2026年的春節，註定會被載入中國科技發展的史冊。當千家萬戶沉浸在團圓喜慶的氛圍中時，一場看起來風平浪靜實則波瀾壯闊的“技術風暴”正在北京悄然颳起。春晚舞台上，中國人工智慧產業在全國觀眾面前“大閱兵”：豆包用AI生成影像建構出全新的舞台視聽敘事；火山引擎的智能視訊雲畫質增強服務讓手機豎屏直播也能擁有“掌中劇場”的極致體驗；銀河通用人形機器人疊衣服、盤核桃、串烤腸，手指靈活、幹活麻利……年初，從Kimi K2.5登頂全球多項開源榜，到視訊生成模型Seedance 2.0驚豔亮相，再到智譜華章GLM-5開源發佈，一批大模型密集迭代。從通用大語言、多模態視訊到程式碼程式設計、具身智能，北京企業幾乎在所有關鍵賽道同時“開花”。這一輪集中爆發，並非偶然。放眼全球，中美模型性能差距已縮減至極小區間。中國在演算法層面已與世界第一梯隊並跑，在資料要素上擁有規模龐大的應用場景優勢，在開源領域更是後來居上。報告顯示，過去一年，中國研發的開源模型全球下載量佔比達到17.1%，反超美國，位居全球第一。不同於以封閉體系建構技術壁壘的路徑，中國舉起“開源”大旗，在西方數字霸權之外提供了另一種可能。Kimi K2.5模型 資料圖。圖源：北京海淀Hugging Face是全球最大的開源AI平台，彙集了海量預訓練模型、資料集和應用。它對區域生態的判斷，取決於是否存在一群長期、穩定、願意協作的技術人群。在北京，這樣的條件是成立的。圍繞建設全球人工智慧創新高地，北京推出覆蓋技術創新策源、智算自主生態強基、高品質資料聚能、全域應用賦能、科學智能範式革新、具身智能全鏈跨越、創新生態引領、開源開放聚力與安全治理護航等領域的“九大行動”。既強調基礎理論攻關，也推進國產晶片性能追趕，推動大模型從少數科技愛好者的“玩具”，轉變為千行百業的“生產工具”。而海淀，更是具有得天獨厚的核心優勢。在海淀，北京入圍AI全球2000位最具影響力學者榜單的有135人次，佔全國超40%；AI學者總量達1.23萬人，佔全國30%。海淀全區擁有“兩院”院士692名，孕育了2000多家AI企業，核心產業規模高達3600億元。海淀也吸引了大量具有海外背景的頂尖科研人員。以月之暗面的創始人楊植麟為代表的一批海歸學者，將在海外積累的前沿AI研究經驗，與國內龐大的市場需求相結合，形成了獨特的競爭優勢。智譜華章、零一萬物、百川智能、面壁智能均源自海淀，MiniMax、Deepseek的研發也是從海淀起步的。曾幾何時，全球AI競爭還停留在參數大小的比拚和單一技術的突圍上，如今戰場早已發生了根本性轉移。海淀AI產業已經進化為“軍團作戰”的新階段，這是一場關於工程化落地、場景化應用與生態化協同的綜合較量。在算力基礎設施層，寒武紀、摩爾線程、崑崙芯等不同架構國產晶片性能不斷攀升；在模型層，形成抖音豆包、智譜GLM、月之暗面Kimi、百度文心四大基礎模型和賦能千行百業的垂類模型矩陣，湧現出扣子、伐謀、JoyAgent等一批智能體平台，“人工智慧+”應用廣泛鋪開，這是海淀“全端生態式佈局”的鮮明特徵。而叢集優勢是海淀最鮮明的特徵。曾有媒體報導，以北京北四環與中關村東路的十字路口為圓心、2公里為半徑畫一個圓，外媒筆下的“中國大模型六小虎（智譜華章、月之暗面、零一萬物、百川智能、階躍星辰、稀宇極智）”中有“四虎”落戶於此。現在，海淀正在立足自主創新、產業生態、融合賦能、國際合作、安全治理五大維度，強化前瞻佈局，系統謀劃高品質打造“兩區一帶”（AI原點社區、AI北緯社區及京張遺址公園AI創新帶），全力支撐好北京“全球人工智慧第一城”建設。