老人从未打扫过的公寓里安全工作——这一类场景，要求的正是摩根士丹利报告中所定义的第二级乃至第三级能力。

IEEE的研究说得更根本：人形机器人的进步将取决于物理模拟器、更高效的硬件和学习与控制之间更紧密的集成，而不是更大或更强大的学习模型。这是布鲁克斯以及摩根士丹利、德勤、麦肯锡等跨越立场分歧而共同指向的地方——瓶颈不在云端，而在地面。

现在是2026年初，距离摩根士丹利所说的“本十年代末”，还有大约四年。报告也明确写道：早期部署最可能先在可控工业场景发生，并作为数据生成引擎加速学习循环。与此同时，宇树提出2026年1万至2万台的出货目标，特斯拉Optimus Gen 3也被报道将于2026年初亮相，并在2026年底前推进产线准备。“从工厂和仓库起步、积累数据、再向复杂场景扩展”的路径，可能会以我们尚未完全看清的方式推进。

晚会每年如约而至，舞台灯光每年都会更加绚烂。但决定这个产业真实高度的，是三道关什么时候能真正打通。在那之前，最聪明的投资者和工程师，可能都应该把更多时间花在零件目录和安全认证文件上。

免责声明：本内容来自腾讯平台创作者，不代表腾讯新闻或腾讯网的观点和立场。