规模落地任重道远 概念股飞涨！人形机器人真要迸发 订单狂飙 闫维新

亿元级订单密集落地，百亿规模基金减速入场，投融资与 IPO 一直涌现，资本市场的追捧推进相关概念股轮番飞涨。2025年，产业正迎来史无前例的群体高光时辰。

9月29日，优必选再度签下3000万元人形机器人大单，总订单金额迫近4.3亿元。更早之前，7月11日，旗下中移（杭州）信息技术有限公司的人形双足机器人代工服务推销项目在业内引发关注，项目预算高达1.24亿元，成为国际迄今最大单笔地下招标订单。

资本市场与产业链的热度相互推高。但是另一面，真正的规模化落地仍有很多路要走。上海交通大学博士生导师，上海研讨院首席迷信家闫维新在接受时代周报记者专访时直言，目前头部人形机器人公司2025年已能成功百至千台级批量交付，多用于教育、交互服务和等用图，离真正的规模化大批量消费还有距离。

在人形机器人范围，闫维新有着终年的学术与通常积聚，掌管和介入过多个国度级严重项目，亦屡次取得国际外科研奖项。他坦言，人形机器人复杂性远超以往任何智能设备。它要求集成机械设计、技术、动力系统、控制、人工智能等多范围技术。

但是，以后不同企业的配件接口互不兼容，软件平台各自独立，数据格式千差万别。这不只构成大批的重复树立和资源糜费，也极大提高系统集成和产业协作的本钱，延缓了技术创新和产品迭代的速度。

在闫维新看来，人形机器人是未来的灯塔，是带动若干行业一同展开的指明灯。“要边做、边落地、边推出。环节中凝练出的关键技术点，完全可以向其他行业迁移。”他说。

要求上亿万条数据

时代周报：具身智能训练面临最大疑问是缺乏真实数据。你以为打破点在哪里，是依赖更多物理环境采集，还是经过虚拟仿真、全球模型来补足？

闫维新： 具身智能的数据疑问确实是以后最大的瓶颈之一，目前整个行业严重缺乏数据，拥有的具身智能交互数据只需几百万条，通常所需的规模或许在上千万甚至上亿万条。

和大言语模型（LLM）的 “数据逻辑” 完全不同，LLM 的数据关键来自网上的文本、书籍、图像，是过去几十年积聚的 “静态数据”，维度明晰、失掉难度低；但机器人要求的是 “灵敏交互数据”，比如手指在抓东西时的力反响、走路时身体的微调。这样的数据不只稀缺，更难以定义。终究采什么，是机器人的运动轨迹、人的操作举措，还是视觉、力的变化？行业里目前还没有分歧的规范，步伐分歧，数据自然没法互通。

同时，不同构型的机器人在参数和举措形式上差异清楚，使得通用数据集难以直接复用。真实数据自然存在采样倾向，难以掩盖一切或许状况。更费事的是，数据的格式也没分歧，不同公司采的数据完全不能共用，只能重复造轮子。

数据采集方法方面，目前盛行遥操作去采集，数据质量良莠不齐。如今有些人尝试采纳采集人的操作数据，再映射到机器人，这方向没错，但疑问在于力很难复现——人拿杯子时终究用了多大劲，机器人怎样才干准确恢复，这是中心难题。

我以为，仿真数据提供了一种潜在处置方案，但其自身也存在清楚局限性。无论物理引擎如何精进，都无法完全复刻真实全球的如复杂摩擦、资料变形、光线散射、传感器噪声等一切物理效应和无法预测的人类行为。

将真实数据和仿真数据相融合，是目前比拟行之有效的打破口。它的关键是新型采集技术的打破，改动真实数据采集的本钱结构和效率水平。业界正在构成关于真实数据与仿真数据混合比例的共识，没有一刀切的最优解，要求依据详细运转场景和需求灵敏调整。