“原點社區”位於海淀區五道口先導區核心地帶，以東昇大廈為中心1公里內匯聚了30余所高校科研機構、千餘名AI科學家與萬餘名開發者。圖源：北京日報在這一處理程序中，海淀始終是那個最堅定的領跑者和政策、服務的托舉者，政府成為了科技企業最貼心的“合夥人”。從提供人才公寓，解決青年創業者的後顧之憂，到設立百億級政府投資基金，以“耐心資本”陪伴科技企業穿越長周期；從搭建算力公共服務平台，降低中小企業研發成本，到先行先試資料基礎制度，破除要素流動障礙。這一系列實打實的舉措，讓海淀成為了創業者心中的“理想地”，也讓“科技自立自強”變成了每天都在發生的生動實踐。亮眼成績也在印證這種生態效應。海淀的數字產業一路高歌猛進，全區已有123款AI大模型完成備案，從去年至今，海淀區已經誕生了“大模型第一股”智譜，“國產GPU第一股”摩爾線程，“物理AI第一股”51WORLD，數字經濟增加值佔GDP比重超過六成，成為區域經濟增長的重要引擎。海淀不僅建起了北京規模最大的單體智算叢集，還拿下了全國第一個人工智慧國家級先進製造業叢集的頭銜。銀河通用機器人部署於多個城市的“銀河太空艙”便利店，由機器人自主營運。圖源：北京海淀人工智慧是具有範式顛覆意義的技術力量，它不僅重塑生產方式，也重構產業結構與全球競爭格局。就在此時此刻，2026海淀新春科技廟會正在陪市民“騏驥馳騁，AI過大年”：靈心巧手機器人樂隊毫米級精度奏響《好運來》；矽基公園攜手智元遠征等獻上京劇表演；加速進化機器人3V3自主足球賽燃情綠茵；腦控賽車、晶片雕刻封裝等智趣項目讓青少年探索科學奧秘……科技廟會現場。圖源：主辦方供圖這場廟會正以“科技+商業”的創新模式打造消費新生態，搭建了前沿科技近距離走向消費端的 “轉化橋樑”，為全國城市更新節日場景提供了新的模式參考。這是一種“從全域謀劃一域、以一域服務全域”的戰略選擇。雖然人工智慧的未來仍充滿不確定性，但可以確定的是，中國已經找到屬於自己的賽道和路徑。而海淀正在科技自立自強的道路上勇打頭陣，讓新質生產力化作一個個具體的產品、一項項落地的服務，以叢集之勢為建設數字中國提供著可複製、可推廣的“海淀樣本”。 (長安街知事)

一年之隔，機器人從“扭秧歌”到“打功夫”：春晚舞台上的中國智造進化論如果時光能像視訊編輯軟體一樣打上對比標籤，2025年和2026年的春節聯歡晚會，將會是中國科技史上最震撼的一段“蒙太奇”。2025年蛇年除夕，一群穿著花棉襖的機器人扭動著機械身軀，在舞台上轉手絹、丟手絹，雖然動作整齊劃一，但那種小心翼翼的“笨拙感”仍透露著它們作為“機器”的本質 。而僅僅一年後，2026年馬年除夕，同樣是在央視演播廳，這群“鋼鐵舞者”徹底撕掉了標籤——它們空翻、醉拳、耍雙截棍，甚至在與武術演員的對招中絲毫不落下風 。這不僅是節目的更迭，更是中國機器人技術從“量變”到“質變”的驚險一躍。四肢的進化：從“機械行走”到“武俠宗師”回顧2025年，宇樹科技的H1機器人“福兮”無疑是舞台上的焦點。為了完成《秧BOT》這個節目，技術人員需要花費近3個月的時間進行排練。依靠高精度3D雷射SLAM定位和叢集協同規劃，它們能做到佇列整齊劃一，甚至能精準地完成“飛手絹”的動作，但這依然屬於“預設程序”的勝利。那時候的機器人，更像是一群被無數根看不見的線牽引的木偶，一旦脫離既定軌跡，便會不知所措 。2026年的舞台上，這種“拘束感”蕩然無存。