在人形機器人行業，每一次技術討論都有可能成為未來格局的預演。一場以“大小腦離成熟還有多遠？”為主題的圓桌，將人形機器人行業最前沿的爭議與共識攤開在桌面，六位來自不同細分賽道的嘉賓——包括本體廠商、零部件供應商、大模型研發者、作業系統代表等，直面行業最核心的問題：在資本狂歡與落地壓力的雙重夾擊下，人形機器人的“大腦”與“小腦”究竟走到了那一步？主持人復星創富董事總經理江玉華以20年機器人行業經驗，率先為這場深度思辨定調：泡沫終會回歸理性，但當下我們必須回答，人形機器人究竟能做什麼？當前卡點在那裡？這是一場意義遠超普通技術交流的圓桌。當行業從表演式Demo轉向任務級落地，大小腦的協同成為決定人形機器人能否真正走進工廠、家庭和商業空間的關鍵。2025年，人形機器人的能力邊界在那裡？江玉華開場即拋出尖銳的一句話：“我們原本希望機器人去幹‘苟且’的事，讓我們追求‘詩和遠方’，但現在似乎是反過來的。”其觀察精準擊中了當前人形機器人落地場景的尷尬現實，這句話轉換成問題就是：2025年的人形機器人，究竟能完成什麼工作？嘉賓們的回答高度一致，卻又暗含分歧。華成工控董事、機器人行業總監杜曉磊開門見山：“人形機器人目前還處於只能提供情緒的階段，比如表演和互動。”在他看來，今年大火的舞蹈表演、互動展示等場景雖能吸引眼球，但距離解放生產力仍有差距。機器人對非結構化場景的識別能力和精細操作遠未達標。杜曉磊的判斷，揭示了當前技術與企業期望的落差，行業渴望替代人力，但機器人仍停留在“展示品”階段，這背後是泛化能力不足的硬傷。華成工控董事、機器人行業總監杜曉磊RoboScience創始人兼CEO田野則從技術維度拆解這一問題，他將人形機器人的能力分為移動和操作兩大類股。其中，“移動”已接近工程化解決，但“操作”仍卡在資料泛化上。“2025年，物體的泛化能初步看到成效，比如讓機器人抓取不同形狀的物品，但任務泛化還需時間。”田野強調，泛化能力取決於資料規模與架構創新，而當前資料積累遠未滿足需求。這種分類討論的方式，為行業提供了清晰的進階路徑：先解決單點任務，再攻克複雜互動。浙江人形機器人創新中心聯合創始人宋道靈從落地場景補充道：“目前有持續付費意願的場景只有表演和教育，在工業和服務業場景中，機器人效率僅有人類的20%-30%。”他的觀點點破了行業尷尬——客戶願意為表演這類“眼球經濟”買單，卻對功能性應用持謹慎態度。值得注意的是，宋道靈在此處還提到北京、上海等多地正在搭建資料中心，這也暗示了國家層面對基礎設施的重視，但至於如何將宏觀投入轉化為企業級效率，仍是未知數。浙江人形機器人創新中心聯合創始人宋道靈埃斯頓酷卓CMO瞿曉麗則從工業視角指出，其人形機器人“自出生以來就沒有做過唱歌跳舞的事”，而是聚焦於搬運、上下料等工廠中的體力型任務，但在靈巧操作、觸覺感知等問題仍待解決。她強調“有限場景的通用任務”是近期可行路徑，而非盲目追求泛化能力。埃斯頓酷卓背後站著的正是工業機器人頭部代表埃斯頓，他們的選擇體現了傳統機器人廠商的優勢，依託現有場景積累資料，而非從零建構通用底座。這種場景驅動型策略顯然更符合製造業的務實基因。星匯感測總經理顧慧昕以家裝作為比喻，人形機器人的能力可分“硬裝”（如舞蹈、導覽）與“軟裝”（如倒水、搬運）。前者已成熟，後者因需力控與不確定性互動而進展緩慢。這一比喻揭示的正是任務複雜度的本質：人形機器人與物理世界互動的可靠性，是區分“演示級”與“任務級”的分水嶺。2025人形機器人的能力地圖逐漸清晰，其正介於表演藝術與初級工業應用之間。當行業沉迷於跳舞、表演、跑步時，真實需求卻在悄然轉向，能否替代人力創造經濟價值，才是人形產業鏈企業們2026年要回答的問題。星匯感測總經理顧慧昕正如圓桌中隱含的共識：情緒價值是入口，但生產力價值才是出口。“大小腦”的落地，卡在那兒？若說機器人的能力邊界是現狀，那麼“大小腦”的發展則決定了未來速度。然而當討論轉向“大小腦”落地卡點時，圓桌氣氛驟然尖銳。作為“小腦”廠商代表，杜曉磊則認為運動控制已基本滿足當前需求，瓶頸在於大腦模型與真實世界的互動能力。他指出，工業場景的非結構化環境對感知-決策鏈路提出極高要求。反駁其“小腦無瓶頸”觀點的，是“大腦”代表方。田野承認，當前人形機器人大腦發展的確緩慢，但小腦演算法在複雜環境規劃上同樣無法滿足新需求。