具身智能创业不能只泡在实验室，“先用起来比什么都关键”

“人形机器人要形成生产力，不能满足于娱乐化和遥控操作。”

“做机器人不适合‘掀桌子式’的创业，一定要在真实场景中迭代，不能只在实验室里埋头苦干。”

“没有短期落地，就没有机会、没有资格去谈长期布局。”

8月12日结束的2025世界机器人大会（WRC）上，商业化的迫切性被创业者频频谈起，场景落地已成为具身智能创业公司的“必答题”。

尽管赛道上存在所谓“运动派”和“实操派”的分野，但这不意味着前者只表演不卖货。从“运动派”公司创始人的表态来看，他们并非意识不到“干活”才是真谛，也并非不清楚科研教育、导览表演等市场的“天花板”，更多是对商业化的短期打法存在不同判断。不可否认，主打提供情绪价值的“运动派”，确实从流量红利中挣到了实实在在的订单。

人形机器人“干活”面临的最大挑战在于，具身智能模型能力不足。这几乎是这条充满非共识赛道上的一项共识。但对于如何提升模型能力，业内的关注重点显现差异。主流声音认为，数据不足是模型能力难以泛化的短板。但宇树科技创始人王兴兴则在WRC期间反思称，现在最大的卡点是模型问题而非数据问题，“具身智能机器人模型架构都不够好”。

创业公司背后的投资机构亦愈发强调商业化能力。首程资本管理合伙人朱方文介绍，去年投资时主要看团队、技术路线和Demo（演示）效果，今年则纳入量产交付能力的评价指标。君联资本董事总经理纪海泉也直言：“我不需要你的技术是世界上特别前沿的，只能留在实验室没法商用，我们还是要看到PMF（产品市场匹配度）。”

根据朱方文给出的预测数据，今年全球人形机器人的出货量将突破1万台，预计有5到6家企业的出货量超过1000台，但都限于相对比较窄的应用场景。明年这一出货量数据有望翻倍甚至更多。

“运动派”在质疑声中出货

8月1日，松延动力参照车企发布月度交付量的形式，披露了7月公司量产交付105台人形机器人，而6月的交付量为38台。

这家创业公司凭借北京亦庄机器人半程马拉松“走红”。受益于此，松延动力方面称，在机器人马拉松后的1个月内获得超2000台意向订单，合同额超1亿元。其中，教育教具和商业演出市场占比超60%，文旅展厅需求激增。

“这些场景没那么高大上，但具有一定的确定性。”松延动力董事长姜哲源在WRC期间透露，公司组建了一支渠道运营团队，面向教育场景、文旅场景等进行市场开拓。当下，几乎每个省市至少都有一家合作的渠道商。基于这些商务能力，姜哲源想把现有的几个场景“打穿打透”。

王兴兴也在WRC一场论坛上提到出货情况：今年，宇树科技的小尺寸人形机器人G1几乎是全球出货量最高的一款人形机器人。王兴兴接受南都等媒体采访时说，1.2米左右的小尺寸人形机器人更轻巧、更灵活，非常适合娱乐、互动或其他二次开发，“如果让它‘干活’，多少有点为难它了”。

在业界，宇树科技、松延动力、众擎机器人、加速进化等由于擅长机器人跑步、跳舞、格斗、空翻、踢球等技能，被归类为所谓的“运动派”。虽然这些公司收获了线上线下诸多流量，但也面临诸多的质疑——集中指向落地场景的商业化价值有限。

但众擎机器人创始人赵同阳认为，当人形机器人具备足够的行走、奔跑、舞蹈能力之后，便可以在安防巡检、游乐园、学校等这类简单的场景先用起来，“虽然这些市场撑不起千亿的市值，但这毕竟只是刚开始”。

加速进化在6月下旬曾举办一场不借助遥控手柄的机器人足球赛。该公司创始人程昊认识到，机器人赛事有机会通过卖票、卖周边、寻找赞助商等方式，跑通商业闭环。尽管目前的受众群体偏小学生和初中生，但程昊预测，后续随着机器人踢球的观赏性增加，观众群体将更丰富。