宇樹科技帶來了全新的G1與H2型號機器人，在節目《武BOT》中，它們完成了全球首次公開的“高動態、高協同”叢集控製表演。空翻、單腳連續跳躍、花式翻桌、兩步蹬牆——這些對於人類專業武術運動員都極具挑戰的動作，被機器人以毫秒級的精度完美復刻 。這種進化背後，是運動控制演算法的代際突破。如果說2025年的機器人是在“走著跳舞”，那麼2026年的機器人已經學會了“跑酷打架”。據宇樹科技介紹，它們實現了全自主叢集控制技術，數十台機器人在舞台上無需外部定位輔助，僅靠機載感測器即時感知環境，甚至在跑偏後能自動恢復隊形。這種在快速奔跑中的穿插變陣能力，最快任意跑位速度達到了每秒4米，標誌著中國在運動控制領域已經能夠與波士頓動力等國際巨頭比肩，甚至在叢集協同上實現了反超 。五官的進化：從“面無表情”到“人機難辨”如果說四肢的進化讓機器人擁有了“人體”，那麼面部的進化則讓機器人擁有了“靈魂”。在這個維度上，2026年的進步幾乎可以用“恐怖”來形容。在2025年，人們關注的是機器人的關節能不能轉得更順，手絹能不能拋得更高。那時候的機器人，無論是國產還是海外產品，面部大多是一塊冷冰冰的螢幕或塑料殼。因為在行業內，人臉擁有40多塊肌肉，要模擬微表情同時避免陷入“恐怖谷效應”，曾是最難啃的“硬骨頭” 。然而在2026年的小品《奶奶的最愛》中，松延動力研發的仿生機器人與演員蔡明同台，震驚了所有觀眾。這款機器人1:1復刻了蔡明的外形，不僅在燈光下皮膚紋理逼真，更重要的是它的眉眼、唇形乃至靜坐時身體的細微晃動，都與真人無異。為了實現“以假亂真”，團隊在不到一個月的時間內攻克了極限難題：將頭部縮小30%以適配舞台審美，卻要容納同等數量的微型伺服電機；採集了蔡明數十年的舞台資料，通過自研微表情生成基座模型進行訓練，最終實現了頭部、頸部、身體的聯動，讓機器人不僅長得像人，連“下意識”的小動作都像人 。大腦的進化：從“死記硬背”到“即興發揮”更深層次的變革，發生在觀眾看不見的地方——機器人的“大腦”。2025年登上春晚的機器人，本質上是一群“學霸”，它們依靠工程師提前數月編寫的程式碼，將舞蹈動作死記硬背下來。它們不能出錯，卻也缺乏靈性。而在2026年，銀河通用機器人公司展示的具身智能大模型，讓機器人擁有了“自主思考”的能力。它們不再是被動執行指令的工具，而是能感知舞台環境、調整節奏，甚至與演員進行即興互動的“搭檔” 。銀河通用搭載的百億級具身智能大模型，讓機器人具備了即時決策能力。在春晚後台，它們甚至展示了盤核桃、撿玻璃碎片、疊衣服等精細動作。這種“大腦”的進化，讓機器人從“排練廳裡的演員”變成了“生活中的幫手” 。場景的跨越：從“舞台炫技”到“人間煙火”最令人欣慰的進化，是機器人正在走出演播廳，走進煙火人間。2025年春晚結束後，大多數機器人回到了實驗室或展館，成為了靜態的展品。而2026年春晚的機器人，身上貼滿了“實用”的標籤。在江蘇無錫的魔法原子機器人，不僅在春晚上表演了托馬斯全旋，更在宜賓分會場的街景中化身“賽博撈面師”和“斟酒師”。搭載了高精度觸覺靈巧手的機器人，能精準地將當地燃面撈進碗裡，控水、起面、倒面一氣呵成；倒酒時更是能做到一滴不撒 。這種“將真實場景搬上舞台”的設計思路，揭示了行業的深刻變革：機器人的競爭焦點已經從單一技術指標轉向全系統能力，從追求關注轉向創造價值。在北京的智能藥店，銀河通用的機器人已經實現了24小時無人化盤點與配送；在數十個城市的核心商圈，由人形機器人值守的“銀河太空艙”已常態化運行 。