时代周报：目祖先形机器人初创公司众多，底层配件、软件体系比拟分散。你觉得能否有必要推进分歧规范？如今业内有没有相关尝试？

闫维新： 在人形机器人技术加快演进的不确活期，过早或过度的规范化或许带来一系列风险。其中最关键的是技术途径锁定风险——一旦某种技术被确立为规范，即使后续发生更优良的技术方案，也难以替代曾经构成生态的现有规范。这种风险在人形机器人展开的以后阶段尤为突出，由于许多基础技术仍在加快迭代中。

这种状况下，分级分类的规范推进战略成为一种平衡之道。这种战略依据不同技术成熟度和运转范围，采取不同的规范化节拍和方法。关于技术相对成熟的范围，可以积极推进规范制定。尤其在人形机器人数据格式、通讯协议、安保要求等方面，技术曾经相对稳如泰山，规范化条件较为成熟。关于技术尚在加快演进的中心范围，则宜采取更为灵敏的规范战略。可以先发布技术指南或最佳通常，为行业提供参考而不强迫分歧。

时代周报：全球模型和VLA模型都被以为是关键技术，你以为哪条路途更有前景？两者能否或许互补？

闫维新： 人工智能正派历从感知智能向决策智能的严重转变，其中全球模型（World Model）和视觉-言语-执行模型（Vision-Language-Action，VLA）是两条备受关注的技术路途。

全球模型以视觉与运动数据为基础，经过生成式建模技术预测环境变化和行为结果。它具有弱小的时空预测才干，能够对环境变化和车辆运动启动高精度预测。全球模型在难例场景构建方面表现出色，能够处置那些在理想全球中稀有但至关关键的极端状况，如紧急避障、极端天气条件下的驾驶等。全球模型的照应速度极快，不过也面临一些应战。比如，全球模型对需求极高，配件本钱比VLA模型高40%以上。

VLA模型经过融合视觉输入和自然言语指令，直接生成可执行的物理举措。它经过言语和文字这一两边环节，将具象化的路况、图像启动归类并启动“笼统化”，而不只是单纯地对看过的数据“融会贯串”，从而使模型能取得更好的泛化才干。

全球模型与VLA模型尽管技术途径不同，但存在显着的互补潜力。全球模型善于环境灵敏预测和物理法则了解，而VLA模型强于多模态融合和语义推理，两者的结合可以构建愈增弱小和片面的智能系统。

全球模型与VLA模型融合的中心是 “场景化裁剪 + 性能互补”。第一，不要做掩盖全场景的 “大而全” 全球模型，而是针对详细运转场景做 “模型包”。比如汽车装配场景，只保管 “螺丝、扳手、” 相关的物理引擎模块，砍掉有关的比如 “布料模拟” 模块，这样能把算力需求下降 70%。

第二，让全球模型担任 “预测”，VLA模型担任 “实操”。比如机器人要拧螺丝，先让全球模型预测 “拧螺丝要求的扭矩、角度”，再让 VR 模型依据视觉图像定位螺丝的位置，两者协同任务，既保证操作的准确性，又下降算力本钱。

时代周报：行业常说人形机器人要在 100—300 毫秒内成功反响，但大模型推理延迟往往是秒级。你觉得处置延踌躇问更或许依托算力架构优化，还是在模型侧做优化？

闫维新： 我以为，人形机器人的延踌躇问来源于一个复杂的技术链条：环境感知、数据处置、决策推理、运动控制。每个环节都或许成为延迟的奉献者，而大模型推理只是整个链条中的一个环节，尽管是以后最突出的瓶颈。

目前，基于“云-边-端”的协同计算将成为处置实时照应的方案，未来的人工智能系统不会是地道的端侧或云侧，而是分层协同、灵敏优化的智能体系。云端担任复杂大规模模型的训练、融合、模型版本控制和下发。边缘节点作为区域中心，处置多个端侧设备集聚的数据，运转比端侧更大、比云端更矫捷的模型。端侧担任极致低延迟的实时推理和高隐私要求的义务。

这种技术展开趋向将带来端侧大模型的兴起，将经过裁剪和优化后的模型直接部署在终端上。成功完全离线的智能控制、交互对话、文本摘要、内容生成等性能，隐私性极佳、照应瞬间成功。

