《2025人形机器人与具身智能产业研究报告》数据显示，2025年中国具身智能市场规模预计达52.95亿元，占全球份额约27%；人形机器人市场规模更有望突破82.39亿元，占据全球半壁江山。中国在人形机器人领域正在积极布局，2025年已有超100家相关企业，融资总额超过百亿元，量产有望突破万台。其中，工业、服务等细分赛道成为资本追逐的热点。

在热潮下，解决人形机器人的一个个问题仍是产业迈向发展“深水区”的关键。

▍热点下的新问题

虽然部分人形机器人出货量已经千台，但有投资人指出，人形机器人的这一阶段的爆单，很大程度上并非场景真实需求的体现，本质上是热钱叠加政策带来的泡沫，目前产业对人形机器人和具身智能的心态还是fomo（错失焦虑）。当客户采购后真的尝试把机器人耦合进场景，可能会发现和当初的设想完全不一样，这时候就一定会有泡沫和滤镜的破碎，会带来一波产能的过剩和闲置，返修比例就成为厂商极大的拖累，对于硬件和质量、供应链管理的考验会加大，因为新技术从产生到具备普适性都逃不过Gartner的技术成熟曲线路径，泡沫是产业实现真正理性前最后的黑暗。下半年的批量交付能力不足、场景有限等方面因素可能导致阶段性波动。

“人们往往高估科技行业一年取得的成绩，又往往低估十年取得的成果与艰难。”近期在上海举行的一场人形机器人峰会上，一位行业专家如此感慨。事实早已证明，创新是个漫长的过程，人形机器人在现实中每前进一步，都需要工程师、投资人、全社会坚持走正确的路、做正确的事，耐住性子，在长期投入与坚持中结出硕果，但这对于全社会的资金、人才流转是一个动态考验。

人形机器人也不可能仅凭融资生存，未来的现金流很大程度上决定了在下半年能走多远。专家介绍，当前，部分人形机器人企业卷技术迭代、卷股权投资、卷宣传策略，估值已经相对处于高值，这是不利于产业健康发展的。虽然资本市场需要不追求短期收益、更重视长期回报的“耐心资本”，但资本也害怕企业暴雷，科技创新更需要面向市场需求，扎扎实实推进技术进步的“耐心企业”。

供应链问题也是部分专家认为需要持续培养的关键环节。由于人形机器人赛道忽然之间爆火，让背后的供应链也走到前台，其中不乏上市公司。但对于这些公司来说，最稳健的现金来源短期不会来自人形机器人行业。要穿越周期，它们终究还要靠商业化更成熟的客户。服务这些客户也是当下更重要的课题。人形机器人如何维护与供应链的关系，持续共同开发新产品依然是当下较大的考验。

临近新一轮毕业季，有专家也提出对行业人才的担忧。因为人形机器人乃至具身智能行业，截至目前，从业人数也仅有数万人，这还包括高校硕博，参考汽车行业几十万人的从业者数量，目前行业的人才依然是巨大瓶颈。部分大厂开出超出人形机器人行业两倍的薪资挖人，更进一步加剧了这种人才冲突问题。

北京具身智能创新中心总经理熊友军就对我们提到，具身智能器人本体、运动控制和具身智能人才急缺，目前做法大多是先从其他行业找相近的人才再做培养，同时加强全球高水平人才的招聘力度。企业应聚焦高端芯片、真机数据采集等人形机器人核心技术上的突破，推动统一标准建立，从而减少在技术开发中的重复劳动及投入。

纵观目前多数初创企业特点，由于人形机器人技术路线趋于收敛，产业链成熟度提升，业界孵化出的国产人形机器人公司迭代和发展速度，远高于此前机器人本体发展，人才也呈现较强的交叉性。但大多数人形机器人企业没有意识到，产品未来的发展还需要跨学科、跨领域的协同创新，避免低水平重复。中国科学院院士张钹认为，面对广阔市场，产业链企业可以根据自身优势，选择适合的细分优势领域进行深耕，避免一窝蜂地涌入同一市场。

▍老问题犹存

人形机器人落地难、标准混乱也是多位专家提出普遍存在的老问题。浙江省发展规划研究院产业发展研究所高端装备研究室高级工程师方菁菁就提到，由于公共开放平台缺失，人形机器人始终存在“无法验证”“无地测试”窘境，性能综合性评价体系尚未建立，人机交互、续航功耗、关节疲劳、越障避障等测试检测能力还未形成，无法定义和检测多家企业所提出的精度“高”、动作“灵活”、产品“好用”，在设计、概念验证、打样、小试方面也缺乏公共服务平台，影响产业化发展进程。

