第一波機器人"嬰兒潮"已來。
吹拉彈唱、寫詩作畫、做飯跳舞、給鞋打膠、給汽車打釘、包裝可樂、搬運重物......隻有我們想不到的，沒有機器人做不到的。
在2024年世界機器人大會上，處于無幹擾環境的機器人，賣力的展示着自己的才藝，似乎向前來圍觀的人群訴說着，"你看，你們沒白來吧，我們人形機器人已經進展到如此地步，你們人類可以做的事情，我們都可以做。"
169家參展企業，超過600款展出的産品，包括工業機械臂、商用機器人，還有現在風頭正旺的人形機器人。
與之同時湧來的，是行業和資本對人形機器人的關注。數據顯示，截至2024年6月30日，今年國内機器人行業融資69起，融資總額總計約在75億元左右，其中融資額超億元的共12起。
在藍馳創投合夥人曹巍看來，"現在人形機器人行業是一個百花齊放的階段，在這個階段，大家會不斷朝着自己認爲的最好方向做探索。這時多一些創業公司，多一些選擇空間，對整個生态是好的。"
對于機器人能"能動起來"的期望，如同十年前對于自動駕駛的期待。"當Google做的自動駕駛小車剛開始在路上跑時，大家都希望它能夠達到L4或L5級别的自動化，這無疑是一個遙遠的目标。而現在的人形機器人或具身智能，可能正處在類似自動駕駛早期的階段。"峰瑞資本副總裁顔黔杭向钛媒體創投家表示。
才剛剛開始，理想主義與現實主義之間，橫亘着軟硬件交互、生産成本等多方面問題，這似乎是投資人的共識。
"現在行業整體還處在早期探索階段。雖然大模型爲具身智能泛化性優勢的實現了夯實了基礎，但要讓機器人真正動起來、解決更多實際問題，需要軟硬件層面很多個環節的突破。"在雲啓資本合夥人陳昱看來。
綠洲資本董事總經理Ivy Li同樣表示："由于涉及硬件和交互，軟硬件結合的落地周期通常比純軟件更長，難度也更大。此外，任何硬件産品都面臨成本問題，這對市場推廣和應用也有重要影響。"
錯過了具身智能，如同錯過了新能源革命，可是尚處于早期的具身智能賽道到底應該如何投資？其中存在的挑戰與落地之間，需要等待多久？細分賽道之中還有哪些創業機會？投資人更偏愛投資哪些具身智能團隊？
钛媒體創投家對話了4位知名投資人，聊聊他們眼中的具身智能投資：
雲啓資本 合夥人 陳昱
雲啓資本已投具身智能相關項目：星塵智能、睿爾曼智能、擎朗智能、松應科技、C12.AI
藍馳創投 合夥人 曹巍
藍馳創投已投具身智能相關項目：智元機器人、銀河通用機器人
綠洲資本 董事總經理 Ivy Li
綠洲資本已投具身智能相關項目：逐際動力、千尋智能、極殼、縱貫創新
峰瑞資本 副總裁 顔黔杭
峰瑞已投具身智能相關項目：逐際動力、因時機器人、源絡科技、航凱微電子、肇觀電子、covariant、動易科技
繁榮與泡沫
钛媒體：過去一年，幾乎每周都會誕生一家新的人形機器人公司，如何看待這一波浪潮？我們看到的那些視頻，更多隻是炫技，還是離真的落地不遠了？
陳昱：現在行業整體還處在早期探索階段。雖然大模型爲具身智能泛化性優勢的實現夯實了基礎，但要讓機器人真正動起來、解決更多實際問題，需要軟硬件層面很多個環節的突破。
基于技術和成本，短期内具身智能不會走進千家萬戶，大家現在更多在探索工廠自動化場景的應用。比如做柔性生産，讓一個機器人去完成不同工位的操作。往這個方向做的好處是有客戶陪機器人一起打磨産品和技術，對于具身智能企業來說也是一種造血方式，能夠活下去，等技術發展到一定程度，成本急速下降後，推向更廣闊的市場。
曹巍：現在人形機器人行業是一個百花齊放的階段，在這個階段，大家會不斷朝着自己認爲的最好方向做探索。這時多一些創業公司，多一些選擇空間，對整個生态是好的。
