今年的春晚又被机器人刷屏了宇树机器人再上春晚从去年的扭秧歌进阶成“武林高手”了发展很快所以很多朋友留言让我聊聊机器人。其实广义上的智能机器人早就非常流行了比如工业机器人扫地机器人或者酒店的送货机器人不是什么新鲜事物。大家期待的是所谓的通用型机器人或者叫人形机器人就好像当年的IPHONE收编相机、MP3、游戏机、导航仪等一样。这款机器人把什么扫地、收纳、做饭、送货、打螺丝等工作都干了。其实是不是人形并不重要不管你是三只手还是用轮子走只要能象人一样可以做比较复杂的事就可以了这是人类的终极梦想之一本文讨论的机器人特指这种通用机器人。有人说机器人是人工智能的一个应用我不太认同我认为机器人才是人工智能的“本质”。人是先有身体会行走、运动然后才进化出语言、文字、复杂逻辑的。所以在华为的《智能世界2035》里面提到走向物理世界是AGI通用人工智能形成的必由之路。只有通过物理实体与环境实时交互感知、决策和行动人工智能才能不断学习、成长直到超越人类。截止到2025年中国有45万家机器人产业相关的企业超过150家人型机器人创业公司全球吸纳了近1000亿元人民币的投资。那么机器人的梦想是不是很快就要实现了呢这个领域是否已经出现泡沫了泡沫何时会破就这些问题我谈谈自己的观点啰嗦了一点。1机器人的发展科幻电影里面经常有一个人性化的机器人。比如《终结者》中施瓦辛格演的冷酷的T-800《机械姬》里的“埃娃”而我自己最喜欢的是“铁臂阿童木”承载着我儿童时候英雄的梦想。在近30年的科技创新从业过程中我一次次被机器人梦想马上要被实现的预言所刺激一次次的兴奋一次次的失望狼总说要来就是不来。波士顿动力那个机器人孤独的跑了十几年还只是能跑。上一次机器人浪潮发在2013年左右那年谷歌大名鼎鼎的安卓之父AndyRubin牵头大举进入机器人领域。谷歌一连收购了9家世界顶级的机器人公司包括波士顿动力大有不成功则成仁的决心振奋了整个行业的信心那次我真的相信梦想就要实现了这也是我对近期机器人的热炒比较淡然的原因被反复冰冻的热血很难再燃。也就在那波浪潮中我认识的好几个搞通信的高管去做机器人创业了。结果大家都能猜到Andy一年后就撤了谷歌烧了五年的钱然后是走的走散的散2017年6月波士顿动力卖给了软银宣告了那波机器人浪潮的结束。谷歌这家公司很有意思创新的魄力很足比投入不怵任何人都是“真投入”但硬件领域成功案例很少经常成笑话。不过他们软件上的能力还是不错比如大模型前年还是圈内Loser的代表去年就翻身成英雄了可能这个就是企业的基因。野火烧不尽春风吹又生。这两年机器人的投资又火了而且来势非常凶猛周边又一批朋友杀进去了。我认为这波热潮有几方面的原因。一方面是马斯克入局特斯拉Optimus不断的做广告钢铁侠的号召力是很强的加上黄教主为了卖芯片也在旁边不断的吹泡泡两大牛人站台。更关键的是大模型的突破克服了自然语言交互的难关你说的指令机器人能听懂而且还可以跟你交流了。同时大模型使得机器人模型泛化成为可能上一波深度神经网络所遇到的问题看起来有解。不出意外谷歌再次入局了这次学乖了由Deepmind牵头重点放在机器人算法突破和云基础设施上推出了面向物理世界的运算模型Gemini Robotics显得更靠谱了一些。第三个因素是人口老龄化的刺激发达国家年轻人越来越少未来谁来工作老人谁来陪护都是巨大问题。日本和德国现在已经鼓励企业雇佣至 70 岁以上了能领退休金几年细思极恐。其实还有一个隐性的刺激因素就是俄乌冲突带来的机器人军事用途的期望想想亚述钢铁厂那个绞肉机战场中有了机器人会怎么样俄乌冲突中无人机、无人船、无人车被广泛使用都体现了智能机器人设备的重要性。那么当前机器人的发展进展如何呢虽然波士顿动力机器人Atlas越跑越像人宇树机器人的跳舞和武术都不错小鹏机器人的猫步也走得很好。但这些都只是展示了机器人的运动能力和平衡算法。这种偏程序化的运动是比较容易实现的控制算法电机没有理论难度。是个动物都能跑人的智慧主要体现在大脑的思维以及手上能够自己判断处理复杂任务。机器人领域有一个莫拉维克悖论这个悖论指出对人类来说轻而易举的事情对机器而言却异常困难反之亦然。例如像创意写作、考试这样对我们人类来说相对困难的任务对机器而言可能并没有那么复杂。