半马的终点，人形机器人的起点

内容来源：2025年3月16日， 交大安泰EMBA “科技引领·传承创新”毕业论坛。

分享嘉宾：闫维新 ，上海交通大学博士生导师，上海人工智能研究院首席科学家。

高级笔记达人|李云

责编| 柒排版| 沐言

第 8916篇深度好文：8916| 25分钟阅读

宏观趋势

笔记君说：

4月19日，在2025北京亦庄半程马拉松特别设置的“人形机器人赛道”上，20支顶尖机器人队伍及1.2万名参赛跑者展开史诗级同场竞技。

在长达21公里的赛道上，路程距离考量了其续航能力；高温环境、长时间工作对关节部位的散热带来了挑战；路面平稳性和环境的复杂程度考验了机器人的本体稳定性和环境交互感知力。

最终，“天工Ultra”以2小时40分完成21.1公里赛程，成为全球首个完赛半马的全尺寸人形机器人，刷新世界纪录。

虽然各支队伍表现各异，但也仅仅体现当前的研究水平和工艺能力。这是人形机器人的一小步，也是具身智能技术的一大步。

人形机器人（通用）将有望成为下一个万亿赛道。那么，在这个赛道上，有哪些技术细节和应用场景值得关注？有哪些挑战必须面对？又有哪些机遇即将来临呢？

今天这篇文章，从人工智能科学家的角度为你解答上面的问题。

大家好，我是上海人工智能研究院首席科学家闫维新。

在上海交大徐汇校区来参加这次论坛，不由得升起些许感慨：当年我在这里读博的时候，一直想选择航空航天的项目，而博导却让我做烹饪机器人（按博导调侃的话，不当“厨子”就对不起我的长相）。

所以，这里算是我从梦想走向现实的开端。

就在校园后面的玻璃房里，诞生了我国第一款烹饪机器人。彼时，我还是个学生，被派到深圳，老板直接任命我为副总设计师，管理着100多人。虽然我对KPI、绩效这些管理概念一窍不通。

2006年，我们这100多人齐心协力做出了烹饪机器人。到了2010年上海世博会，展会上的烹饪机器人也是由我们负责主导完成的 。

在研发烹饪机器人期间，我有幸结识了联想投资部门。与他们见面交流时，提到想涉足一些高科技领域的项目。正好我结识了几位从麻省理工学院（MIT）回国的人才。随后，我们决定开展与微流控相关的项目。