目前大多企业还缺乏对于场景细节优化的能力和链路，大多实际能力与吹嘘的DEMO存在差异。“做家务这类场景，看似简单，其实更难，因为需要更强的任务理解能力。”深圳市人工智能与机器人研究院常务副院长丁宁举了一个例子：如果机器人在倒咖啡时能自发“抖一下手”，是因为它根据自己的经验理解知道这样才能让残液流出，而不是人在后台教给它这个动作——这才叫具备真正的任务理解能力。

有专家认为，当前人形机器人已经迎来“百团大战”，AI大模型的应用正在重塑机器人的“大脑”，但大脑端仍然无法摆脱大模型固有的多模态融合难度大、高质量训练数据稀缺等问题，同时面临缺少统一底层控制基座，不同系统模块对接调度难度大等具身智能技术特有的问题。“目前，无论国内还是国外，这类从任务到执行的能力都还没有突破，企业都在谈类似VLA的先进技术方案，但实际目前还没有太好的融合突破路径。”湖北某咨询公司负责人提到。

多位专家表示，智能水平提升慢，与难以获取高质量数据有关。“数据基本上可以分为真实数据和仿真合成数据两大类。真实数据质量高但数量少、成本高，仿真数据量大但质量不足。”北京大学助理教授、银河通用创始人王鹤表示，高质量真实数据缺失，已成为制约产业发展的一大瓶颈。“我常举这样一个例子，‘你只看别人游泳，能学得会游泳吗？”

“数据对于人工智能的意义，就像石油之于工业。数据问题解决，算法和模型才有可能真正进化。”清华大学交叉信息研究院助理教授、星海图联合创始人许华哲也认可数据稀缺性问题，其称当前很多机构正在努力，比如提升遥操作（人类操作机器人收集数据）效率、优化仿真质量、建立高质量标注系统等。“未来谁能在数据质量与规模上实现突破，谁就有可能在产业发展中形成决定性优势。”这也使得业界做遥操作与动捕设备的企业正在增多。

有专家指出，短板还主要集中在智能计算与高精度部件领域。“目前国产芯片在算力和轻量化方面与国外仍存在差距；国产多芯片堆叠方案在散热和体积方面存在问题；部分高性能传感器、直线关节所需的滚珠丝杠、轴承等精密部件，在精度和寿命上也仍需追赶。”浙江人形机器人创新中心首席科学家、浙江大学求是特聘教授熊蓉介绍道。

“人形与具身智能在技术层面仍存在几个难题没有解决，”方菁菁就提到，一是硬件门槛高，呈现“非标化”“高成本”。人形机器人核心硬件还没有完全进入成熟期，各家人形机器人采用“非标化”部件，器件接入方式和通信交互方式多样，生产成本居高不下。二是软件算法难，亟须多模态融合、高性能提升。小脑端，泛化性不强、灵活度不高，无法满足工业制造和特种服务等场景快速高爆发移动、高精度技能作业、移动操作协同等要求。

有投资机构认为，宇树、天工机器人的成功证明了，人形机器人迈向“下一步”，关键还是突破核心运控技术。目前人形机器人构型仍在探索阶段，控制系统对机器人中使用的模型的敏感性、人机交互的重要性正在提升，企业需要改进仿真环境和接触建模技术。“更好地理解人类动作可以应用于模型预测控制、HRI和仿生动力学等领域，感知-决策-规控的算法实现能力决定产品是否能完成良好的动态控制，而识别区分不同动作的特征可以增强机器人的表现力和功能性。”上海某资本对我们解释，业内运控工程师目前薪资却已经来到高值，对企业的研发成本造成了很大考验。但是外行看热闹，内行看细节，从本质来看全球真正拉开优势的架构还没有出现。

也有专家提到，人形机器人可以说是传统人工智能的“升级版”，它的模态更丰富，不仅要理解语言，还要理解三维世界，理解物理规律。这意味着不仅有“脑子”(计算能力)，还有“身体”(物理实体)，能够感知环境、做出动作，甚至像人一样学习和适应，但目前人形机器人还远未达到能力的“最大公约数”，塑造差异化优势越来越重要。

多位专家建议，加强通用大模型、动力学模型以及控制、多智能体协作等“根技术”的研究，积极探索基础理论，跨界研究新材料、新工艺、新结构等，都需要持续进行。同时，最好社会还能提供更加丰富的应用场景，帮助人形机器人尽快适应“生活”环境，才能帮助人形机器人下半场的筛选出真正能够跑出的企业。

你如何看人形机器人当下的发展，还有哪些问题仍待解决？欢迎评论区留言讨论。

更多关于人形机器人赛道深度文章可在“人形机器人发布”公众号中查看，欢迎前来关注。