机器人落地应用，最大障碍究竟是什么？

首页

AI资讯

机器人落地应用，最大障碍究竟是什么？

热心网友

转载

2025-12-12

技术与商业如何平衡？

文｜《中国企业家》记者孔月昕

编辑｜马吉英

图片来源｜中企图库

12月6~7日，由《中国企业家》杂志社主办的2025（第二十三届）影响力企业家年会（原中国企业领袖年会）在北京召开。在7日举办的“高峰对话：机器人生产力”环节，松禾资本管理合伙人汪洋、梅卡曼德创始人兼首席执行官邵天兰、逐际动力创始人张巍、千寻智能创始人兼CEO韩峰涛、北京因时机器人科技有限公司CEO蔡颖鹏、心言集团（测测）创始人兼CEO任永亮，就具身智能技术发展及瓶颈、商业化落地等话题进行了深入探讨。

以下为精彩观点：

1.今天的机器人本质上不是一个产品，而是一个项目。我们只能改造环境来适应机器人，而不是让机器人适应环境，现在这是一个非常大的瓶颈。

2.就像触摸屏曾开启全新的交互体验一样，基于类人运动的交互模态也将蕴含许多有趣的变量，充满潜力与机会。

3.本体运控技术已相对成熟，真正的瓶颈在于大脑模型的进化，而其核心缺口是数据。

4.手、眼、脑是协同一体的一整套系统，任何一个环节的缺失都会导致整个系统无法正常发挥它应有的价值。

5.（应用）真正的挑战在于具体执行，如何定义算法与模型、控制端侧成本、保障隐私、获取用户接受度等，这些问题都需在产品层面进行极其细致的设计与平衡。

以下为对话整理（有删减）：

具身智能带来生产力变革

汪洋：从工厂机械臂到家庭扫地机器人，我们正在经历一场生产力的革命，但是机器人生产力在今天到底意味着什么？是效率的极致提升还是能力的全新拓展？请各位用一个具体案例或产品，说明机器人目前最让人惊喜的生产力体现在哪？它解决了过去哪些必须由人完成的真正的痛点？

松禾资本管理合伙人汪洋

邵天兰：当前我们看到的最大进步在部署周期和成本上。去年工业机器人的销量是50万台，上下游所有企业的收入加起来连美的集团一家都比不上，所以整个机器人行业在全球是个很小的行业。

这并非没有需求，问题在于今天的机器人本质上不是一个产品，而是一个项目。机器人的使用需要机械工程师、电气工程师、机器人调试工程师等很多人，花几个月的时间去设计一个定制化方案。本质在于机器人不够聪明，我们只能改造环境来适应机器人，而不是让机器人适应环境，现在这是一个非常大的瓶颈。

理论上，很多事情当前的机器人就已经能做了，为什么没有？就是不经济，没办法用这么多定制化工程师操作。我们为什么要做通用化？因为通用让落地的定制、部署、维护、切换成本极大降低了。

以沙发为例，批量生产可能只需2000元，而定制则要花费2万元以上，机器人行业也是如此。如今机器人在理论上能完成的任务已经很多，但其99.5%的能力尚未释放，我们正通过通用化努力来释放这些潜力。仅在大型制造业，其（对机器人的）需求也是当前机器人市场规模的至少100倍。大型物流市场（对机器人的需求）也是当前的百倍以上。去年机器人销量为50万台，乘以100也只有5000万台。真正的难点在于通用化。

张巍：提到（生产力）这个词，我们惯性的思维是代替人，但我觉得这是个存量思维，这个时代我们需要赋予它一些新的角度。

逐际动力创始人张巍

我认为，AI和具身智能的核心属性大多不在于替代人。如今，无论是在制造企业、初创公司还是高科技公司，在进行机器人早期技术验证时，效率可能已提升十倍、百倍。在此阶段，不考虑可量产性或硬件归属，工具与本体的协同已极大加速了创新进程，这本身就是一个重要的变革变量，是对现有流程的明确改进。

另一方面，我们不能只关注存量，还是要看新需求。从人形机器人的发展来看，它带来了一种新的交互模态：动作。这不同于以往的人机交互，都是靠键盘、鼠标、语音或视频，而是以人的动作为基础的交互方式。这种新模态将催生新事物，而非简单替代旧有角色。就像触摸屏曾开启全新的交互体验一样，基于类人运动的交互模态也将蕴含许多有趣的变量，充满潜力与机会。

韩峰涛：对于具身智能或机器人而言，其生产力的核心范式转移，体现在“机器人”三个字中重点的演变。过去的机器人本质上是机器，虽被寄予走入千家万户的期待，但这类机器人缺乏智能，依赖大量编程、调试和部署，本质上是一种需人操作的可编程专用设备。机器的特点是要人来用，干任何事情、更新任何任务都要人去用机器。一旦人给机器编好程序之后，它就是一个专用机器，如传统的工业机器人与协作机器人。

而具身智能的核心改变就是把机器人的重点从机器变到人。原来机器人发展了60多年，一直不会叠衣服，具身智能发展了一年多就能叠衣服，这是一个核心范式上的转移，如叠衣服、工厂上下料、缝衣服、做陪伴等，从机器变成“人”之后，每一个潜在需求点都会被重构。大家可以合理期望，2~3年之后就能见到各种各样的机器人跑来跑去，为大家服务。