結語從2025到2026，一年的時間在歷史長河中只是一瞬，但對於中國的機器人產業而言，這卻是從“追趕”到“領跑”的關鍵一躍。正如外媒所感嘆的那樣，這不僅僅是十幾台人形機器人精彩的表演，更是一場真正的革命 。當春晚的燈光熄滅，這些曾經只會扭秧歌的“孩子”，已經練就了一身功夫，準備走進工廠、醫院、家庭，去真正改變我們的世界。這或許就是科技最迷人的樣子——每一次除夕夜的驚豔亮相，都是為了讓更好的明天，更快地到來。 (廈門眾芯電氣)

2026年農曆新年，四家中國機器人公司將人形機器人推上央視春晚舞台，引發關注。不禁讓我們憧憬下一步：那些在鏡頭前流暢舞動、談吐自如的機器人，買回家能做什麼？這個問題答案便觸及了整個產業最深的隱憂。從預設指令碼到真實世界自主操作，從實驗室演示到工廠級可靠性，人形機器人正被一道麥肯錫所稱的“鴻溝”困住。而限制它們突破的根本，不僅是算力、資本，還是物理現實本身，以及讓機器理解物理現實的那套尚未成熟的智識體系。一、這扇窗對於一個新興產業而言，沒有比這兒更好的發佈台。單次曝光可達數億至十億等級的受眾，一場演出勝過千場展會。2026年農曆新年，宇樹科技、魔法原子、銀河通用、松延動力四家中國機器人公司同時讀懂了這一邏輯。2月16日晚，魔法原子攜6台MagicBot Z1和兩台MagicBot Gen1人形機器人與易烊千璽等藝人同台演繹《智造未來》；宇樹科技攜G1與H2兩款人形機器人，在節目《武BOT》中帶來人形機器人叢集武術表演；銀河通用在賀歲微電影《我最難忘的今宵》中亮相；松延動力四款人形機器人現身首個小品節目《奶奶的最愛》。大洋彼岸的NBC新聞在報導中指出，“中國已將機器人和AI置於其下一代AI+製造戰略的核心。”市場的反應幾乎是即時的。據新京報報導，開播兩小時內，京東平台機器人訂單量環比增長150%，搜尋量增長300%，商品詢問量增長460%。南華早報報導，宇樹科技CEO王興興宣佈2026年出貨目標為1萬至2萬台，而該公司2025年實際出貨超5500台、量產下線超6500台，雖然這與根據 Omdia 1月8日發佈的宇樹2025年出貨4200台有所不同，但毋庸置疑已站在中國乃至全球頭部位置。二、人形機器人的三個層級摩根士丹利資產管理旗下Counterpoint Global團隊於2026年1月發佈的研究報告《具身AI與人形機器人的崛起》（Embodied AI and the Rise of Humanoid Robots），提供了理解這一問題的清晰框架——報告將人形機器人的AI能力劃分為三個層級：第一級是任務專項執行：在預定義條件下完成固定動作，自適應能力極低。報告明確指出，這是當下商業化人形機器人的主導狀態。第二級是任務泛化：利用感知輸入和習得經驗，將技能遷移至相近但不同的場景，是當前學術研究的前沿。第三級是泛化智能：通過觀察和演示自主學習全新任務，報告將其定義為需要資料、推理和物理控制領域重大突破才能實現的遠期目標。在這種高確定性舞台約束下，四家公司的機器人絕大多數呈現更接近第一級，少數環節可能疊加了有限的即時互動。36氪的調查披露，關鍵台詞、互動流程等核心環節大機率經過了預先編排；松延動力CMO張淼在回答媒體採訪時表示，團隊甚至按1:1比例復刻了央視一號廳的所有舞台道具，在公司內部反覆綵排才換來場上的流暢。這種謹慎有其結構性根源。