从公司宣传物料来看，“运动派”也热衷于打低价标签。近期，宇树科技发布一款起售价3.99万元的小尺寸双足人形机器人R1，再度巩固外界对其“价格屠夫”的印象。

宇树科技新款小尺寸双足人形机器人R1。图：杨柳

有业内受访者认为，“运动派”选择的场景门槛低，导致定价只能一降再降。但王兴兴就定价策略回应称，希望通过更有竞争力的价格，让更多人愿意采购。人形机器人产业生态的建立，必须依靠足够多的出货量，让足够多的人去使用。

外界对“运动派”不乏误解，比如只做硬件和运动控制，不做具身智能“大脑”。王兴兴对此表示，尽管投入谨慎，但宇树科技一直非常重视机器人“干活”这件事，在数据采集等工作上花费了大量精力。据其透露，针对上肢操作的AI研发团队，其规模是公司内部最大的。之所以对外宣传少，原因是公司希望打造出复合多种能力的通用型AI，能胜任不同工作场景，而不是限于单一功能的AI。

“实操派”在简单场景上岗

8月11日，智元机器人披露一笔数千万元的采购订单：近百台轮式双臂机器人远征A2-W将落地富临精工工厂，负责料箱拆垛及上料工作。

此前7月中旬，优必选中标一项来自汽车领域的工业人形机器人采购项目，金额高达9051.15万元。优必选副总裁、研究院院长焦继超透露，预计今年交付500台工业版人形机器人，面向汽车、3C半导体等行业客户，其中以汽车客户为主。

记者在WRC展厅看到，工业场景的落地方向已逐渐收敛趋同，搬运、分拣和质检工作成为不少公司展示的核心。

乐聚的人形机器人已进入一汽红旗、海晨物流等公司的产线，从事物流搬运任务。乐聚机器人副总裁柯真东对记者表示，搬箱子、上下料、分拣属于工厂内相对简单、工作流程比较短的工序。以搬运为例，人形机器人的效率虽然目前仅为人工的1/3到1/2之间，但可以通过更长的工作时间去弥补。而对于拧螺丝或更高精度的工作，“（机器人）连进入工厂的门槛都没达到”。

走访许多工业客户之后，柯真东发现，一线和准一线城市的工厂面临“招工难”，对人形机器人有着真实的需求。此种情况下，与其说人形机器人在“抢饭碗”，不如说是去顶替空缺。但对于引进人形机器人，工业客户要计算ROI（投入产出比）。柯真东说，乐聚卖给工厂的售价约为20万至30万元一台，以此比对用工成本，基本上一年半到两年即可回本。

根据柯真东提供的数据，今年乐聚的整体交付目标是1000至2000台人形机器人——以科研、导购等商用服务场景为主，工业场景有小批量出货。

为了更适配工厂的环境，乐聚、优必选、智元、智平方这些探索工业场景的整机公司，均发布了轮式双臂机器人。智平方副总裁莫磊告诉记者，硬件形态不要做得过于酷炫，而要为量产而生。

智平方的爱宝系列机器人。图：杨柳

据了解，智平方的爱宝系列机器人已产生商业化订单，进入东风柳汽、吉利科技旗下半导体企业晶能微等工厂部署应用。莫磊说，机器人真正进入客户真实场景至为关键。没有落地使用，就没有数据；没有数据，产品就无法迭代；而客户也无法感受到产品的进展。归根结底，“先用起来比什么都关键”，持续提升模型能力是做好商业化的前提。

莫磊认为，工厂这类半结构化场景属于“跳一跳够得着”的落地目标，从简单的工种做起，“不要觉得不酷炫就不去做”。但智平方暂时不会考虑难度高、存在伦理风险的C端交互服务场景，也不会为了寻求立刻的商业化，去做一些门槛低、对未来发展缺乏助益的事情——比如，机器人炫技表演的商业化价值可能并不大。

“实操派”为人形机器人设定的“打工”路径亦有内部分化。银河通用、千寻智能等创业公司，首选了药店、商店等零售服务场景。这类场景考验人形机器人对不同形态货品的精准识别和抓取能力。