在联想的资金支持下，当时身为学生的我参与并主导了这个项目。我们成功孵化出了我国第一台微流控生化分析仪，首次将微流控芯片与生化检测技术融合实现。

现在很多宠物医院里用于生化检测的微流控生化分析设备，很大一部分技术基础就源自当时的技术成果。

2013年到2015年间，我回到上海交通大学任教。任教期间，我参与创办了节卡机器人公司。

2017至2018年，我进入碧桂园集团做顾问，担任千玺集团副总裁一职，参与打造了冬奥会机器人餐厅项目。

2023年开始了人形机器人的研发。

回顾起来，在机器人领域里已经探索了好些年头。有以下一些感触：

第一，在机器人高科技领域，市场衔接是否匹配至关重要，它决定了能否该在领域实现长期发展；

第二，时机把握也十分关键，过早或过晚进入市场都可能引发问题。

我长期投身于机器人领域，特别是人工智能与机器人紧密关联的工作，如具身智能和人形机器人，尤其是泛智能体方向，致力于打造人工智能与物理世界之间出色的连接载体。

冬奥会的机器人餐厅就是我参与打造的，在那儿，汉堡包20秒左右就能制作完成，堪称“机器厨子”。

那时，具身智能的概念尚未兴起，人工智能主要局限于常见的图像识别、位置识别，依靠传统轨迹运行。

在行为的鲁棒性( Robustness，指模型在面对噪声、异常只数据或不确定性时仍然能够维持其性能的能力 )和泛化性上有所欠缺，不过也确实解决了不少实际问题。

比如当时煎炸汉堡和薯条薯片时，采用的是传统轨迹方法，在操作过程中只能逐个进行设置调试，泛化性并不高。

现在的情况与以往截然不同了，尤其是春节过后这段时间，给我的冲击特别强烈。在人工智能与机器人领域，仿佛拍大片，隔几天就有几项新突破刺激着行业发展。

在这种热烈的氛围下，我们也不能把明天想象得过于美好，当然也不必对未来过于悲观。

一、人形机器人

到底有什么用？

1.人形机器人的战略意义

如今，人形机器人，特别是类智能体的发展，已经到了能够重塑产业基础的关键阶段，将对人工智能和未来产业带来变革型的引领和带动作用。

人工智能与机器人更是成为了第四次工业革命的创新引擎。仔细想想，我们能有这样的发展契机，很大程度上得益于工业协作机器人多年来所打下的坚实基础。

首先，我们在关键零部件的制造方面做得相当出色。

在国外知名机器人企业全球供应链中，最具量产规模的部分基本都集中在江浙沪地区。甚至在某些方面，我们的成本比他们还低一个数量级。

其次，人形机器人和人工智能相关技术已经得到了广泛应用，尤其是在制造业中被誉为“皇冠顶端明珠”的领域，对制造业整体的发展起到了极大的推动作用。

2.机器人的广泛应用场景

大家可能从电视上了解到现在机器人应用很广泛，但实际上还远远不够。目前，在搬运、喷涂、焊接、码垛等工作中确实有不少机器人在使用，但在劳动密集型的装配、排线、分拣等工作岗位，依然需要很多人力的投入。

不过这也意味着机器人和人工智能的载体有很大的发展空间，它们必将更深入地融入到我们的生活当中。

① 柔性制造

以汽车领域为例，在汽车的螺丝紧固、底盘安装，以及在PTC、SPS分拣、线束处置等方面，还存在着大量的劳动密集型工作。而且这种情况在3C制造业中也较为普遍。

② 特种作业替身

在特种作业中，以机器人代替人来进行人工操作，不仅避免了人身风险，其应用空间更为广泛。

湖南浏阳是中国烟花爆竹最集中的区域，其工作场景是一个个相互独立的小隔间，每个隔间里仅有一名工人作业。

这样设计的目的是一旦发生意外事故，影响范围基本只局限于一个人，通过物理隔离的方式尽可能降低风险。

在P2、P3生化实验室里，即便是进行喂养小老鼠这样看似简单的操作，也存在着交叉感染和污染的风险。

所有人员进入实验室前都需要经过缓冲区域进行相应处理，物品则通过传递窗进出。实际上，实验室里的很多工作并非极其复杂，机器人完全能够胜任。

在化工厂中，三酸制备过程中会产生气溶胶，其中含有的颗粒物质对人的呼吸道具有很强的感染性和危害性。

南方电网在一些工程中会用到盾构机，这些盾构机在地下二十多米的深度工作，有时候需要进行更换刀头的操作。

而南方的地质条件非常复杂，盾构机很容易出现失衡状况，一旦发生意外，工作人员极有可能被困在其中，面临生命危险。

这样的危险场景，迫切需要机器人来进行相关处置工作，以保障人员安全并确保工程顺利进行。

在安保方面，以往对高爆危险物品的处置，往往简单地将其放置到桶中，现在则期望实现远程遥控机器人对其更有效的处置。

另外，在举办大型展会或活动时，经常面临警力和安保人员严重不足的问题，实际也可以借助机器人来缓解安保压力。

目前，上海青浦已有机器人在街道上巡逻，但嫌犯看到机器人时会感到紧张。

这表明在很多特种行业领域中，机器人的应用存在着切实的刚性需求，其应用空间和潜力巨大。而且这种刚需对价格的敏感性并没有那么强烈。

相较之下，让机器人在特殊场景实现合理应用，显然更能发挥它的价值。

③ 教学科研场景

在学校和科研中，人形机器人也多应用于开展运动学、动力学与感知计算研究。

④ 交互服务

在高端物业和商业综合体中，结合人工智能体，人形机器人在引导、问询方面展示出一些应用场景。

⑤ 仓储物流

仓储物流领域，货物的分拣、移动、码垛也极具应用潜力。

⑥ 机器人管家

人形机器人在家庭中的应用也极具想象力，如替代厨师的餐饮机器人，护理病人、看护婴幼儿、宠物等。

当然，我的梦想是做厨子，真正做一个机器人餐厅。

3.人形机器人应用尚存的一些问题

首先，安全是第一要素。

在工信部的会议上，我提出了对人形机器人及类智能体机器人管理的建议：亟需完善相关法律法规，并建立强制认证体系。

这主要是基于安全考量，人形机器人的髋关节和膝关节动力强劲，最大扭矩可达300-400牛米，一旦失控，短短零点几秒就能对人造成严重伤害，还可能引发摔倒、电器故障等风险。