缺乏商业吸引力

时代周报：机器人要想真正大规模进入工业、服务等场景，你觉得在“大脑—小脑”协同体系中，还缺哪几个关键环节？

闫维新： “大脑”决策与“小脑”控制之间的协同连接，选择了机器人能否在复杂不确定的环境中高效、牢靠地成功义务。

我以为，机器人大规模进入工业、服务等场景首先缺失的是分歧的全球模型与物理推理。人类大脑能够构建一个分歧且继续升级的环境心思模型，并基于此启生物理知识推理，预测执行结果。而现无机器人系统往往缺乏这种才干，形成其在面对新场景或要求物理直觉的义务时表现不佳。

其次是自顺应运动规划与控制，它是小脑的中心性能，但目前还未抵达真正自顺应的才干。人类小脑能够依据义务需求、环境变化和身体外形智能调整控制战略，成功从粗大运动到精细操作的平滑过渡。而现无机器人系统往往要求在精度、速度和鲁棒性之间启动衡量，难以顺应灵敏变化的环境。

再次是人类意图了解与多模态交互，尤其是在服务场景中，机器人与人类的自然交互才干至关关键，而以后系统无了解人类意图和启动多模态交互方面仍存在有余。人类大脑能够从模糊的指令、手势、眼神甚至语境中推断他人意图，而现无机器人系统往往要求明白、结构化的指令。非言语指令了解是一个关键缺失环节。

最后是能耗效率与实时性能。人类大脑功耗仅约20瓦，却能成功复杂的认知和运动控制性能，而现无机器人系统往往要求高昂的能耗和计算资源才干成功相对方便的义务。计算资源分配优化是关键应战。

时代周报：电池续航有余会不会成为人形机器人商业化的关键瓶颈？在提高电池自身续航才干，以及下降全体能耗方面，业内目前有哪些探求？

闫维新： 以后大少数人形机器人单次充电仅能任务1-2小时，而通常工业运转通常要求至少4-8小时的继续任务时期。更严厉的是，人形机器人在高负载义务中瞬时功率可高达30KW，对电池放电才干提出极高要求。这种能量需求与供应才干之间的差距，直接影响了人形机器人的适用性和经济性。

中心是处置 “高功率密度” 和 “高能量密度” 的矛盾：高功率密度要求瞬间迸发力（如双足腾跃），高能量密度要求长续航（如 8 小时延续任务），现有磷酸铁锂、三元都无法同时满足。未来的方向是 “异构电池系统”：用不同类型电池搭配，再经过 BMS（电池控制系统）成功智能切换。

时代周报：如今人形机器人更多是扮演、导览等场景。要真正大规模走向产业运转，还缺哪几块关键拼图？

闫维新： 在我看来，人形机器人要真正成功产业化运转，要求抑制技术、本钱、生态、政策等多重阻碍。

在技术上，许多演示场景中的舞蹈举措是预设延迟训练的，并不具有真实场景决策才干。这种“伪智能”困局严重限制了机器人在复杂产业环境中的适用性。人形机器人要求处置高度复杂和灵敏变化的场景，现有系统往往要求重新采集数据并启动训练，这个环节或许耗时数天，无法满足实时性要求高的消费环境。

本钱与商业化瓶颈方面，以后高端人形机器人单机本钱在20-40万元之间，投资报答周期长达15-30个月，缺乏商业吸引力。此外，测实验证体系不完善是人形机器人产业化的另一个阻碍。产业运转对牢靠性和安保性要求极高，但缺乏声威的测试平台和评价规范来验证机器人在各种场景下的性能。