真正难的是我们日常生活中习以为常的事比如倒水任务对机器人来说就超乎想象的难涉及几十个视觉、语言的认知推理架构要精准识别杯子的位置、判断水的容量再加上杯子有不同的大小、重量倒水时要精准控制力度避免洒水这些琐碎的细节让任务的复杂度呈几何级增长人类的手有几十个高维关节灵活度很被机器人精准复刻。这两年机器人确实取得了较大的进展。随着AI的发展机器人大脑进展相对顺利具备一定的在陌生环境自主感知、决策、执行的能力。在行走、跑跳、空翻、负重、精细抓取如捡玻璃、盘核桃、叠衣服等基础能力有一定的进展。硬件上特斯拉Optimus V3电池能续航8-10小时未来定价在2-3万美元。一些入门级的机器人整机成本降到了20万元甚至10万元以内。目前最关键的挑战还是在智能化泛化不足对模糊指令如整理桌面理解误差率很高复杂场景应变弱。很多机器人完成任务还停留在Demo阶段真正进入复杂环境还无法真正解决问题。马斯克认为机器人的规模发展要达到三个关键的要求被称为“马斯克三问”1、具备类似人类的精细操作能力依赖极其复杂灵巧的手2、拥有能够探索并理解现实世界的人工智能大脑3、并且必须实现大规模量产。目前还没有一家公司能够让人形机器人真正具备实用价值也就是说只能用一辆中型车的价格买到一个大号的玩具。离开规模化商用还有较大的距离。不像AI大模型目前大公司真正ALL IN机器人的非常少都是一些创新尝试。比较坚决的大公司主要是特斯拉根据老黄在演讲中展示的合作伙伴来看目前机器人创业公司主要集中在中、美而中国占据半壁江山。2关键挑战机器人是一项高度复杂的系统工程它深度融合了人工智能、通信、计算、供电、运动控制、硬件工程等多个领域。其研发难度极高主要源于三大核心挑战1.硬件研发门槛极高从关节、执行器到整机结构都需要长期积累与精密工程能力2.现实世界高度非结构化环境复杂多变对机器人的感知、决策与适应性提出极高要求3.真实场景数据极度稀缺难以像纯软件AI一样快速迭代与泛化。下面我对具体的挑战做一些描述这部分有点硬核看着费劲的可以跳过。目前可支撑长期灵巧作业的机械手技术尚未成熟成本居高不下。当前主流的二指夹爪机械手二指神功操作能力十分有限捡个数据线都难。高自由度灵巧手整体方案仍不成熟传统电机连杆蜗轮蜗杆方案在小型化、稳定性上面临巨大挑战使用寿命仅几十万次且成本极高腱绳驱动方案虽轻量化、易集成但寿命仅有十万次量级工程实用性严重受限。近期特斯拉希望通过空心杯电机、蜗轮蜗杆结和腱绳来实现传动。更大的挑战来自操作算法尤其是手部精细操作的控制算法。目前市面上看到的叠衣服、炒菜、抓取水杯等演示泛化能力极差只要更换物体、材质或摆放位置机器人往往就无法完成任务。行业至今尚未研发出具备长序列任务、强泛化能力的模型来稳定支撑手部精细操作。从理论上看机器人模型也应符合Scaling Law扩展定律只要有足够高质量的数据就有望训练出满足需求的通用模型。但现实是机器人领域尚未形成真正意义上的扩展定律因为其复杂度远超纯软件AI因为机器人尤其是灵巧手是软硬深度耦合系统数据与算法对硬件平台高度依赖。当前行业硬件平台不统一、接口不标准直接导致有效数据极度稀缺、难以规模化积累。机器人模型训练对数据量的要求极其巨大行业普遍认为通用机器人所需的数据量比自动驾驶高出1-2个量级。自动驾驶主要在二维结构化环境中学习而机器人要面对的是高维、非结构化、动态变化的三维物理世界。正如OpenAI的Elias Askever所说互联网是人工智能的化石燃料—— 训练大模型时我们可以轻松获取海量文本数据。但机器人没有这样的 “天然燃料”机器人训练依赖的是时空多模态数据电机控制数据、触觉数据、力控数据、真实交互数据几乎无法从互联网获取只能靠真实世界一点点采集。一旦涉及触觉、力觉、精细操作数据需求会呈指数级膨胀。在数据极度稀疏、多模态感知尚未突破的现状下通用机器人何时迎来奇点式突破目前仍无法准确预判。长期方向是明确的随着VLA视觉-语言-动作模型、世界模型与灵巧手控制形成闭环系统机器人将逐步具备理解世界、自主规划、灵活执行复杂长序列任务的能力。当前全球机器人公司都在通过仿真、自监督学习、示范学习、舰队数据采集等方式疯狂制造数据期待在数据与算法层面率先实现关键突破。触觉感知对柔性操作与人机安全至关重要。