对此，建议借鉴医疗器械分类界定管理模式，根据机器人与人的交互程度，将其划分为无接触、弱接触、中接触和高接触四类，制定差异化的安全标准。

无接触型机器人故障仅影响其任务的完成，但弱接触及以上类型必须纳入动态风险管控。

例如，当机器人突发异常需要紧急停止时，需通过强制程序实现安全制动，避免摔倒砸伤人类；

同时，对传感器稳定性、电器安全、防伤害设计、跌倒自恢复等方面，均应制定严格要求，以确保机器人安全可靠地进入市场和家庭。

其次，在开放型场景中，目前机器人的智能化水平有限，处理复杂任务的能力并不足。

例如，从洗衣机中取出衣服这样看似简单的动作，对机器人来说都是难以完成的挑战。很多日常简单工作，实则远超当下机器人的能力范畴。

我曾深入研究各类烹饪工艺，包括煎、炸、炖、烩、烤、炒、煸等。如果使用专用设备处理这些烹饪流程，尚可实现；但对于通用性的机器人而言，却难以胜任其中任何一种。

就拿翻锅来说，这项工作通常由男性厨师完成，需要将锅中食材高高抛起再精准回落，以确保均匀受热和翻炒，操作难度极大。

我们曾通过在专业厨师身上加装传感器，规划翻锅轨迹，但即便如此，目前人形机器人仍无法实现自主翻锅操作。

4.机器人的发展历程

机器人经历了四代发展：

第一代 ，遥控设备的示教再现 第二代 ，工业机器人 第三代， 移动智能机器人 第四代，通用（具身智能）机器人

早期，示教再现是对轨迹的示教再现，而我们现在要求的是对力的示教再现。

大家可以尝试下：你看到你前面的一个东西，当你闭上眼睛时，你依旧可以很好地抓取，实际是对力的示教再现，而不是对轨迹示教再现。

我们建立物理世界的桥梁，既然是物理的桥梁，总得在物理触碰后才有感知、触觉，有了触觉后才可以做下面的事。

机器人的具身智能化，在于四点：

第一，触觉、力觉、多模态异构数据导入下的传感器足够丰富； 第二，具备垂类模型； 第三，算力更强了； 第四，针对任务工种使用垂类小模型，而不是基础大模型。

每个人都是垂类小模型，只能完成某类任务，如果要完成别的任务则需要去学习。所以，具身智能化并不是人形机器人的专属，工业协作机器人也能具身智能化。

比如几家公司同期开发安防产品业务，那些有硬件本体基础的公司更容易打通市场，这是因为：

第一，硬件本体的设计制造能力具备了；

第二，供应链市场成熟了。

在供应链市场较为成熟的基础上，服务会更加广泛，且人工智能算法的难度（门槛）并不是难以逾越。

为什么？当你具有本体基础能力之后，会有很多深入人工智能或者具身智能算法公司帮你一起把它（机器人）推向市场，它们来做经销商，帮你进行应用落地。

每个应用场景都进行落地，机器人公司做不到，也不可能做到。所以，一定有这样的公司服务帮你落地，而以前的服务环节是做集成，今后服务的环节是帮它做垂类模型。

这样，在提供机器人本体和基础算法之外，还有其它新工种的产生。

二、通用机器人

智能时代的新明星

在政策、资本和技术对维度赋能的背景下，预计到了2027、2028年后，第四代通用具备一定泛化性的机器人市场潜力将会加速释放，其规模将远超汽车的需求。

1.人形机器人发展现状

人形机器人的相关技术，国内起步比较晚，而国外比较早。

2000年10月31日，本田公司投入无数科技研究心血的结晶—全球最早具备人类双足行走能力的类人型机器人阿西莫( ASIMO，Advanced Step Innovative Mobility )诞生了，其以憨厚可爱的造型博得许多人的喜爱，众多的类人功能也不断地冲击着人们的想象。