但3年到5年後，人形機器人玩家數量一定會收縮，完成優勝劣汰。現在大量公司是靠資本輸血養活自己，它們還沒有真正的産品落地能力和商業化能力。随着時間的推移，資本市場的熱潮一定會消散。那時，隻有能做出好産品的公司，和能真正實現商業化落地的團隊，才能夠存活下來。
Ivy Li：視頻主要展示了demo團隊在軟硬一體化方面的實力，但在實際落地時，需要重點考慮産品市場契合度（PMF），實現真正的落地仍需一定時間。由于涉及硬件和交互，軟硬件結合的落地周期通常比純軟件更長，難度也更大。
此外，任何硬件産品都面臨成本問題，這對市場推廣和應用也有重要影響。
如果具身智能未來是一個與新能源汽車同等規模的産業，那麽這個産業足夠容納各類的優秀的企業，現在隻是剛剛開始而已。
顔黔杭：經過學界、工業界20多年科研上的探索，當下這波人形機器人浪潮主要有以下幾個驅動要素，第一是大模型的爆發推動了機器人大腦側的前沿探索，第二是中國過去10年工業、協作機器人的快速發展形成了完善的機器人供應鏈體系。第三是人形機器人在控制上引入了AI方法後加速了機器人運動能力的進化。所以，這一賽道吸引了AI與智能制造賽道投資人的共同關注，承接住了AI大模型賽道的熱度的外溢。
從當前技術進展來看，目前整體行業還處于早期技術研發叠代階段，距離理想的大規模的産品化與商業化還有很長的路。如果将人形機器人的主要功能拆解爲操作和移動，那麽，移動能力的落地早于操作，現在人形機器人已經初步展示出基于感知的泛化運動能力了。在不少工業、特種場景，這類足式移動的需求是剛需。當下，操作能力在跨任務場景的泛化上還面臨挑戰，未來進展有待觀察。
钛媒體：大模型對于具身智能機器人的發展有哪些助力？您認爲到底什麽樣的大模型跟什麽樣的機器人本體結合才會實現真正的具身智能？
陳昱：和上一波機器人相比，具身智能最大的區别在于AI技術帶來的泛化性特性。比如，專一功能的機器人。一個機器人把一個動作學好之後，換100個場景都能用，或者在同一個環境下，可以快速學習并執行100個動作。這也被業内認爲是物理世界通往AGI的路徑。基于泛化性特征，這一代機器人也弱化了對場景的要求。
曹巍：具身智能機器人有LLM（Large Language Model）和VLM（Vision Language Model），上層有一個大腦，下層就是執行，大腦裏面包含了LLM和VLM。我們可以簡單理解爲，機器人的大腦就是長在本體裏的，但是它的大腦是非常發育不良的，可能是算力非常弱的。
簡單粗暴去劃分的話，所有和感知、邏輯、決策相關的都是大腦，所有和運動控制、即時的條件反射相關的都是小腦。從整個機器人來看，當前的短闆更多的是在底層的控制系統，不管是運動的控制還是精細化操作的控制，都亟待改進。
在大模型的推動下，機器人在複雜任務的串聯和執行上有了大幅度的提升。有了大模型的加持，同樣的算法結合大模型後，成功率提升了 50%以上，有的甚至提高了 100%，逐漸接近商用水平。這種趨勢讓我們看到未來機器人的成長空間可以與數據結合，基于數據進行學習，數據越多表現越好，真正感受到了這種潛力。
我們以工業機器人爲例，工業機器人經典的控制架構體系是基于編程的（Program-Based），這個技術體系本身就有一定的柔性和延展性的能力了；如果要跟大模型結合，隻能以分層、多層的方式。當遇到一些具體問題的時候，向大模型的端口提調用需求。
工業場景強調的是高實時、高響應、高精度，當場景有高要求的時候，控制模型和大模型之間的調用和連接就非常重要。第一，爲了提高調用的響應速度，網絡環境一定要非常好；第二，如果不是部署在雲端，而是部署在本地，非常強調成本，不太可能把非常昂貴的推理芯片部署到每一台工業機器人中，這會造成非常高的成本。所以我覺得響應速度、算力部署的架構以及對應的整套系統的成本，是工業機器人和大模型相結合面臨的一些問題。