該報告在三級能力劃分背後，對應著機器人的兩層智識架構，研究把人形機器人的“內部智識架構”拆成兩層：第一層是低級運動控制（“蜥蜴腦”），負責平衡、步態、反射與即時協調，最高可在數百赫茲頻率下處理；隨著模擬遷移與強化學習的進步，這一層的穩定性與全身控制能力已顯著提升。舞台上的武術編排與多機協同，更像是對這一層工程能力的集中展示——在強約束、可復現的環境裡，把動作庫與控制閉環做到“穩”。第二層是高級認知推理（“cerebrum”），負責感知、規劃與決策；視覺語言模型讓機器人能夠理解場景、遵循指令並將任務組織為多步驟流程，但報告強調這也是當前系統最大的瓶頸：模型在訓練場景之外的泛化能力有限，遇到陌生環境時性能會明顯下滑，專項技能與廣泛適應性之間的差距仍是核心挑戰。也因此，把舞台上的“像人一樣能打能跳”，直接等同為“走進現實就能像大家想像那樣替人類幹活”，往往會高估現階段的可靠性與經濟性。麥肯錫指出，令人印象深刻的原型機在真實世界中仍遠未達到一致、可靠且經濟合理的性能；而在工業或家庭場景裡，往往需要 99.X% 以上的穩定運行，長尾問題會迅速放大落地難度。一台能在受控舞台上表演武術的機器人，與一台能在陌生廚房完成一頓早餐的機器人，在演算法複雜度上不可同日而語。舞台展示的，恰恰是前者。三、物理世界的三道關從一級到二級、再到三級，不是線性升級，而是跨越三道相互牽制的技術斷層，共同構成人形機器人產業最深的結構性挑戰。第一道關：資料真正的瓶頸不僅是“資料量”，而是“資料量×資料形態×資料成本”三位一體。Counterpoint Global的研究指出，具身智能的底層約束在於對大規模、高品質、以人為中心資料的強依賴；而當前主流採集方式（遙操作、動作捕捉）既慢又貴，難以把資料規模推到支撐泛化所需的量級。因此，越來越多開發者傾向於認為：只有在真實世界中實現一定規模的部署與循環回灌，才能持續生成足夠多樣的資料分佈，為更可靠的泛化打基礎，這與自動駕駛依賴車隊規模形成“資料—能力”飛輪的邏輯相似。21世紀經濟報導援引業內受訪者判斷稱，行業當前可用的具身互動資料仍在百萬量級，而面向更強泛化所需的資料規模可能要提升到千萬乃至億級。這也構成了典型的“先有雞還是先有蛋”困境：機器人要在真實環境中大規模運行才能積累高價值資料，但沒有足夠資料，系統又難以在真實環境中長期保持一致、可靠的表現。對此，《科學美國人》在2025年12月的深度報導一針見血地指出：支撐ChatGPT等產品的大語言模型並不是具身智能的“捷徑”，因為它們缺少從真實互動中獲得的具身知識。第二道關：模擬到真實的域差資料匱乏催生了一個看似完美的解決方案：在虛擬環境中批次訓練，再將模型遷移到真實硬體。但這條路上擋著機器人學最棘手的工程難題：Sim-to-Real差距。德勤在Tech Trends 2026的相關分析中援引俄亥俄州立大學工學院院長、著名機器人學家阿亞納·霍華德（Ayanna Howard）。她的描述直指要害：虛擬環境中的視覺圖像相當逼真，但現實世界有著不同的細節。一個機器人也許在模擬中學會了抓取某樣東西，但當它進入物理空間，並不是1:1的對應關係。她進一步指出，機器人在模擬到物理環境的遷移過程中確實會適應，但它們是圍繞任務來學習，而不是整體性地與環境互動，也就是說，學會在不同摩擦係數表面抓球，與學會在人流擁擠的商場中安全行動，是截然不同的兩件事。更根本性的物理約束來自硬體本身。德勤報告還採訪了敏捷機器人（Agility Robotics）聯合創始人喬納森·赫斯特（Jonathan Hurst）：他指出，傳統機器人是位置控制裝置，擅長數控加工或點焊這類精確、可重複的任務，但它們不擅長非結構化空間中的組裝、操控或運動。