但ASIMO（ 阿西莫 ）算是起了大早赶了晚集，2022年3月31日，ASIMO在进行了最后一场表演后正式退役。

究其原因：

① 成本太高，没有用产业化供应链的思维来干这件事；

② 没有找到应用落地的场景；

③ 人工智能技术与其的结合还没成熟，只能做简单模仿人的动作，只能做些科研。

特斯拉擎天柱（ Optimus ）目前以极快的发展进度领跑整个人形机器人赛道，其在人工智能数据、算法、算力等核心要素方面都处于国际领先水平。马斯克也预测特斯拉的长期价值来自于他的人形机器人公司擎天柱。

而国内方面，在机器人本体的制造方面具有非常大的优势，成本也会比国外少很多（ 甚至低一个数量级 ），在算力和生态方面有着很多局限，现在机器人的端边侧芯片都是英伟达在供应，而生态建设也有着不小难度。国产算力芯片从训练到部署都有着不小差距。

2.人形机器人，应时代之需

① 类人形态的机器人通用性更强，能够快速融入到环境中执行复杂任务。

无论城市的基础设施、操作的工具、驾驶的车辆，还是尚未开发越野复杂环境拟人形态的机器人，具有通用性。

② 对智能化要求更高，具有超越人类单体智慧的可能，能够实现云大脑和智能网联。

通过认知智能、具身智能、网联智能的技术交叉融合，实现“形态上模拟人类神态上超越人类”的目标。

③ 人形机器人需要更多技术的交叉融合，是多种前沿技术落地应用的实物载体。

具有融合多种前沿技术且具有高度定制化的行为表现的实物载体，对行业具有颠覆性的意义。

在技术链发展趋势方面，可认知进化的能力越来越强，在比较夯实的本体和基础运动控制后，在垂类领域会具有高效的开发能力。

有了这些基础，能源技术（ 增强持续的续航能力 ）、驱动技术（ 适用于大批量制造能力 ）和机构技术（ 低成本、可靠设计能力 ）都会有颠覆性的变化，而这些正是中国的强项。

尽管如此，在机器人本体协作，特别是双臂协作方面，现有机器人的能力还非常有限。

在阿里、京东主导的电商红海中，拼多多通过精简供应链环节+自建仓和合作仓

汽车制造厂，底盘紧固、分装线束需要双臂的协同操作；

厨师烹饪，很多时候也是双手完成的；

衣物照护，洗衣、烘干、叠衣、护理、晾晒等碎片操作也需要双手；

在适老性照护方面，虽然目前缺乏统一标准，但显然要求会更高。

3.通用机器人更“有脑”

通用机器人的控制系统与人脑类似，分为小脑、大脑、云端超脑、脑干。脑干做电流环、速度环、位置环、扭矩环的控制；小脑做底层的运动控制；大脑做感知规划决策，云端超脑弥补大脑和做模型训练。

最先的运动控制都是小碎步，在应用强化学习和模仿学习技术之后，运动能力越来越强，而且走的过程中对CPU的算力没有太高的要求，这样，在大脑、小脑、脑干分配协作之下慢慢变成大小脑融合以GPU为主来完成任务。

三、通用机器人的关键技术

我认为，通用人工智能赋能通用机器人的关键是两个：

第一，灵巧操作能力；第二，具身智能。

1.灵巧手的操作能力

灵巧操作能力，不是翻跟头等简单单单的事情，而是用轻巧手对五件事进行处理：

① 抓取

② 操作

③ 工具端操作

④ 抓取后处理

⑤ 铰链式处理

具身智能，是在不同异构的数据格式下对它进行赋能，赋能之后让机器人更有可能做些复杂点的工作。

到现在为止，还没有一个真正好用的灵巧手，要么太贵买不起，要么过程中缺力的感知，比如夹烟的动作，现在没有哪个机器人能做得很好，原因就是触觉感知覆盖率还没做到较高的水准。

人在操作过程中，指尖、指腹、指掌心这些位置的力，一般情况下是够的，在抓取情况下是够的，但在整个环节过程中是远远不够的。这种情况下，我们需要力传感技术要尽可能深入和优化。