結合視覺推理、語言理解和任務編排等功能的基座大模型，與負責提升機器人操作敏捷性的神經網絡系統，将成爲未來通用機器人的關鍵架構範式。
Ivy Li：首先，大模型帶給機器人更完善的自主學習和決策能力、感知與交互能力、運動控制能力，讓機器人能夠更好地理解和适應周圍的環境，通過自主學習和決策的智能系統在面對複雜多變的環境時，能夠更加靈活地做出反應，如行走、抓取、操作等。
另外一個層面，讓機器人在泛化上有走向通用的可能性。具身智能的實現路徑上還有很多需要解決的問題，比如大腦的決策模型和小腦的運控算法的泛化性問題，現在各家公司都有各自的思路。此外，在數據的來源上和數據的配方上，不同的團隊也有不同的側重點。
顔黔杭：對于機器人，大模型當下提供的價值非常明确，即在機器人的多模态感知能力與任務理解、決策的泛化上，大模型使機器人能夠從單一任務場景拓展到更通用的複雜場景，賦予了機器人具備通用智能的"大腦"。在負責運動控制的"小腦"這一側，高頻率推理和快速響應的基本需求使得大模型直接應用于"小腦"還有挑戰。這也是爲什麽業内有一種聲音在質疑Google RTX那套用大模型端到端直接替代小腦的可行性。
未來随着多模态大模型的成熟以及最近李飛飛提出的世界模型的研發推進，預期上我們希望大模型能在"大腦"側發揮更多的作用，例如通過推理出符合物理世界規律的物體軌迹規劃，來實現更高泛化性能的任務執行能力。如何結合負責"大腦"的大模型，與小腦側的運動控制模型去搭建好一個兼具泛化與高推理頻率的具身智能系統架構，是具身智能下一步的重要挑戰。
钛媒體：爲什麽具身智能都在"卷"人形？
陳昱：人形和具身智能是兩個不同的概念。人形機器人更多強調的是形态、運動能力，具身智能強調的是應用AI學習的能力，也就是能不能快速掌握技能，完成通用場景的操作。
大家的夢想肯定是想做人的形态，理由也是非常充分的，畢竟現在環境都是圍繞着人來打造的。但從技術和成本考量，是否要做雙足，我覺得這不是必須的。因爲從實用性角度，當前操作能力會更加重要。
Ivy Li：具身智能不一定局限于人形形式，最終，成功與否仍取決于具體的應用場景和需求，關鍵在于客戶是否願意爲其買單。我們認爲，人形之所以能成爲具身最終的形态，是因爲人形能夠更好的利用人的數據來學習。
顔黔杭：人形機器人是具身智能替代人執行任務的最理想硬件載體，追求人形的形态主要有兩個原因。一個是爲了實現仿人自由度和功能的最簡潔形态，另一個是考慮到機器人需要适應爲人打造的物理環境，而人形是适應能力最好的形态。如果是采用輪式，機器人的移動就被約束在平面上，無法适應一些複雜地形。
但對具身智能來說，人形不是唯一的載體，它可以應用到協作臂，複合機器人，甚至工業設備上，它并不用與人形強綁定。
挑戰與突破
钛媒體：如果要實現通用智能機器人，硬件本體現在的成熟度如何，已經能夠支撐具身智能的發展了嗎？
曹巍：過去 2 - 3 年，機器人人形初步硬件架構已經确立，但關鍵模塊和技術路徑仍在不斷叠代和探索。
中國的智能制造生态已經具備了非常完整的機器人産業鏈，包括感知系統、關節驅動系統、整體軀幹以及靈巧手的手部關節等，國内都有非常優秀的供應商，既有上市公司也有初創公司。
比如，現在機器人的感知方案五花八門，上海 WAIC 上展示的十八羅漢，每個機器人的感知方案都不同，目前還沒有統一的行業标準。這給投資人帶來了很強的信心和良好的生态效應。
我們認爲，未來的機器人團隊不應單兵作戰，而要做到生态協同、生态供應。從人形機器人架構成立到未來硬件架構穩定、行業達成共識，我們認爲還需要 3 - 5 年的周期。如果硬件未來能夠快速達成共識，對整個産業的發展和人形機器人生态的叠代将非常有幫助。
