人形機(jī)器人已經(jīng)開始量產(chǎn)，但目前“秀拳腳”的仍然多于“擰螺絲”的。它們更多提供的是情緒價值，這或許會成為未來五年的行業(yè)常態(tài)。要等到 2030 年，機(jī)器人才能真正從特定場景走向規(guī)�；涞�，獨(dú)立進(jìn)廠上崗。

提出這一預(yù)見的，是上周末發(fā)布的《科技預(yù)見與未來愿景2049》，由騰沖科學(xué)家論壇與華為戰(zhàn)略研究院等聯(lián)合編撰。報告將人形機(jī)器人演進(jìn)劃分為四個階段，對應(yīng)不同的技術(shù)成熟度與市場滲透程度：

（2025/12/7） 閱讀全文>

第一階段（2025 年起）：技術(shù)與商業(yè)化均處于初期探索，任務(wù)成功率約為 80%，應(yīng)用主要集中在開發(fā)者市場和情感價值領(lǐng)域；

第二階段（2030 年起）：蘊(yùn)含更多物理維度的模型范式涌現(xiàn)，靈巧手精細(xì)操作提升了對復(fù)雜場景的適配，機(jī)器人開始從特定場景向規(guī)�；涞剡~進(jìn)；

第三階段（2035 年起）：海量真實(shí)場景數(shù)據(jù)反哺模型優(yōu)化，數(shù)據(jù)飛輪發(fā)揮作用，機(jī)器人不僅上得工廠，還下得廚房；

第四階段（2045 年起）：規(guī)模經(jīng)濟(jì)推動成本持續(xù)下降，高規(guī)格機(jī)器人整機(jī)價格降至數(shù)千元，變得像手機(jī)一樣普及。

難怪市場對那些人形機(jī)器人浮夸的營銷持懷疑態(tài)度，普遍認(rèn)為其中充滿“障礙法”。真正創(chuàng)造價值的工作意味著，機(jī)器人必須像人一樣可靠，至少能夠以相同速度運(yùn)行，并且在整個生命周期內(nèi)的總擁有成本要相同或更低。銀河通用創(chuàng)始人王鶴批評，美國人形機(jī)器人泡沫嚴(yán)重，遙操作常態(tài)化，它們過度依賴精美視頻營銷，帶壞了國內(nèi)企業(yè)風(fēng)氣。

美國的FigureAI聲稱已經(jīng)為寶馬生產(chǎn)3萬輛汽車做出貢獻(xiàn)，但人們質(zhì)疑不如把工作交給機(jī)械臂更高效；特斯拉的擎天柱在摔倒前做出摘下“不存在的VR頭顯”動作，疑似露出了遠(yuǎn)程操作的馬腳。中國已經(jīng)擁有超過150家人形機(jī)器人公司，智元的第5000臺機(jī)器人已經(jīng)走下產(chǎn)線；它們除了參加各式運(yùn)動會，更多則走進(jìn)了科研實(shí)驗(yàn)室與數(shù)據(jù)采集工廠，部分汽車巨頭則給它安插了內(nèi)部崗位。國家發(fā)改委也提醒，要著力防范扎堆上市，擠壓研發(fā)空間。

前述報告指出，在接下去的五年里，人形機(jī)器人的核心技術(shù)挑戰(zhàn)，就在于靈巧手發(fā)展滯后、觸覺感知不成熟及訓(xùn)練數(shù)據(jù)匱乏。這與華爾街投行近期觀點(diǎn)“轉(zhuǎn)向”相呼應(yīng)。摩根士丹利建議押注組件而不是品牌，短期內(nèi)仍然是“鎬和鏟”的邏輯；高盛則認(rèn)為，行業(yè)正進(jìn)入尋找“機(jī)器人向?qū)А钡壤袌龅倪^渡階段。

靈巧手量產(chǎn)

靈巧手對生產(chǎn)力的重要性不言而喻。人類大多數(shù)的工作，都是由手來完成的�！叭祟悺本褪沁@樣的生物，大約四分之一的骨頭位于雙手，手指在一生中彎曲和伸展約25萬次，手掌共有17,000個觸覺感受器和游離神經(jīng)末梢。在美國勞工部的描述中，大約20%需要兩條腿來完成，而高達(dá)98.7%的工作，需要靈巧雙手精細(xì)操作。

近年來，人形機(jī)器人技術(shù)專利的重心已經(jīng)逐漸從下肢結(jié)構(gòu)和步態(tài)控制，轉(zhuǎn)向上肢結(jié)構(gòu)及精細(xì)操作。然而，MIT機(jī)器人專家Rodney Brooks指出，目前尚無任何靈巧手能在通用場景下展現(xiàn)接近人類的靈活性，也沒有設(shè)計能真正投入實(shí)際應(yīng)用。前述報告也總結(jié)道，在這一階段，主流的二指夾爪或六自由度靈巧手難以完成精細(xì)操作，而高自由度靈巧手的企業(yè)仍處于起步階段。雖然接近量產(chǎn)形態(tài)的方案已開始出現(xiàn)，但它們?nèi)孕柙趯?shí)際應(yīng)用中不斷驗(yàn)證、優(yōu)化和迭代。

馬斯克對此判斷應(yīng)當(dāng)深有同感。特斯拉原計劃今年就發(fā)布第三代擎天柱（Optimus），但在三季度財報電話會上確認(rèn)，它將延期到明年一季度。在所有零部件供應(yīng)商中，靈巧手是最后才確定下來的。為了增加自由度，特斯拉將靈巧手的執(zhí)行器數(shù)量，從17個提升至22個，它的內(nèi)部結(jié)構(gòu)更為復(fù)雜，容易在高頻共振和轉(zhuǎn)動中磨損，逐步丟失應(yīng)有的精度；電機(jī)散熱不足也導(dǎo)致使用壽命下降。第二代擎天柱的靈巧手，單只成本6000美元，用它完成分揀快遞工作，平均壽命只有六周。