傳統規控演算法已遇瓶頸，“大小腦”協同正面臨一個新命題：當智能水平提升，控制演算法需從執行者的角色，升級為協作者的角色。RoboScience創始人兼CEO田野宋道靈與國訊芯微CTO蔣琛則將焦點轉向“標準化”。宋道靈認為，當前感測器配置、本體構型尚未統一，進而導致軟硬體協同效率低下。他暗示，過早收斂可能抑制創新，但過度分散則推高成本。蔣琛的發言更具衝擊力：“當前資料採集中心已經成為一個政績工程，異構的人形機器人資料無法復用。”他指出，真機資料積累緩慢，而合成資料又缺力學等多模態支援，導致模擬與真實世界割裂，這背後，實則是標準化缺失的惡果。對此，蔣琛進一步提出“資料收斂”的概念，若不統一資料標準，那麼海量採集也不過是資源浪費。他以疊衣服任務為例，對於一家大模型公司而言，可能僅需採集200個小時的資料，“你采8萬小時的疊衣服資料，其實對他來說沒有意義。”國訊芯微CTO蔣琛這一觀點也戳破了行業“資料越多越好”的幻覺，強調了採集質量優於數量。企業們的標準化訴求，折射出的正是新興行業早期階段的典型特徵——各自為戰，重複造輪。我們並非沒有歷史參考，新能源汽車發展初期也曾經歷電池標準之爭，若人形機器人無法在硬體、資料層面上，成本下降與量產落地將遙遙無期。另一邊的本體廠商，也試圖在理想與技術之間尋找平衡點。瞿曉麗指出，“大小腦”卡點正影響人形機器人商業化落地。大腦的決策存在延遲與不確定性，小腦則難以支撐長流程動作。她透露，埃斯頓酷卓正針對工業場景最佳化資料集與小腦控制，嘗試突破卡點。這種“不等技術，主動最佳化”的選擇正體現了本體廠的生存邏輯。埃斯頓酷卓CMO瞿曉麗綜合來看，大小腦的卡點在於技術與生態問題的疊加。技術層面，大小腦存在協同問題；生態層面，資料與硬體的非標準化拖慢整體進度。破解之道，在於全產業鏈協同。2025年，大小腦的競爭將從技術單點轉向生態協同，誰能率先建構開放體系，誰就能搶佔賽道主動權。到底誰在拖後腿？關於“本體設計、零部件與模型，誰在拖人形機器人後腿？”的議題，將矛盾指向產業責任分配，嘉賓們的立場反映出了產業鏈各環節的博弈與依存。顧慧昕坦言，六維力感測器存在價格高、批次穩定性難以保障等短板，且本體公司更願意與汽車零部件商合作，因其是成熟產業，產品批次穩定性，資金實力較強，更關鍵的是，它們具備2-5年長周期服務能力，而人形機器人零部件商尚未建立同等的信任。這一對比點出人形機器人供應鏈的稚嫩，同時反映了高端製造的通病，技術壁壘高，但市場規模未起，成本難以攤薄。瞿曉麗代表本體廠“訴苦”，零部件價格居高不下，導致本體難以突破10萬元的天花板。她呼籲零部件廠商在量起前給予支援，而非緊盯短期利潤。這一矛盾涉及到在行業早期，產業鏈風險共擔的難題——本體要降本，零部件要盈利，二者的博弈拖慢整體進度。宋道靈引入了獨特的視角解讀，拖後腿的評判標準因角色而異。如果判斷主體是資本方，他們看重利潤增長，零部件相對容易實現利潤增長，本體沖收入，大腦難見回報，這就會導致資本預期失衡。如果判斷主體是客戶，他們更看重功能實現，因此優先順序可能相反。宋道靈的視角揭示的是：技術演進邏輯與商業回報邏輯，並不總是一致。杜曉磊則將問題歸因於基礎科學，比如材料學等底層突破未至，拖累了整體進展。其視角更為宏觀，同時也在提醒行業，人形機器人的終極瓶頸可能在實驗室，而非工廠。所以，到底是那一方在拖後腿？答案實則是“相互制約”。零部件價高因規模未起，規模未起因場景未通，場景未通因智能不足，由此形成死循環。解決之道或是分層競爭：大模型企業攻技術前沿，本體企業聚焦場景，零部件廠商專精模組化。2026年，人形產業鏈企業需明確自身在價值鏈中的位置，避免盲目求大求全。此外，宋道靈提到的資本角色亦需重視，資本逐利可能會扭曲技術路線，但合理引導下，可成為資源調配的槓桿。小結人形機器人的未來，不會誕生於一場圓桌，但這場圓桌暴露的分岔口，正是行業成熟的必經之路。回到這場圓桌的主題，也是最核心的問題：大小腦離成熟還有多遠？嘉賓們的回答大致可以這麼理解：2025年，大小腦離成熟尚有距離，但接下來的方向已明，需資料驅動、標準協同、場景深耕。當企業不再追逐炫技，而是踏實解決“搬箱子、拿杯子”等具體問題的時候，大小腦的融合方見曙光。如今，“人形機器人量產元年”已近尾聲，2026年，企業們或許還要被迫在“活下去”與“賭未來”之間做選擇，屆時，大小腦的成熟度將不再只是技術問題，更是生存問題。 (高工人形機器人)