IEEE高級成員帕薩·普拉提姆·雷（Partha Pratim Ray）在2026年1月的學術研究中得出了同樣的結論：人形機器人受限制的程度，與其說是人工智慧，不如說是物理現實的具身性本身。第三道關：安全驗證即便解決了資料和模擬問題，還有一道更難繞過的關：安全。IEEE的研究指出，由於人形機器人被設計為在人類附近工作，任何失敗的代價都更高。而習得行為很難被正式驗證，這使得受監管環境中的認證處理程序和大規模部署的推進都異常緩慢。德勤的報告指出了同樣的問題：即便經過了大量安全測試，AI驅動的機器人仍可能表現出不可預測的行為。在公共空間，風險顯著上升，因為自主系統必須應對不可預測的人類行為。霍華德更給出了一個令人警醒的判斷：“我從根本上相信，在某處始終應該有一個人在回路中（human in the loop）——永遠。即便是我這個機器人學家也這麼說。”而機器人學領域最具標誌性的懷疑論聲音，來自MIT電腦科學與人工智慧實驗室前主任、iRobot聯合創始人羅德尼·布魯克斯（Rodney Brooks）。他在部落格與公開文章中直接把“用人類視訊教機器人靈巧操作”這一當前主流路徑稱為“純粹的幻想思維”（pure fantasy thinking）。他的物理論據尤其冷靜。全尺寸行走人形機器人需要消耗大量能量維持直立，一旦跌倒，這些能量會轉化為傷害。物理定律決定了：把一台機器人的線性尺寸擴大為兩倍，其質量將增加為八倍，跌倒時釋放的有害能量同樣如此。這不是軟體能修復的問題。布魯克斯預測，未來15年內，聚集在現在形態下人形機器人的大量資本將消失，今天的人形機器人將被基本遺忘，而最終成功的“人形機器人”將是裝著輪子、多臂、專用感測器的機器，而不是眼下這副雙足直立的樣子。布魯克斯自稱是“現實主義者而非悲觀主義者”——他不反對機器人，只是認為勝出的形態不是現在這樣。這三道關的邏輯鏈條因此形成：真實資料太少，於是訴諸虛擬模擬；虛擬模擬與現實存在域差，於是需要更好的世界模型和物理引擎來理解物理規律；而就算模型的預測更準確，讓機器在人類附近安全操作的驗證體系，仍是一個幾乎尚未破題的問題。這是一個尚未閉合的循環。四、資本熱情與商業現實在技術突破時間線高度不確定的背景下，資本市場展現出了與之並不相稱的樂觀。路透社與市調機構Omdia的資料顯示，2025年全球約出貨1.3萬台人形機器人，中國約佔其中90%。摩根士丹利預測，2026年中國市場人形機器人銷量將翻倍至2.8萬台，部分原因是零部件成本預計同比下降約16%。36氪援引IT橘子資料顯示，2025年中國具身智能領域完成329筆融資，總額398.9億元人民幣，同比增長超過三倍。資本熱情並非全無根基。摩根士丹利的報告提供了清晰的宏觀經濟邏輯：G7國家自2010年以來，每位失業者對應的職位空缺數量增加了約四倍；製造、物流、檢修等依賴體力重複性勞動的行業尤其突出。人形機器人的關鍵優勢在於它無需改造現有基礎設施——這些設施本就是為人類身體比例而設計的。高盛的研究顯示，人形機器人的製造成本在2023年至2024年間已經下降了40%。美國銀行研究院預計，人形機器人的硬體成本將從2025年的約3.5萬美元，降至未來十年的1.3萬至1.7萬美元。這種成本下行趨勢，正在催生真實的早期部署。