Ivy Li：硬件并非當前具身智能的核心瓶頸。雖然硬件技術路徑尚未完全收斂，上遊産業鏈也還不夠成熟，但這隻是時間和過程的問題。
硬件的關鍵不在于技術突破，而在于工程化實現。這本質上回歸到制造業的三大核心：成本、質量和交期。我們對中國供應鏈充滿信心，随着産業發展和硬件技術路徑的逐步收斂，行業共識将形成，成本也将持續下降。
顔黔杭：談到硬件，我們可以把它分成上半身和下半身去看。
上半身更多是負責操作的臂與靈巧手。這麽些年下來，臂的技術相對已經比較完善與成熟，因爲它在工業場景裏已經落地驗證了很多年。靈巧手的進展相對緩慢一些，當前很多場景的任務操作，用吸盤或者夾爪即可。目前，高自由度的靈巧手還處于科研或者說研發階段，在應用落地之前需要解決可靠性，承載負荷，集成度等諸多問題。
機器人上肢操作能力的泛化與叠代離不開力反饋控制與觸覺反饋控制的結合。力傳感器與觸覺傳感器是這些新控制反饋鏈路的硬件基礎。目前，市場上比較缺乏高性價比、功能可靠的這類傳感器産品，但這也意味着投資機會。
至于下半身，即機器人的腿部和足部，包括電機、減速器等執行器件本身，目前并不是構成硬壁壘的稀缺前沿技術。對于人形或通用智能機器人來說，随着新需求的誕生和中國供應鏈的快速叠代，硬件的基礎能力已經可以去支持一些具身智能的落地與驗證。不過，基于人形機器人的新場景和特點，硬件上也需要依托供應鏈來做一些創新。
例如，機器人的抗沖擊能力是一個需要去關注的問題。傳統的協作機器人或工業機器人通常在固定場景下工作，側重于保障運動的平順性。但是人形機器人不管在操作和移動中都有大量的随機事件發生，比如操作任務的幹擾和移動時環境中的暗坑，解決這類随機事件對機器人運動帶來的瞬态沖擊是人形機器人在硬件需求上變化比較顯著的一點。
钛媒體：如果不考慮觸覺或感官問題，隻關注于如何控制靈巧手，哪些因素最難達成妥協？
曹巍：如果從感知和認知的角度看，因爲感知和認知包含一些複雜任務的規劃，它是由大腦來做的，而且大腦很多都是大模型在做，大家會基于開源的大模型或現有大模型去改，而這些大模型的能力現在其實是非常強，應該講現在的機器人是"大腦強、小腦弱"，所以現在關鍵問題還是在小腦。目前在小腦領域，我們沒有看到特别大的技術變化去驅動它，沒有看到代際級的運動能力表現。
小腦領域，有一個模型叫做Vision Action Model，這個Action其實就是和小腦對應的。比如像local motion，它是小腦裏跟運動能力相關的部分，這個人是個傻子，他沒有大腦，但是他依然能走路，或者有一些條件反射，你一敲膝蓋腿會動，這可能是你下意識的舉動，也是屬于小腦端側、非常末端的基礎模型去控制的。
"小腦"的話就是在控制側，比如我們關注的像強化學習方向，我們有一個項目可能會去投資，他們是在強化學習方面做得非常優秀的一個團隊，在雙手的靈巧操作方面會有非常差異化的能力展現。
像靈巧手的選型，有衆多創業團隊在從事這方面的創業，但高自由度與穩定性、魯棒性之間的矛盾，無論是學術界研究人員還是産業界創業企業家，都還在努力解決。
Ivy Li：現在還處于行業的早期階段，各家公司在技術方案上都在進行不同的探索，關于需要多少自由度等問題尚未形成共識。這是一個産業發展過程中必經的階段，随着時間的推移，行業将逐漸明确方向并達成共識
顔黔杭：峰瑞比較早在靈巧手賽道做了投資布局，今年也還在持續看新項目。靈巧手之所以能獨立于其他機器人零部件作爲一個單獨的技術方向，是因爲它必須要解決在人手大小的空間内，完成上驅動單元、傳動結構，以及多類型傳感器的集成，同時又要滿足末端精度、末端負載、自由度，可靠性等多維度的需求。這需要從底層設計上去重構很多傳統的機器人設計。這是硬件側的難點，當然也是機遇。