烧饼2007-06-05 11:47假定一个市场，有两团体在卖烧饼，有且只要两团体，权且称他们为烧饼甲、烧饼乙。 假定他们的烧饼多少钱没有物价局监管。 假定他们每个烧饼卖一元钱就可以保本（包括他们的休息力价值） 假定他们的烧饼数量一样多。 ——经济模型都这样，假定要求很多。 再假定他们生意很不好，一个买烧饼的人都没有。 这样他们很无聊地站了半天。 甲说好无聊。 乙说好无聊。 看故事的你们说：好无聊。 这个时刻的市场叫做很不生动！ 为了让大家不无聊，甲对乙说：要不我们玩个游戏？乙赞成。 于是，故事末尾了。 。 。 。 。 。 甲花一元钱买乙一个烧饼，乙也花一元钱买甲一个烧饼，现金交付。 甲再花两元钱买乙一个烧饼，乙也花两元钱买甲一个烧饼，现金交付。 甲再花三元钱买乙一个烧饼，乙也花三元钱买甲一个烧饼，现金交付。 。 。 。 。 。 。 于是在整个市场的人看来（包括看故事的你）烧饼的多少钱飞涨，不一会儿就涨到了每个烧饼60元。 但只需甲和乙手上的烧饼数一样，那么谁都没有赚钱，谁也没有亏钱，但是他们重估以后的资产“增值”了！甲乙拥有高出过去很多倍的“财富”，他们身价提高了很多，“市值”参与了很多。 这个时刻有路人丙，一个小时前路过的时刻知道烧饼是一元一个，如今发现是60元一个，他很惊讶。 一个小时以后，路人丙发现烧饼曾经是100元一个，他更惊讶了。 又一个小时以后，路人丙发现烧饼曾经是120元一个了，他毫不犹疑地买了一个，由于他是个投资兼投机家，他确信烧饼多少钱还会涨，多少钱上还有上升空间，并且有人给出了超越200元的“目的价”（在股票市场，他叫股民，给出目的价的人叫研讨员）。 在烧饼甲、烧饼乙“赚钱”的示范效应下，甚至路人丙赚钱的示范效应下，接上去的买烧饼的路人越来越多，介入买卖的人也越来越多，烧饼多少钱节节攀升，一切的人都十分快乐，由于很奇异：一切人都没有亏钱。 。 。 。 。 。 这个时刻，你可以想见，甲和乙谁手上的烧饼少，即谁的资产少，谁就真正的赚钱了。 介入购置的人，谁手上没烧饼了，谁就真正赚钱了！而且卖了的人都很悔恨——由于烧饼多少钱还在飞快地涨。 。 。 。 。 。 那谁亏了钱呢？ 答案是：谁也没有亏钱，由于很多出低价购置烧饼的人手上持有大家公认的优质等值资产——烧饼！而烧饼显然比现金好！现金存银行能有多少一点利息啊？哪比得上多少钱飞涨的烧饼啊？甚至大家分歧以为市场烧饼供不应求，可无法以买烧饼期货啊？于是出现了认购权证。 。 。 。 。 。 有人问了：买烧饼永远不会亏钱吗？看样子是的。 但这个全球就那么奇异，突然市场过去了一个叫李子的，李子曰：有亏钱的时刻！那哪一天大家会亏钱呢？ 假定一：市场过去了个物价部门，他以为烧饼的定价应该是每个一元。 （监管） 假定二：市场出现了很多做烧饼的，而且多少钱就是每个一元。 （相同题材） 假定三：市场出现了很多可供玩这种游戏的商品。 （发行） 假定四：大家突然发现这不过是个烧饼！（价值发现） 假定五：没有人再情愿玩相互买卖的游戏了！（水落石出） 假设有一天，任何一个假定出现了，那么这一天，有烧饼的人就亏钱了！那谁赚了钱？就是最少占有资产——烧饼的人！ 这个卖烧饼的故事十分简易，人人都觉得低价买烧饼的人是傻瓜，但我们再回首看看我们所在的证券市场的人们吧。 这个市场的有些所谓的资产重估、资产注入何尝不是 这样？在ROE高企，资产有高溢价下的资产注入，和卖烧饼的原理其实一样，谁最少地占有资产，谁就是赚钱的人，谁就是取得高收益的人！ 所以作为一个投资人，要理性地看待资产重估和资产注入，忽悠他人不要忽悠自己，尤其不要忽悠自己的钱！ 在高ROE下的资产注入，尤其是券商借壳上市、增发购置大股东的资产、增发类的房地产等等资产注入，一定要把眼睛擦亮再擦亮，慎重再慎重！ 由于，你很或许成为一个持有低价烧饼的路人！ 剽窃的 呵呵