任永亮：什么是生产力？几十年前我们讲“科学技术是第一生产力”，而在今天，它或许已成为唯一的生产力。随着各行各业红利的减退，我们越来越需要从科研、创造与创新的维度来定义生产力。

过去中国享有“人口红利”，如今拥有“工程师红利”，我们希望形成真正的“科学家红利”，这或许是中国未来最根本的发展动力。我们希望通过家庭情感机器人，培养孩子的好奇心，让这样的未来更可能实现。

蔡颖鹏：作为上游核心零部件企业，我们既服务众多本体公司，也直接面向终端用户。我们在实际观察中发现，我们一开始设想机器人的能力非常强，要完成复杂任务，但在真实的工业场景中，由于小批量、多品种、柔性化的生产需求，许多工序仍依赖人工。这往往不是因为自动化无法实现，而是由于传统自动化部署成本高、投入产出比不划算。

北京因时机器人科技有限公司CEO蔡颖鹏

传统机器人部署难度大、ROI（投入产出比）偏低。现在的具身机器人对于终端场景用户来说是非常大的需求，它能够简易部署、快速掌握不同的操作技能，即“一机多能”，这样的作业需求在工业终端场景有非常大的价值。

机器人商业化最后一公里

汪洋：大家在网上能看到各种机器人跳舞、叠衣服、打篮球等视频，我们看到机器人质的飞跃，但距离真正能够使用总是感觉差了那么一口气。你们觉得差的这“一口气”的核心瓶颈到底是什么？工业领域、服务领域等不同的机器人赛道，最需要攻克的技术难关分别是什么？

韩峰涛：“灵巧手”是核心卡点之一，大家可以看到特斯拉的硬件部门大概有50%~60%的人在做“灵巧手”。

对于机器人落地“最后一公里”这个事，首先要区分落地什么场景，如严肃生产力和陪伴提升人生活品质两种场景。

“严肃生产力”几乎所有人都能看懂——机器多少钱、提升多少质量、降低多少管理成本、算算ROI，只要能算过账来很快就能把量铺上去。但是严肃生产力的场景都很难挣钱，反而是陪伴等让人们的生活更美好的产品，落地会更快一点，已经快到临界点了。如果作为严肃生产力，具身智能的商业化还得再等一两年。

张巍：人形机器人包括模型能力、本体能力、应用系统能力，目前关注集中在模型层面。然而，要实现稳定可靠的交付，操作系统（OS）至关重要，这点当前关注较少。本体运控技术已相对成熟，真正的瓶颈在于大脑模型的进化，而其核心缺口是数据。

目前是通用数据和专用数据两者皆缺。未来很可能先积累起专用数据，正如互联网的发展是分阶段实现的，机器人领域也将逐步推进。在数据尚未普及和通用之前，各垂直场景已开始落地应用。此外，我个人觉得行业真正要发展，创造用户价值更重要，成本是次要的。

蔡颖鹏：本体现在肯定离最终预期有差距，但这不会成为真正应用的核心瓶颈，它可以在应用过程当中不断地去迭代、打磨，逐渐接近最终想要的效果。

当前真正影响落地应用的是垂直数据。过去做语音、图像在互联网里面有很多现存的数据，但机器人操作上没有任何数据，这也是现在机器人应用最大的障碍或缺口。

手、眼、脑是协同一体的一整套系统，任何一个环节的缺失都会导致整个系统无法正常发挥它应有的价值。此外，“灵巧手”作为本体里面硬件研发难度最高的环节，目前是阻碍包括特斯拉和国内很多机器人应用的关键模组。虽然它尺寸空间占的不大，但是它的技术难度和复杂度，需要更多的投入。

汪洋：你们认为在未来3~5年，最确定的能够规模化落地的商业场景在哪？从现在的角度来看，阻碍这个场景规模化落地的最大瓶颈，是技术本身的成熟度、成本，还是商业模式的不确定性、用户信任的缺乏？

邵天兰：先排除一个错误答案，肯定不是成本。

梅卡曼德创始人兼首席执行官邵天兰

谈到机器人的规模化应用，可以从小、中、大三个规模层级来看。小成规模，以当前全球最大的工业机器人企业为例，年出货量不足10万台，整个行业合计约50万台。虽然10万台与百亿级的想象空间差距很大，但它已是工业机器人领域的全球顶峰。中成规模可乘以十倍，大成再乘以百倍，分别对应百万台和千万台量级，相当于小家电乃至汽车、手机的市场规模。在3到5年内，中成规模尚存不确定性，但小成规模的实现是完全可期的。

如果做到中成的话，就要在应用场景、行业，甚至整个模式上有一些突破，这包括机器人的自主性、感知环境、理解环境的能力的提升，可能带来很多副作用。因为场景一旦丰富了，机器人的异常程度必然指数级提升，从安全性、人机交互到快速适应性等很多问题都会出现。这里面很关键的一点是上下限的问题。我们平时会去做上限的展示，但是机器人部署时它的下限很重要，比如我开车的上限可以去F1争冠军，但下限如果是撞到马路牙子上，那不行。

