金年会,金年会官网,金年会平台,金年会登录,金年会网址,金年会网站,金年会官方网站,金年会体育,金年会数字站,金年会app,金年会电子娱乐,金年会体育赛事,今年会体育,金年会最新网址入口,金年会靠谱吗谈及产业现状，他援引工信部数据称：“国内人形机器人整机企业已超140家，发布产品达330款，行业已从实验室炫技、Demo展示，进入工程化、场景化竞争的下半场。”他回忆，2024年到2025年初，行业焦点还在比拼机器人走路是否自然，如今已能完成“飞檐走壁”般的高难度动作。“本体灵活性已达到实用化阶段，接下来要比的，是谁的干活能力更强。不仅在国内比，更要与海外头部企业比，看谁能在部署态真正落地。”

　　针对核心零部件，彭志辉介绍：“关节和灵巧手决定了机器人的运动和操作能力上限，也占据整机成本的绝大部分。如何科学做好关节系列化规划，是一个标准化流程，也是非常考验系统设计能力的一点。”目前公司将所有产品线五大系列、近10款产品全部规整到8款系列化关节设计上。“这8款关节用在我们所有产品上，能够满足所有部位的关节需求。这就是系列化、标准化带来的收益。”

　　灵巧手也是一个复杂度非常高的核心零件，它的难点一方面是需要把10~20个自由度的运动部件结构，塞进比人手手掌还小的空间；另一方面是对灵巧手的高维感知能力要求非常高，最典型的就是触觉。“工业场景中接近80%人类做得很好、但自动化做不好的工序，都和触觉强相关。装配工人通过手感把零件拼起来，咔嚓一声觉得装好了这种信号如何用数字描述？这是行业面临的瓶颈之一，我们正投入大量研发精力，期待未来能够收效。”

　　在场景落地策略上，彭志辉提出了“沿途下蛋”的策略。他将任务维度划分为“场景复杂度”和“任务复杂度”，认为当前人形机器人的最佳切入点是“在简单场景做复杂任务”。“比如在结构化的工厂环境里，执行高自由度、高维感知的复杂操作。”他分析道，虽然自动驾驶是在复杂环境下做简单任务，但人形机器人与自动驾驶的终局是一致的，即在复杂环境下完成复杂任务，“目前我们已在文娱商演、工业制造、物流分拣、安防巡检等八大典型场景展开应用，只有真实场景才是验证可靠性、迭代系统的最有效途径。”

　　谈及为何坚持“人形”路线的底层逻辑，彭志辉给出了一个形象的比喻：“Computer Use（电脑使用）是数字世界的人形接口，而人形机器人就是物理世界的通用接口。”他解释说，正如现有的软件系统是为鼠标键盘设计的一样，整个物理世界从门把手高度到工具形态都是为人类身体设计的。“既然环境是围绕人类构建的，那么AI要实现最大化的通用性和兼容性，其终端形态大概率也要长得像人。它未必是效率最高的，但一定是兼容性最强的。”他预判，未来人形机器人走进家庭时，产业规模将是“手机数量乘以汽车价格”的级别。

　　最近，从Agent到MCP到Q，再到Open Cloud，几乎每个月都有颠覆性进展。大模型集群、海量数据、开发者生态，这一切都在让AI在屏幕里、在云端变得无所不能。这也让大家自然而然地会往它的延长线上去看，什么时候AI能够在物理世界发挥巨大价值，能够帮我们干活。这就是我们未来十年要挑战的更难命题，完成物理AI的规模化，从数字AI走向物理AI。正如我们从功能手机走向智能手机的转变，通用机器人区别于之前的专用机器人，不再局限于单一任务，而是能够灵活适应多种不同工作场景，进行广泛应用。通用机器人代表着具身技术的一种更为先进的通用形态，能够通过AI赋能，实现自主学习、多任务切换、长程任务的环境适应等。这种从专用到通用的跨越，为未来各行各业的应用带来了巨大可能性。

　　今年1月21日，工信部在国信办发布会上披露的数据显示，国内人形机器人整机企业已经超过140家，发布的产品达330款。这意味着整个行业已经从实验室里的炫技、做Demo，正式进入工程化竞争、场景化竞争的下半场。2024年到2025年初，大家还在比拼谁家的机器人走路更直、更自然，到现在我们已经能实现机器人飞檐走壁，人能做的工作机器人能做，人做不了的工作机器人也能做。本体的灵活性已经达到一定的实用性阶段，接下来我们要比谁的干活能力更强，不仅在国内比，还要跟海外具身智能头部企业比，看谁能在部署态真正落地。具体到企业实践，我们智元总结出一套可落地的工程范式一体三智。

