在第八届进博会期间，来自宇树科技、优必选 、商汤科技等多位专家围绕具身智能的落地应用分享了看法。

　　《科创板日报》记者了解到 ，明年将是人形机器人落地的关键年 。目前
，人形机器人已在一定范围内应用于表演
、交互、展厅导览等场景，然而要进入工厂实现“大规模交付”仍存在瓶颈 ，距离真正意义上的产业化尚有差距
。若未来要进一步走入家庭场景
，则还需应对标准规范 、安全性
、用户隐私等一系列更为复杂的问题。

　　整体而言，机器人产业正从基础的本体制造 ，向更细分、更高难度的领域深入探索 。未来产业将持续向上游延伸
，朝着更精细化 、技术密集度更高的方向发展，最终构建起完整的人形机器人产业链
。

　　▍明年将是人形机器人落地的关键年

　　优必选副总裁
、研究院院长焦继超认为 ，明年会是人形机器人落地的关键一年。对于行业特别是对于优必选来说，必须要找到一个真正落地的场景
，而且该场景是有可复制性，具有一定的规模性 。

　　对于人形机器人 ，焦继超认为工业场景应该是率先落地
，实现全自主地工作
。商业场景今年也有一些真正的应用，除了跳舞、表演外 ，还包括导览 、4S店、展厅的讲解等。

　　“明年全尺寸的人形在这些场景里会有更多的应用 。在其他的行业里
， 2-3年之后在工业场景才能泛化到一些更复杂的操作。在商业场景类似酒店服务员的角色，因为涉及与人打交道的更复杂场景 ，这个时间点应该是3-5年
。家庭场景则涉及到标准问题和安全问题
，进入家庭场景能够作业的人形机器人，至少需要8-10年左右的时间。 ”

　　微亿智造联合创始人
、首席运营官潘正颐也认为 ，人工智能将在未来智能制造中发挥关键乃至决定作用 。而当前制造企业面临的核心挑战在于：过度依赖自动化易引发刚性生产
，难以适应多品种、小批量的柔性需求；过度依赖人工则易造成效率瓶颈与质量一致性差问题
。具身智能技术与工业机器人的深度融合成为破局关键，如通过机器人调试智能化 、多工序柔性切换等 ，实现生产柔性
、效率与质量协同提升，真正推动人工智能在工业现场的深度落地与价值实现。

　　商汤科技联合创始人王晓刚表示
，当前人形机器人规模落地主要在于提供情绪价值，诸如表演、交互 、展厅讲解 。未来三年 ，有希望最先突破是标准化的场景
，像工业场景
、物流分拣等
。

　　此外，随着自动驾驶技术的发展 ，无人物流车正迎来快速普及的契机
，将深入解决“最后一公里
”的末端配送难题。它们可自主完成上货、分拣等任务，应用于前置仓 、闪购仓等标准化程度高
、数量庞大的场景 。然而 ，其大规模应用仍面临核心挑战：如何精准识别和处理数千甚至上万个SKU（库存单位）
，这对机器的视觉感知与认知决策能力提出了极高要求
。

　　帕西尼感知科技创始人兼CEO许晋诚看好近端小型人形机器人的落地。“小型人形机器人，现阶段在娱乐相关、教育相关基本上已经有大量落地能力 。而走进工厂可能在五年内
。”

　　擎朗创始人兼CEO李通则提到了中国机器人的出海机遇。“在这个关键时间节点上 ，机器人正在大规模走进全球的工厂和生活
，这为中国机器人企业提供了前所未有的出海窗口期 。 ”

　　李通指出，在AI时代 ，中国积累的制造优势与场景优势正转化为出海优势。“机器人作为硬件AI的载体，无论是制造业 、物流业
，还是医疗
、服务业，中国机器人企业都能提供具有国际竞争力的解决方案
。
”

　　▍人形机器人大规模交付仍存在难点

　　一目科技创始人兼CEO李智强在采访中对《科创板日报》表示 ，具身智能的核心点是“类人”
，这就需要拥有感知-决策-执行这样一整套闭环控制，才能够实现类人的具身智能。其中 ，感知能力必不可少
，而且非常重要 。一目科技此前发布了全球最薄可商用仿生视触觉传感器，目前形成销售和合作线索的已有上百家客户
。

　　他认为 ，在视触觉传感器这些新兴领域
，中国企业的机遇很大。不过仍需要提升参数性能以及量产能力，“能实现10万、百万量级量产的企业 ，还比较稀缺 。 ”

　　谈及产业趋势
，李智强表示，机器人产业正从本体往更细 ，更难的方向上探索
。“今年的趋势是手的自由度越来越高 、越来越灵活。未来将继续往上游发展，走向更精细化
，技术含量更高的方向，最终形成完整的人形机器人产业链 。
”

　　在李智强看来 ，现阶段人形机器人的大规模交付仍存在瓶颈
，离真正的产业化仍有一段距离
。

　　“工业领域动作不复杂，但重复性操作比较多 ，对精度要求比较高
，很多传统的工业臂就已经可以搞定了。这样的一些场景并非人形机器人最合适的场景 。一目科技更多地在探索非重复性的、非标准化的，需要精细化操作的场景
。”

　　对于具身智能技术落地的具体路径 ，潘正颐强调
，在硬件本体层面，工业机器人本体技术已相对成熟 ，当前核心在于整合上下游生态资源
，如联动末端执行器等领域厂商，实现不同应用场景下机器人的灵活任务切换与高效适配；在软件算法层面 ，无论是感知
、运动及最后的执行算法，关键在于通过算法数据将人类积累的工艺经验进行沉淀、复制与转换
，推动机器人从“执行工具 ”跨越成为能自主学习和灵活适应的“智能伙伴”，这也是区分真正的人工智能与传统自动化技术的关键。

　　乐聚智能董事长冷晓琨则判断 ，明年人形机器人在工业领域有望出现采购交付数量过万的企业 。预计在未来五年左右
，相关技术有望迈过“基本可用
”的门槛。

　　“但要真正作为产品进入到我们身边的话，可能要奔着十来年的过程 ，涉及到的标准 、安全
、隐私一系列问题
，要比技术问题复杂棘手得多
。”

　　▍世界模型更被看好

　　当前，世界模型和 VLA模型代表了具身智能领域两个并行互补的技术路线 ，一目科技创始人兼CEO李智强认为
，最终收敛至哪一条，还未有定论。“中短期内 ，VLA模型是补充
，长远来看大概率会走向世界模型，但其有赖于大量的数据训练 。 ”

　　宇树科技创始人王兴兴也更青睐基于视频生成的世界模型
。他指出 ，当前基于VLA+RL的模型在泛化能力上仍有不足，个人更喜欢基于视频生成技术构建的世界模型。

　　但他也表示
，世界模型同样面临挑战 。“中小型机器人公司对这个模型跑不太动，因为视频生成模型对算力的需求非常大 ，需要的算力卡比较多
。目前反而是一些大的AI公司、互联网公司对视频模型的资源更加丰富
，可以做出来的概率更大一点。
”

（文章来源：财联社）