但即便传感器覆盖率高了，到身体控制时还是需要更多的算力，这时候在端边侧需要一个“聪明”的手，来处理复杂高密度的传感信息。

还有触视感知下的控制，我曾做过挺有意思的事：在机器人的手指心安装了Camera，当手指触摸东西时能感知纹路的变化，这样可以搓麻将或者摸盲文。

但触觉感知依旧需要许多算力，当手指处理能力不足时就会放到大脑里来处理，大脑需要处理的事情太多了，既要做规划，又要实时反馈，所以今后实现多GPU、CPU、多智能端侧部件分布式的控制是可能的。

为了做灵巧手，我做了一个手指的功能量表，详细列出了五大类33种功能。

大家可以发现一件事，当你为了抓取的时候其实只用了三指，但在一些姿态控制时需要五个手指，尤其在工具端操作的时候，而物理世界所有工具都是为人准备的。

所以，和人大体尺度上差不多、功能类似的“手”就显得特别关键。这些功能已逐步实现，但唯一没有做到的就是拿筷子这一动作。

2.具身智能

具身智能，是人工智能与机器人学交叉的前沿领域，强调智能体通过身体与环境的动态交互实现自主学习和进化，其核心在于将感知、行动与认知深度融合‌。

根据具身智能的定义，人形机器人要有具身感知能力并形成具身感知系统，然后在其领域内实现自适应；

同时，人形机器人要有具身执行能力，要有交互式理解和模拟能力，进行协同式控制与决策能力；

在认知深度方面，要求具有进化能力，在人-机-环境交互作用下，实现长期自主学习。

在具身智能算法的应用上，在机器人餐厅，从烹饪到清洁均由机器人完成。为此做了很多实验：

① 多传感器融合下数据的采集（包括烹饪动作）；

② 多模态感知的自主决策；

③ 模型的训练；

④ 整体在机器人上进行应用。

为实现硅基生命（ 机器人 ）与碳基生命（ 人 ）的深度融合，我们构建起数据映射桥梁，通过“一脑多机”方式，将人类行为数据精准转化为机器人运行指令。

人类肢体运动本质是完成物理交互，以人体手臂为例，大臂与小臂的协同运动可实现空间坐标的灵活定位，配合可控的手腕姿态，最终由手部完成各类操作任务。

目前，我们已实现高精度的姿态与位姿控制，当机器人末端执行器抵达目标位置后，即便在不同机械构型下，也能精准输出所需接触力。

早期焊接机器人仅聚焦于简单轨迹规划，而未来我们的研究方向将转向复杂力控技术的实现。通过模拟人类手指施力特性，将复杂力反馈融入机器人操作过程，以力的精准再现推动操作能力的全面复刻。

在此过程中，传感器的广泛覆盖与多维度感知至关重要，这将为实现更智能、更精准的人机交互提供关键支撑。

在采集数据建模的过程中，发现了比较有意思的事： 人的脖子是扩大感知区域的方法；腰部是扩大操作空间的关键。

因此，在任务完成过程中，虽然手可触达但还需要腰来辅助，要把腰部运动和双臂运动结合在一起进行训练。

最后，我们打造了通用灵巧操作数据平台：

① 打造人体上肢运动信息数据库（包括腰部数据）； ② 打造灵巧操作机器人数据库； ③ 建立实时机器人可视化数据看板； ④ 远程遥操作控制（移动操作）； ⑤ 实现数字孪生仿真，建立AI算法训练库；当然，也开发了可扩展的二次开发算法接口。