硬件够用但不够好，具身模型非共识涌现

人形机器人“上岗”，离不开硬件、负责运动控制的“小脑”以及负责推理决策的“大脑”紧密配合。

在王兴兴看来，人形机器人的硬件总体来说是够用的，但距离好用还有差距。若要实现低成本、高可靠性和大规模应用，硬件仍需不断完善。

高成本、使用寿命、硬件一致性、关节模组功率密度等仍构成本体层面的挑战，通信和算力问题也开始受到重视。记者了解到，当下，一台人形机器人大多搭载一块英伟达Orin芯片，最高算力为275Tops（每秒275万亿次运算）。在一些业内人士看来，如果机器人在场景中自主运行，这一算力规模远远不够。

王兴兴提到，受电池功耗等的制约，无法在人形机器人本体上部署大规模的端侧算力，但机器人未来对大规模算力的需求是毋庸置疑的。为解决算力不足的短板，王兴兴提出的应对办法是分布式算力，让机器人直接接入工厂内的近距离服务器，避免连接远距离集中式算力中心带来的通信延迟。

乐聚则把视线投向5G-A通信模组，和中国移动、华为联合打造了基于5G-A的人形机器人。柯真东解释称，人形机器人执行中长程任务的推理规划时，可以借助更低延迟的通信去接入部署在边缘侧的算力，以弥补端侧算力的不足。

和硬件相比，行业对机器人“大脑”的讨论声量更为浩大。尤其是王兴兴在WRC期间的一番发言，激起业内关于具身智能模型技术路径的争论。

王兴兴的观点是，具身智能模型完全不够用，效果乏善可陈背后的最大问题在于模型架构不够好、不够统一，而非数据问题。他说，大语言模型只要数据量足够大、质量足够好，模型性能就能快速提升。但在机器人领域，即便积累了海量数据，并在此基础上训练一款模型，但放到实体机器人上可能依然无法很好地对齐。然而，全球范围内对机器人数据短缺问题的关注度很高，反而欠缺了对模型问题的关注。

王兴兴上述发言针对的模型架构是VLA（Vision-Language-Action，视觉-语言-动作），他发现这类模型面临数据数量和质量双重瓶颈，在真实世界进行交互时的泛化性无法达到预期。

今年以来，VLA具身模型备受行业热捧，意在让人形机器人能通过视觉信号感知世界，听从人类的语言指令，并将指令拆解转化为具体的操作。

在VLA模型中，行业又衍生出“单一端到端”和“快慢双系统”等路线。前者将图像、语言指令作为输入，直接输出动作，具身智能公司Physical Intelligence发布的π0模型即采用这种方案；后者以美国Figure AI公司发布的Helix模型为代表，可理解为模块化的机器人“大小脑”协同方案，“快系统”类似于人类的本能反射，快速执行简单任务，“慢系统”则侧重深度思考和决策。“快慢双系统”架构是当前的热点趋势。

有学界研究者认为，“大小脑”协同的方案，是当前实现具身智能更易落地的技术路线。亦有业内人士告诉记者，VLA模型可以称作主流路线，但未必是唯一的路径，也不一定是最终的解决方案，因为其尚未在现实场景得到验证。

“如果具身智能模型的架构没有定位清楚，数据的定位也就不会清楚。”乐聚机器人董事长冷晓琨对VLA路线亦持观望态度，但为了短期内让机器人先用起来，乐聚的做法是通过“原子技能”式的训练方式，使机器人掌握料盘分拣、空箱搬运等底层能力。

模型架构之外，真机数据与仿真合成数据两大阵营的“持久战”依然延续。以银河通用创始人王鹤为代表的一方，不遗余力地强调仿真合成数据的重要性，主要原因是真机数据采集效率低、成本高。机器人“上岗”前，王鹤声称只需用少量真机数据进行后训练。

与之针锋相对的“真机数据派”认为，尽管仿真数据具有采集快、成本低的优势，但会面临Sim2Real（仿真迁移到现实）的效果差距。智元机器人合伙人、具身业务部总裁姚卯青此前向记者提到，普通的仿真器很难把真实世界的复杂特性加以抽象化。

技术路线争议之下，英诺天使基金合伙人王晟提醒：“在技术范式没成熟和收敛之前，往任何一个方向高歌猛进，都可能是在错误的道路上跑得很远。”

采写：南都N视频记者 杨柳 发自北京