2023年11月2日，工信部出台国家级人工智能发展指导意见，为产业发展注入了强大动力。随后，各地纷纷跟进，因地制宜地推出一系列政策，在资源支持、人才吸引、营商环境打造等方面发力，为产业发展营造了良好的生态。 在产业发展早期，国家和政府相关举措发挥着极为关键的推动作用，叠加机器人马拉松、世界机器人运动会等相关赛事影响，不仅为开发者和从业者提供了展示舞台，更激发了创业者创新热情。 “活力中国调研行”走访过程中，北京人形机器人创新中心副总经理李春枝对记者表示，摩根士丹利最新研报预计到2050年，全球将有10亿台人形机器人投入使用，产业规模预计5万亿美元，有望成为继计算机、智能手机、新能源汽车后的又一个“下一个万亿级市场”。 在技术发展路径上，2023年机器人以“能行走”为重要突破，2024年行业开始比拼“运动性能”，而2025年开始聚焦“智能操作”。未来，通过AI赋能，机器人将实现物理世界交互的普及，从单纯“能跑”向真正“会干活”进化。 但需注意的是，人工智能机器人从能走、能动、能跑迈向真正好用，还面临着多维度的瓶颈限制。李春枝介绍称，一是整体性能差，当前机器人在动力输出、续航能力、响应速度等方面还难以满足复杂场景的需求；二是数据缺失，在现实世界中，机器人面临的场景复杂多变，而现有的数据采集和标注方式难以获取足够丰富和高质量的数据；三是泛化能力不足，机器人难以根据已有的经验和学习成果，快速适应全新的多场景任务。 为了突破这些瓶颈，北京机器人创新中心率先搭建了2000平方米数据采集。岷险婊敕抡媸莶杉，发布了大规模多构型智能机器人数据集和Benchmark——RoboMIND。同时，北京人形还将分阶段开源本体、数据集及具身智能全栈技术，如计划在2025年开源运动控制SDK。通过构建开源生态，吸引全球开发者参与，共同推动技术进步。今年3月，北京人形还发布了全球首个通用具身智能平台“慧思开物”，其采用“具身大脑+具身小脑”架构，颠覆了传统预设程序模式，支持意图识别、环境感知、自然交互、双臂协作与全身控制。该平台还实现了一脑多机、一脑多能，能够适配人形机器人、机械臂、轮式机器人等多种硬件本体，并通过多模态大模型指令完成烤面包、物流分拣等跨场景任务，并且具备抗干扰纠错能力。从落地场景来看，目前机器人已覆盖物流分拣、工业制造、特种作业、商业服务等领域，为人们的生产生活带来了诸多便利。 加速进化机器人CEO程昊坚信人工智能将推动机器人迈向终极形态，且机器人并非替代人类，而是实现人机协同。他认为人形将成为具身智能终局形态，并且行业已迎来拐点。 近年来，行业呈现出三大关键变化：一是供应链成熟，众多科技巨头入局，促使机器人核心部件成本大幅下降，部分环节成本降至千元以内，这使得机器人的大规模生产和普及成为可能；二是通用大模型技术突破，大模型、导航模型及全身运动控制技术取得重大进展，为机器人技术落地提供了清晰的解决方案，极大地加速了行业发展；三是通用的硬件载体均呈现标准化趋势，参考智能手机发展历程，通用硬件设备最终会因应用和开发者生态需求走向标准化，预计未来应用机器人将标准化为双足类型，以降低开发者成本，加速应用落地。不过，程昊表示，在通用类型的基础上，商业路径会是一个相对漫长的过程。 程昊认为，机器人行业商业发展将类似计算机，经历从科研探索到行业应用，再到消费市场普及的过程。在初期阶段，目前主要服务科研机构、实力企业，用于技术探索与学习，同时机器人展演和赛事逐渐兴起。随着机器人运动能力、安全性、导航及大脑的提升，将率先在搬运、巡检、教育陪伴等操作要求较低的简单场景实现批量应用；随着机器人大模型越来越强大，操作能力提升，将逐步应用于制造等市场。在此过程中，行业开发者生态建设至关重要，除了面向B端、C端用户外，服务好开发者也是一个很重要的市场。 中信建投证券研报显示，得益于春晚宇树机器人亮相表演和特斯拉上调2025年Optimus出货指引，截至6月20日，人形机器人板块今年涨幅为+34%。其中电子皮肤（+71%）、丝杠（+57%）子版块引领板块涨幅。高盛预测，到2035年，仅人形机器人全球市场规模就将达380亿美元。我国北京、浙江、广东等多省市已经相继出台具身智能相关的发展规划，力图打造领先的产业聚集区。工业和信息化部印发的《人形机器人创新发展指导意见》提出，到2027年产业综合实力达到世界先进水平，成为重要的经济增长新引擎等发展目标。 尽管具身智能发展前景广阔，但也面临诸多挑战。在技术层面，通用平台和标准化认证缺乏，多数企业陷入“重复造轮子”的困境。目前在具身智能领域，仍没有统一的技术标准和通用开发平台，这使得各家企业要从零开始独立研发，各地重复投入导致资源分散，影响产出效率。 同时，硬件接口、通信协议、数据格式等缺乏统一规范，不同厂商的机器人本体构型与软件架构互不兼容，制约规模化应用。应用场景开放度不足，缺乏快速孵化条件。研发端的企业和应用行业尚未打通，许多实际工况都未能真正纳入研发测试体系中。与ChatGPT等依赖文本数据的模型不同，具身智能需采集真实物理环境的动态交互数据，其采集成本将更为高昂。 针对物理世界对数据需求量大、多模态数据又不足的难题，此前接受记者采访时，智源研究院院长王仲远表示，这是具身智能目前存在循环悖论——具身能力不足限制了真机数据的采集，数据稀缺导致模型能力弱、落地难，无法进一步提升能力。整个行业内由于具身领域技术路线尚未收敛，不同厂商、不同团队都在用不同方式进行探索。 我国已是机器人制造强国，工业机器人装机量更是占比超过世界的50%，具身智能发展具备广泛的应用场景和潜力。行业人士建议具身产业加强底层建设，创建生态认证体系；促进政府、国企力量投入应用场景开放，提供高质量优质现实数据；强化高校、科研院所、企业多方联合科研能力，推动产业持续、健康发展。