　　更关键的是，机器人不同关节部位的各种规格指标差距非常大，动态范围非常广。比如手指的扭矩和大腿的扭矩，需求完全不在一个量级。但机器人自由度高，不可能为每个关节单独设计一款对应规格的产品，这会是量产的灾难。所以如何科学做好关节系列化规划，是一个标准化流程，也是非常考验系统设计能力的一点。比如我们在实践中，把所有产品线款产品、五大系列，全部规整到8款系列化关节设计上，这8款关节用在我们所有产品上，能够满足所有部位的关节需求。

　　触觉在工业干活领域落地起核心作用。我们分析过大量工业作业场景，也实地走访客户、去工厂看每个工人的操作，得出的结论是，接近80%人类做得好、传统自动化做得不好的工序，都和触觉有强相关。比如装配，很多流水线上的工人会通过手感，也就是触觉把两个东西拼起来，听到咔嚓一声就知道装配好了。这种咔嚓一声怎么用数字描述，怎么和传感器信号对应起来，就是触觉能体现价值的地方。但这里的瓶颈在于，触觉传感器的技术路径还没有收敛，没有标准化。我们对比视觉，视觉是先有标准的传感器技术，比如CCD、CMOS，再有标准的数据格式，比如JPG等，然后有标准的数据集，比如非常有名的ImageNet，之后才催生了各种深度学习模型的百花齐放，最终在各个场景广泛应用，这就是标准的价值。当前触觉在传感器层面还没有形成标准，硬件也没有收敛，比如有基于电容的、基于电感的、基于压电效应的，还有基于其他技术的。

　　这是目前的一个瓶颈，我们也在这方面投入了大量研发精力，希望未来能看到好的收效。如果说硬件是躯体，那AI就是机器人的灵魂。我们现在把机器人的灵魂主要分为三个领域，就是运动智能、交互智能、作业智能。这里视频展示的是我们刚刚发布、马上要上市的一款全尺寸机器人，它的动态性能非常强，这体现了我们运动智能的目标，最简单的就是站得稳、走得稳、能蹦能跳，多态性足够强。2024年以来，整个行业包括学术界、工业界，在运控领域的进步肉眼可见。这主要得益于三个方面：一是整体算法范式的转变，从传统的模型驱动，也就是所谓的NPC，到后来强化学习RL的范式转变；二是类似于SSA这种仿真框架的普及，使得大规模并行仿真和训练成为可能；三是前面提到的关节技术收敛，新型关节带来的低难度控制模式。这些综合收益，使得我们整体的运动智能得到突破性提升。

　　同时，各种复杂动作的实现，对模型训练要求非常高，需要非常专业的AI背景和实操训练技巧，才能实现一些复杂动作。我们为了进一步降低模型训练难度、降低开发门槛，以此丰富创作内容，提出从最早的科研教育实验室的开发态，走向创作态，最终到部署态。针对创作态，我们开发了一些好用的工具链，比如去年发布的灵创平台，它把整个基础动作训练的流程简化到只需上传一个视频。就像抖音一样，拍一段人类跳舞或者做各种任务的视频，上传到我们平台，它会自动完成动作关键点检测、动作迁移、IL训练、推理部署等所有流程，实现全自动化，这是一个非常好的降低应用门槛的工具。

　　人形机器人之所以有望成为未来的智能基础设施，不是因为它长得像人，而是因为它是第一次把情绪价值和劳动生产力，统一到同一个可规模化、可进化的物理终端载体中。我们可以举一个最近的例子，大家都知道“问界到小龙虾”非常火。2025年底大家还在讨论哪个模型更聪明、哪个模型编程能力更强，但到了2026年初，这个话题几乎迅速收敛到一个关键词，就是ComputerUse，也就是电脑的使用。简单说就是让机器人能够自己操作电脑，比如下载文件，它能自己操作电脑、自动化完成任务。

　　最后我想用三句话结束今天的分享：第一，具身智能的中局是基础设施，而非单点产品；第二，物理AI规模化的关键在于数据闭环、可靠性工程、可运维能力等形成标准；第三，人形机器人通用能力的突破，肯定来自于全行业的产业迁移和生态共建。标准化不仅是技术规范，更是产业落地的加速器。未来我们智元非常愿意把一线实践中的一些数据处理方法、评测体系、运维经验，和整个行业一起沉淀为可复用的方法论，共同加速把AI系统系统性地引入物理世界。