纯视觉方案存在天然盲区无法感知物体的硬度、弹性、摩擦力等物理特性。触觉感知技术的不成熟不仅严重限制精细操作能力还会带来操作不稳定、易损坏物体等安全隐患。还有一个挑战是机器人个体之间的性能差异即便同样的平台下也会有精度的差别会给算法带来较大的不确定性。另外在模拟环境下训练的算法迁移到真实环境里面如何保证算法的有效性也就是所谓的“跨平台性”的挑战。为每一台机器人单独调整软件堆栈是不现实的只有解决了这个问题才能真正解决模型的通用性、泛化能力和可移植性机器人才能真正普及。其他挑战比如大扭矩问题散热问题供电问题就不一一讲了。我认为硬件的稳健性是机器人技术走向成熟的必要条件这个跟自动驾驶发展非常相识“硬件打地基、软件建高楼” 先通过稳定可靠的硬件平台确立技术底座在这个底座上不断的卷数据发展算法软件能力便会在明确的技术路线上迎来爆发式增长。3、产业路径预测当前机器人产业的状况是有能力做的场景支撑不了规模需求而需求大的场景比如家庭通用机器人能力又远远不足短期看不到成熟的时间表。近期的通用型机器人的销售还是以科研为主或者被一些公司买来做技术展示和宣传比如导购最新也有一些新动向基于聊天互动出现了一些提供情趣价值的简单机器人而真正能够进入生产环节的产品不多。未来五年机器人商业化落地将会是工业先行消费再起。消费级的市场是最有想象空间的机器人进入千家万户像手机一样普及规模可以到万亿规模但前面讲了难度会非常的大。现在普遍的做法就是通过工业场景去催熟硬件与产业链 随着技术成熟然后迁移至消费市场马斯克走的就是这条路近期从小米发布的新闻来看他们也走的是这条路径。我发现机器人的发展可能跟自动驾驶非常相像软硬结合技术方向上也很类似都是从端到端的VLA到世界模型最近很多原来合作做自动驾驶的高校教授都转去研究具身智能了。基于这个假设我判断未来电动车企业比如特斯拉、小米、比亚迪等可能会在机器人领域有较大优势拔得头筹。对于机器人未来几年的发展可以参考斯坦福大学教授罗伊•阿玛拉Roy Amara曾提出过“阿玛拉定律”该定律认为人们倾向于高估新技术的短期影响而低估其长期影响。所以对于未来2-3年里面我们要更保守一些不要受Demo和宣传的影响机器人离开规模商用还有较长的距离。当前机器人产业仍处于早期创新者入场、技术迭代验证的阶段未来2-3年大部分的创业公司都将成为炮灰领先三步成先烈嘛。会逐渐收敛到几家相对大的公司以便获得足够的资金撑过炒作曲线的幻灭期。在这个期间那些卖芯片卖部件的所谓卖铲子的企业优先获得了商业利益。但也要看到有利的一面目前从“模拟到现实”差距的持续缩小这是里程碑式的突破。我们已经可以以超越现实世界的速度运行物理仿真。加速了基于模拟的人工智能算法研发与迭代速度成为通往通用机器人的关键加速器。但对于十年期的发展可以乐观一些。十年后机器人技术将对社会产生颠覆性的影响。我预计在2028年后随着技术成熟度进一步提高首批具备真正商用价值的产品跑通这样有强大供应链能力的大型企业就会大举入局将加速机器人的发展。机器人领域因为数据与算法对硬件存在强依赖单纯做算法模型的公司难以形成闭环也很难建立长期护城河。垂直整合将成为机器人行业的关键趋势。在快速迭代的创新阶段未来能够牢牢抓住灵巧手这一操作核心实现软硬一体闭环迭代以及场景落地与工程化能力突出的公司比较容易胜出。像银河通用这种能够形成数据闭环在产业落地方面有自己独特优势和路径。像宇树科技这种硬件、软件、算法、算力深度一体化才能构建真正的成本优势与体验优势。机器人创业公司要为如何度过寒冬期做好准备。写在最后机器人技术的再度复兴并非偶然爆发而是人工智能与硬件工程长期积淀、持续突破的必然产物。我们正站在一个历史性的转折点上视觉、控制、执行、算力、算法等关键技术正在形成合力让人类第一次真正具备挑战 “让智能体与非结构化世界全面交互” 这一终极命题的能力。人形机器人的演进路径或将与自动驾驶相似注定是一场循序渐进、厚积薄发的长期征程。但我坚信只要整个行业保持坚定的信念、持续的投入与长期主义的耐心清醒认识到这是一场技术持久战我们就终将跨越所有瓶颈最终实现通用机器人的时代梦想。正如我们在电动车、新能源领域所铸就的辉煌一样拥有完整产业链与顶级大系统工程能力的中国必将在机器人这一全新赛道上再度领跑世界引领全球产业未来2026.3.7于深圳