四、机遇与挑战

当前，部分人形机器人还像漫无目的的“街溜子”，未能充分发挥价值。

不久前与公安部门交流时我就提出：机器人的移动不应流于形式，而应在行走过程中，借助视觉与感知系统主动识别周边潜在风险，并具备一定的风险处置能力。

虽然机器人的威慑力能在一定程度上对不法分子产生心理震慑，但真正关键的是其任务执行能力、灵巧操作能力以及具身智能水平。

1.灵巧手是具身智能的关键一环

在研发烹饪机器人的过程中，我深切体会到技术挑战的艰巨性。中式菜肴烹饪工艺复杂多变，对双手和肢体操作的精细度要求极高，想要用机械语言精准诠释这些工艺绝非易事。

因此，具备泛化能力和高效运动执行能力的机器人，核心在于先进的具身智能算法，而灵巧手则是将算法落地实施的关键一环。

灵巧手技术发展多年，市面上产品也多种多样。其中，少自由度灵巧手通常配备六个电机，仅能完成基础抓取任务，难以胜任一些复杂操作。

相比之下，马斯克研发的22自由度灵巧手，每个手指配备三到五个电机，结构与人手高度相似，优势显著。

① 训练时可实现与人手动作的精准映射；

② 丰富的自由度能够满足各类复杂动作需求，比如简单的“比耶”手势也需要手指侧摆；

③ 该灵巧手大幅拓展了触觉感知范围，从最初的指尖指腹延伸到更多部位，极大提升了工作能力。

在人形机器人应用落地问题上，业界存在诸多质疑，但我持乐观态度。

目前，大家对人形机器人的应用方向感到迷茫，这与当年新能源车推广时的情况截然不同—新能源车的使用目的十分明确，而人形机器人的应用场景尚待挖掘。

2.技术演进下，应用场景愈发广阔

随着具身智能在算力与算法层面不断突破，人形机器人的应用前景将愈发广阔。

首先，基于远程非视距遥操作的危险场景处置是极具潜力的发展方向。

与驾驶场景不同，远程遥操作面临视野受限、缺乏触觉反馈等难题，因此，能够模拟人类触觉的感知操作手套至关重要，它能让操作者在抓取虚拟物体时获得真实的触觉反馈。

其次，重体力劳动领域也是人形机器人的用武之地。

以马斯克公司研发的机器人为例，其髋关节、膝关节采用行星滚珠丝杠设计，直线推动力近9千牛（约0.9吨），腕关节等部位也具备强大推力且能实现机械自锁。

在美国，超过25公斤的重物搬运就需借助辅助设备，而这款机器人有望胜任30 - 40公斤的搬运工作，能够有效替代人类从事高强度、高风险的体力劳动。

此外，在工业生产线上，存在许多不适合人类作业或易对人体造成损伤的工 位，这些场景对人形机器人的需求同样迫切。

3.技术瓶颈与机遇

当前，人形机器人及类智能体的发展面临三大技术瓶颈，同时也是发展的机遇。

① 算力适配挑战

现阶段，端边侧算力多沿用早期智能驾驶的技术架构，但这种方案是否真正契合人形机器人及类智能体的运行需求，仍需深入探讨。

我们亟需探索更适配的算力模式，或是研发新型端边侧计算架构，以突破现有技术框架的限制，推动智能体实现更高效、更灵活的决策与交互，真正释放其“智慧潜能”。

② 能源问题已成为制约创新智能体发展的关键痛点

在与工信部的交流中，我提出探索固态电池、新型能源等创新技术在智能体领域的应用可能性。理想的能源方案需满足功率密度300-500以上，且充放电次数达到1000次以上的严苛标准。

只有攻克能源技术难关，才能为智能体提供持久、稳定的动力支持，实现更广泛的应用场景落地。

③ 大功率驱动与核心部件需要创新

重载关节驱动器是未来发展的重要方向，若每个关节推力能达到1吨级，将极大拓展机器人的应用边界。 目前，该领域核心技术被国外公司垄断。

此外，具备智能抑制功能、高效传递效率的预驱动芯片与驱动板卡，同样是极具潜力的研发方向。

在产业发展策略上，不应盲目追求“大而全”的系统开发，而应聚焦关键材料、核心零部件以及创新算法。

例如，强化学习与模仿学习的融合，显著提升了模型迭代速度与应用效果；过去对电流环控制扭矩的高精度要求（ 需将差异控制在5%以内 ），如今放宽至20%仍能实现良好运行。

这些案例充分证明，新算法、新材料、新部件的创新突破，极有可能引发行业的颠覆性变革，成为推动整个人形机器人产业发展的核心动力。

*文章为作者独立观点，不代表笔记侠立场。

主办方简介——

交大安泰EMBA项目创办于2002年，是中国首批获准开办的EMBA项目之一。2017、2020年，英国《金融时报》全球EMBA排名位列全球第6位。

项目定位为“新商学·新科技”，历经20余年砥砺前行，8000余位杰出校友构成中国最具影响力与价值的全球精英校友网络，已成为优秀企业家系统学习的最优平台。

好文阅读推荐：