商业化提速，人形机器人行业机遇和挑战并存

本轮人形机器人发展的核心动力源于深度学习、生成对抗网络和多模态AI等技术的突破，这些技术赋予了机器人更强的自主学习和适应能力，使其从机械装置迈向智能体成为可能。

编辑 / 荣格

作者 / CIC灼识咨询执行董事 余怡然

在过去的一段时间内，从业界到资本市场，人形机器人无疑是炙手可热的“明星行业”。2025年被看作是人形机器人产业化的关键节点，随着技术的不断成熟和应用场景的拓展，人形机器人的普及正从科幻走向现实。

Part 1

AI迭代、需求升级与政策引导

本轮人形机器人发展的核心动力源于深度学习、生成对抗网络和多模态AI等技术的突破，这些技术赋予了机器人更强的自主学习和适应能力，使其从机械装置迈向智能体成为可能。

技术飞速发展的前提下，社会智能化趋势扩大了人形机器人的应用范围。在消费端，全球人口老龄化趋势增加了对护理和辅助机器人的需求，消费者对个性化和高质量服务的需求增长推动了接待、教育和健康护理等领域的机器人应用。

在工业领域，特斯拉人形机器人已在工厂内部实现闭环应用，例如自动充电、工厂巡航等，因此人形机器人存在工业场景下简单重复劳动以及在危险场景中替代人类的预期。

在商业领域，人形机器人已逐步切入导购、导览、餐饮服务等场景中，伴随技术的不断进步，人形机器人有望带来更高的效率、更优质的服务以及全新的商业模式。

技术成熟度显著提升，各领域广泛应用前景和商业价值日益凸显，相关支持产业化的政策出台，为厂商进入该领域提供了有力保障。例如，上海将人形机器人作为重点发展的新赛道，加快人形机器人研发和产业化并运营开源开放社区，杭州西湖区启动环大学创新生态圈助力人形机器人产业发展等。这些政策支持都为厂商提供了良好的发展环境，促使更多厂商积极布局人形机器人赛道。

Part 2

人形机器人商用拐点到来

2025年被称为“人形机器人商用元年”，机器人商用之所以被寄予厚望，主要是因为人形机器人进入了与AI大模型协同的关键节点，GPT等大模型的商用显著提升了机器人处理和分析数据信息的能力。

具体来说，GPT等大模型能够生成高质量的合成数据，这些数据可以模拟各种复杂场景和任务，为机器人提供了丰富的训练素材，帮助其在虚拟环境中提前学习和适应，从而提高在真实环境中的泛化能力。同时，大模型还可以对真实世界中的数据进行更深入的分析和处理，提取出更有价值的信息，用于优化机器人的感知、决策和执行算法。

例如在2025年CES期间，英伟达发布了Cosmos世界模型为机器人行业提供了一个集成的AI框架，大大降低了研发成本和时间，加速了机器人技术的商用落地。Cosmos能够创建高度逼真的虚拟世界，机器人可以进行强化学习，不断尝试不同的动作和策略，并根据反馈调整行为，以达到最优的决策效果。

这种基于模型的学习方式可以大大加快机器人的学习速度，减少在真实环境中试错的成本和风险。且其可以促进不同领域的机器人协同工作，通过共享的世界模型提升任务执行效率，实现跨行业应用场景的突破。同时，Cosmos平台为机器人提供标准化工具，简化开发过程，对加速其商用化进程有较大的帮助。

CIC灼识认为，机器人商用的成熟条件包括三方面：一是以3D视觉、触觉感知、多模态数据处理等为代表的技术成熟，从而提升机器人的操作精度与物理交互灵活性；二是机器学习的发展使得AI模型可以结合合成数据与现实数据进行训练，模型训练得到更为丰富的素材，加速机器人商用化的脚步；三是人形机器人作为各地抢抓新一轮科技革命和产业变革的重点布局产业方向，政策支持和产业资源的投入为人形机器人的商用化提供了有力保障。

Part 3

具身智能浪潮将至

目前，从人形机器人发展的几个关键维度来看，成熟度较低的是机器人的“大脑”和“小脑”。在过去的发展中，人形机器人更多地聚焦于硬件+控制板块，注重执行模块的发展，因此四肢发展相对较为成熟。

在具身智能浪潮中，人形机器人需要实现与人类相似的感知、决策和执行过程，并具备泛化能力。这一过程中，感知模块将环境数据转化为机器可理解的形式，决策模块根据环境信息和任务要求规划机器人的行动方案，“大脑”和“小脑”在其中扮演关键角色。如何通过大量数据训练实现泛化，是目前人形机器人亟需突破的核心问题。

另外，研发时间与成本也是一大难题。

研发一款新的人形机器人产品从立项到推向市场一般需要3-4年，时间因产品设计、迭代测试效果等多种因素而异。例如，特斯拉从2021年8月首次展示人形机器人概念，到计划2025年底计划实现量产，经历了约4年时间。对于其他复杂的应用场景或技术突破，可能需要更长的时间才能实现执行泛化，从而实现市场的需求。

研发成本主要集中在硬件关键零部件和软件算法上。硬件主要影响人形机器人的感知模块和执行模块，决定了人形机器人的可靠性、安全性以及感知能力。电机、传感器、减速器、丝杠、控制器等核心零部件产品都是研发重点。

部分零部件，如滚柱丝杠、空心杯电机等，仍存在较高的制造壁垒，国内厂商在供货质量方面与欧美企业存在较大差距。根据CIC灼识的测算，目前核心零部件成本占总成本的比例超50%，因此技术迭代、降本需求也在持续驱动研发。

软件算法的研发投入主要用于开发视觉识别、自然语言处理等智能算法，这些算法是人形机器人决策模块的核心，相当于为其塑造了“大脑”和“小脑”。人形机器人的智能化和泛化所依赖的多模态大模型（如LLM、VLM等），研发和训练需要大量的计算资源和数据支持，成本高昂。此外，部分软件算法需要针对人形机器人的复杂应用场景进行定制开发，研发周期长、成本高。

目前机器人进入市场应用的主要难点在于高昂的成本，以及技术的稳定性和可靠度的问题。中国市场对于机器人的价格接受能力较国外市场低，这使得机器人企业在国内市场的利润空间有限。

目前人形机器人的价格仍较为高昂，特斯拉的Optimus Gen2目前的成本为5-6万美元，规模生产后成本将在2万美元至3万美元之间。鉴于高昂成本的限制，企业更倾向于出海以获取更高的议价能力。同时，机器人商业化在技术成熟度方面仍存在瓶颈，如数据稀缺、模型推理效率及可靠性等问题有待改善。

人形机器人的发展正处于一个关键的转折点，技术的突破和市场的期待为其带来了前所未有的机遇。然而，从技术成熟到广泛应用，仍需克服诸多挑战。随着技术的不断进步和市场的逐步成熟，人形机器人有望在未来的工业、教育、零售等领域发挥更大的作用，甚至最终走进千家万户，成为人类生活和工作的好帮手。