今天很多系统的上限已经足够高了，但是下限不够高。总结一下，只看制造物流场景，做到十万台、几十万台级别的小成，是未来三五年内一定能做到的，做到中成则有待于手、机器人大脑等进一步提升。

张巍：具体哪些场景将实现具身智能落地，这一问题与AI技术的渗透逻辑相似——它并非突然催生某个全新行业，而是像血液一样逐步融入现有各行各业的生产与生活之中，是一个持续且不断加速的过程。

如果非要聚焦具体场景，那么大多数工业场景的全面落地或许要三年，但在垂直细分的小场景中，不追求一个模型解决所有问题，结合新技术逐步解决其中七八成的问题是有可能的。总体而言，每个场景都有落地的可能。

目前最主要的原因还是技术成熟度、可靠性不够。我转述一下天兰跟我说的，对他们的场景而言，（机器人）做60分和70分去落地都是不及格，跟0没区别。

任永亮：机器人可以分成在厂里的、在家里的，在厂里的我不太了解，但是在家里的我觉得又分两种：动手的，动嘴的。动手的三五年内很难成熟，动嘴的我认为三五年内很大概率可以落地。

心言集团（测测）创始人兼CEO任永亮

因为动手涉及到物理学非常精妙的定律，对仿真、数据收集等各方面要求都特别高，但是动嘴有大模型这样的背景，核心是怎么样把它的能力通过感知和控制发挥出来。当然我们也不是说一点动作都没有，只不过物理动作相对简单，核心在于支撑情绪价值，而其中最关键的是产品定义能力。当前我们并不缺乏宏观方向的认知，例如明确要融合VLA（Vision-Language-Action的缩写，视觉-语言-动作模型）与物理AI，坚持重视情绪价值。（应用）真正的挑战在于具体执行：如何定义算法与模型、控制端侧成本、保障隐私、获取用户接受度等，这些问题都需在产品层面进行极其细致的设计与平衡。这一定义过程，直接决定了产品最终能否成功推向市场。

通用跟专用机器人的关系

汪洋：前些年大家做机器人更多是针对某一个具体场景，即专用机器人。这两年大家看到更多的是具身、通用型的机器人，这个机器人不一定是人形，包括各种形态，但它们的共同特性是通用。你们认为未来通用机器人跟专用机器人会是取代的关系还是共存的场景？

邵天兰：洗衣机其实也可以定义为一种专用的机器人。洗衣机、洗碗机、割草机、收割机、包饺子机等，它一定不是取代的关系，而是极大的拓展。

通用机器人从长远来看也很难取代（专用机器人）。因为在很多的场景里面，要么是机器做不了，要么是不值当去做一个专用设备。我觉得它们之间的互补性是很强的。

张巍：二者肯定是共存的，因为它在解决两个不同的需求。专用机是软硬件一体、针对特定任务进行极致优化，适用于规模化场景；而通用机则面向长尾、零散且不值得专门开发（专用机）的需求。

人形机器人是一种通用载体，其价值并不在于单一任务的极致效率，就好像iPhone也不止用于通话或邮件，而是集成多种功能于一身的生态平台。

人形机器人的商业化路径也与专用不同，它并非靠极致优化某一项任务——单独做任何一个任务都不需要人形。我叫它“吸星大法”拐点，即本体上的App多了，达到一定拐点之后，它做的事情就多了。

韩峰涛：专用和通用要分软件和硬件，对于硬件来讲肯定是专用的，只是专用面临的市场大小不一样。但AI或者大脑是通用的，具身大模型这一波最大的机会可以参考大语言模型，像豆包可以跑在手机上、电脑上、平板上，背后的模型都是一个，但是体现在硬件形态上，根据应用的场景不一样会发生变化。将来软件大脑会通用，但是硬件会面向不同的场景做专用。如果专用的场景足够大，像家用机器人、服务机器人，大家可能会说这是个通用机器人。

千寻智能创始人兼CEO韩峰涛

任永亮：通用和专用一定都是共存的，但是可能关系没有那么美好，二者之间一定存在博弈关系。每个公司都希望让自己的产品越来越通用，但是专用一定有它自己的独特生存之道。就像智能手机一定侵吞了数码相机的市场，但是今天的数码相机仍然活着，因为它走了另一条路线。

蔡颖鹏：结论非常明确，肯定是通用、专用共存，人的能力并不是那么强，机器人完全可以做到“超人”。自从人发明了工具以后，人手的能力或者很多作业能力是下降的，当前的人类并不是最优或者最强的载体。机器人通过设计和训练，完全可以具备很多人不掌握的技能或者做人做不了的事情，所以它的通用性一定会更强。这里面就取决于到底给它多少技能，或者有多少App在里面。

来源:https://www.163.com/dy/article/KGIO4H0L0550ANUU.html

免责声明：游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。

上一篇：豆包版AI手机：是深度变革还是炒作噱头？下一篇：GPT-5能否反超谷歌？纽约时报解析OpenAI技术瓶颈