更多物理維度

缺乏更多物理維度的數(shù)據(jù)，同樣制約了精細(xì)操作技術(shù)的成熟。純視覺感知存在天然盲區(qū)，無法捕捉物體的硬度、彈性等關(guān)鍵力學(xué)特性。這也是為什么前述報告提出，VTLA（視覺-觸覺-語言-動作）模型有望取代現(xiàn)有的VLA（視覺-語言-動作）模型，成為未來主流方案。通過融入觸覺模態(tài)，VTLA能補(bǔ)充關(guān)鍵力學(xué)信息，大幅降低接觸密集型任務(wù)的失敗率；同時，憑借多模態(tài)整合能力，機(jī)器人可以通過少量交互提煉通用規(guī)律，實(shí)現(xiàn)跨場景的靈活遷移。

但這涉及到數(shù)據(jù)的采集與處理。Rodney Brooks就指出，目前主流數(shù)據(jù)采集手段都忽視了手腕力反饋與觸覺等信息。事實(shí)上，這更是技術(shù)局限。人類對觸覺的感知僅限于“即時直接體驗(yàn)”，尚未開發(fā)出“捕捉、存儲、遠(yuǎn)程傳輸”觸覺的技術(shù)，更無法將觸覺信息“重放”給自身或他人。

觸覺本質(zhì)上是由多種傳感器和復(fù)雜處理機(jī)制構(gòu)成的系統(tǒng)，其傳遞的信息隨時間和運(yùn)動狀態(tài)不斷變化，遠(yuǎn)比單純的局部壓力豐富。即便是打開冰箱門這樣的日常動作，人形機(jī)器人也難以做到順滑自然，因?yàn)樗鼰o法連續(xù)感知并動態(tài)調(diào)整施力，無法應(yīng)對門在剛開啟瞬間，以及不同開啟角度下的力學(xué)變化。

學(xué)界與業(yè)界正在積極探索解決方案，但技術(shù)仍遠(yuǎn)未收斂。亞馬遜擁有龐大的機(jī)器人隊伍，超過100萬，其中，它將旗下笨重的物流機(jī)器人Vulcan描述為“首個真正具有觸覺的機(jī)器人系統(tǒng)”，配置了多個傳感器，可以根據(jù)物品的大小和形狀，調(diào)整它們的抓握力，不至于破壞包裹。智元機(jī)器人的啟元大模型GO-1，可以接收來自視觸覺傳感器的力學(xué)信號，進(jìn)行通用的場景感知和指令理解。所謂視觸覺傳感器，就是通過攝像頭捕捉柔性材料的形變等視覺特征，并將其映射為受力面和受力大小等觸覺信息。

數(shù)據(jù)飛輪

與大型語言模型疑似觸及預(yù)訓(xùn)練擴(kuò)展邊際不同，真正值得人形機(jī)器人擔(dān)心的問題是，行業(yè)離真正勾勒出那條擴(kuò)展定律曲線都為時尚早。物理世界中蘊(yùn)藏的數(shù)據(jù)量本應(yīng)巨大，但當(dāng)前可用數(shù)據(jù)遠(yuǎn)不及自然語言，更不用說如何將這些數(shù)據(jù)的質(zhì)量、分布、多樣性和覆蓋范圍轉(zhuǎn)化為可用于指導(dǎo)模型性能優(yōu)化的工程指標(biāo)。

訓(xùn)練人形機(jī)器人，需要龐大數(shù)據(jù)量。在過去一年里，特斯拉一直都在擴(kuò)容自己的AI算力基礎(chǔ)設(shè)施。按照馬斯克的預(yù)估，對人形機(jī)器人的訓(xùn)練需求，可能至少是自動駕駛所需的10倍。前述報告稱，數(shù)據(jù)匱乏問題，會在靈巧手硬件穩(wěn)定，以及觸覺等物理維度信息更為豐富后，逐步得以解決。海量真實(shí)場景數(shù)據(jù)將反哺模型優(yōu)化。這免去了目前專門數(shù)據(jù)采集的高昂成本，類似特斯拉用戶“付費(fèi)”向FSD提供真實(shí)駕駛數(shù)據(jù)。在數(shù)據(jù)真正得以“精煉”之前，中國同樣難言產(chǎn)業(yè)場景優(yōu)勢。

但是，從VLA模型到VTLA模型，本質(zhì)上仍然是對多模態(tài)模型的修修補(bǔ)補(bǔ)。在視覺語言先驅(qū)李飛飛看來，自然語言的上下文帶寬太窄，難以描述復(fù)雜動作與物理維度，裝不下三維世界。世界模型是被寄予眾望的下一個范式。它可以基于前一幀畫面與機(jī)器人動作，預(yù)測下一幀畫面。年內(nèi)，李飛飛的世界實(shí)驗(yàn)室（World Labs）拿出了Marble，楊立昆離職創(chuàng)辦了先進(jìn)機(jī)器智能（AMI），華為哈勃基金投資了這一領(lǐng)域的極佳視界。

人形機(jī)器人批量上崗擰螺絲，會比2030年更早嗎？量產(chǎn)靈巧手、融合觸覺感知以及加速數(shù)據(jù)飛輪，中國能比美國更快嗎？也許在下一年《科技預(yù)見與未來愿景》報告中就能找到答案與線索。

報告下載方式：

點(diǎn)擊鏈接

科技預(yù)見與未來愿景2049

或公眾號后臺發(fā)送關(guān)鍵詞：2049