德勤報告記錄了若干標誌性案例：寶馬正在南卡羅來納州工廠測試人形機器人，用於傳統工業機器人缺乏的精密操控和雙手協調任務；亞馬遜已部署其第一百萬台機器人，其DeepFleet AI模型協調整個配送網路中這支龐大的機器人隊伍。然而，通向大規模商業化的路仍舊具體而昂貴。麥肯錫提出一個便於討論的“四座橋”框架，用來描述從試點到規模化必須跨越的關鍵門檻，並且明確指出約束必須按順序解決。第一座是安全系統：無圍欄操作的安全合規是前提，沒有監管合規，機器人就無法離開受控區域；國際標準化組織正在制定專門針對人形機器人的ISO 25785-1標準。第二座是持續執行階段間：大多數機器人當前僅能充電運行2至4小時，遠低於工廠班次要求的8至12小時；這是ROI的核心驅動因素。第三座是靈巧性與移動性：人類手部擁有約20至27個自由度，而當前大多數機器人手的有效自由度遠不及此，嚴重制約了非結構化場景下的實用性。第四座也是最終的橋——激進的成本削減：當前商業原型機造價通常在15萬至50萬美元之間，主流行業部署需將售價降至2萬至5萬美元，而驅動系統佔總成本的40%至60%，是最大的攻關方向。麥肯錫的分析發現其經銷商報價與製造應成本之間存在十倍差距，是成本壓縮空間最大的單一方向。與此同時，UBS的長期預測提供了一個坐標系，德勤在2026年Tech Trends報告中直接引用了這組數字：到2035年職場中將有200萬台人形機器人，到2050年這一數字將增至3億台，對應市場規模從2035年的300億至500億美元，增長至2050年的1.4兆至1.7兆美元。摩根士丹利則更為審慎，直接表態：有意義的批次出貨增長，預計要到本十年代末才會到來。Robotics Tomorrow援引多位投資人的判斷，認為當前估值熱潮與2000年代初網際網路泡沫存在結構性上有相似之處，行業洗牌不可避免。五、2029年的那道門摩根士丹利報告在結論部分選擇了自動駕駛作為類比，這個選擇意味深長。Waymo 的 robotaxi 到 2025 年底累計出行已超 2000 萬次，德勤將其視為物理AI領域迄今最成熟的商業化案例，但它服務的地理範圍依然有限，依賴高精度地圖和嚴苛營運環境。人形機器人面對的物理世界，遠比城市道路更加多變。德勤把時間說得最直白：面向消費端的“人形管家”至少還需要十年。 這不是對產業前景的否定，而是對時間尺度的誠實標定。真正的考驗是一台機器人能否在一位獨居老人從未打掃過的公寓裡安全工作——這一類場景，要求的正是摩根士丹利報告中所定義的第二級乃至第三級能力。IEEE的研究說得更根本：人形機器人的進步將取決於物理模擬器、更高效的硬體和學習與控制之間更緊密的整合，而不是更大或更強大的學習模型。這是布魯克斯以及摩根士丹利、德勤、麥肯錫等跨越立場分歧而共同指向的地方——瓶頸不在雲端，而在地面。現在是2026年初，距離摩根士丹利所說的“本十年代末”，還有大約四年。報告也明確寫道：早期部署最可能先在可控工業場景發生，並作為資料生成引擎加速學習循環。與此同時，宇樹提出2026年1萬至2萬台的出貨目標，特斯拉Optimus Gen 3也被報導將於2026年初亮相，並在2026年底前推進產線準備。“從工廠和倉庫起步、積累資料、再向複雜場景擴展”的路徑，可能會以我們尚未完全看清的方式推進。晚會每年如約而至，舞檯燈光每年都會更加絢爛。但決定這個產業真實高度的，是三道關什麼時候能真正打通。在那之前，最聰明的投資者和工程師，可能都應該把更多時間花在零件目錄和安全認證檔案上。 (New Economist)