至于如何如控制一個高自由度的靈巧手，這是一個複雜的問題。單個靈巧手的自由度遠超之前的協作臂，同時要考慮引入多模态的閉環控制反饋（視覺、力覺，觸覺），用經典控制方法很難實現高頻率靈巧手的控制。學術界與行業内都在采用AI這類數據驅動的方式，通過模仿學習，sim2real的強化學習等方法，去推進靈巧手技術控制的叠代。
靈巧手的硬件與軟件之間存在一個相互促進的飛輪效應。我們認爲目前靈巧手的一個典型的矛盾點是，因爲兼具高自由度、高性價比、高可靠性的硬件産品還比較缺乏，研發者們要研發控制算法與采集數據就很難。在研發上，一旦靈巧手的滲透率大幅度提升，就能推動這個飛輪快速轉起來。
钛媒體：如果說需要考慮落地的話，潛在挑戰在哪？
曹巍：從機器人運動控制方向來看，目前機器人的雙腿控制部分已經能夠做得很好，但如何把靈巧手用好，依然是學術界和産業界所面臨的難點。人在做任務時，60%-70%的價值創造是由雙手完成的，靈巧手的開發是機器人含金量非常高的技術棧，也是藍馳創投現階段看好的新細分方向之一。
顔黔杭：人形機器人公司要實現技術落地，一個路徑是在研發上瞄準前沿和未來，然後在過程中逐步把關鍵技術拆解出來，再降維去做産品，實現商業化。這是一種由高到低的技術轉化過程。
但現狀是，不管是行走還是操作，目前的技術進展距離實際應用需求還有差距。
中短期，這一波創業公司如果能在某些垂直場景中找到可以産品化的方向，并解決場景内的通用性問題，就能實現一定程度的商業化。例如側重于足式移動的人形機器人公司去做一些特種複雜路面場景的落地嘗試，或者偏操作的具身智能公司在物流分揀和藥房等零售類場景進行上下貨。
挑戰在于，市場對産品的要求通常會非常高，即便證明了技術可行性，也需要在商業價值上體現競争力。
總體而言，相比于傳統機器人，這一波人形機器人的優勢還是在通用和泛化上，尤其是在感知與任務決策上已經展示出明顯優勢，但在基于模仿學習的任務操作上泛化仍然是挑戰。
所以，比較适合短期落地的是感知複雜度高、操作複雜度低的場景，例如前面提到的藥房上下貨。
機會與希望
钛媒體：機器人方向進行創業，您認爲哪些細分領域的機會更大？
陳昱：從投資角度來看，具身智能是一個非常複雜的行業，涉及軟件、硬件多個層級，包括零組件、本體、數據采集、模拟器等等，這些細分領域都包含很多創業機會。
此外，具身智能的技術路線尚未收斂，有端到端機器學習方案、大模型加強化學習的方案，還有其他方案。在技術早期我們也會多布局不同技術路線的公司，未來技術路線可能也未必收斂，可能每種技術路線都有存在價值，都有可能做出高性價比、高功能的具身智能。不同的技術路線下也有創新突破的機會。
曹巍：圍繞小腦領域，我們比較關注的是靈巧操作，在靈巧操作的算法上有創新的團隊，同時也關注垂直領域的機器人公司，我們投資了一家深圳的公司叫小楠科技，它是做海外末端物流分揀的智能化設備的，非常有特色和差異化。
未來還會在仿真訓練平台、關鍵傳感器、機器人核心模組等方面持續尋找優秀創業團隊。
Ivy Li：在我們看來，具身智能是未來人工智能引發社會性革命的核心載體，因此圍繞具身智能将會有許多機會湧現。
在當前階段，無論是圍繞本體展開的移動平台，還是上半身的手眼結合技術，我們都給予高度關注。技術正在不斷進步，這需要對機械系統的深入理解以及多模态模型的調試。
展望未來，手眼一體化本質上是多模态技術與機械的融合，随着産業鏈的日益成熟，具身智能的上遊技術，包括傳感器，将成爲我們關注的重點方向。
顔黔杭：在具身智能賽道，我們峰瑞已經投資了AI+本體、包括靈巧手在内的核心零部件、關鍵傳感器、垂直場景應用等多個細分方向。
我們相信具身智能是個長遠的大賽道。大家對具身智能的共識目标是，基于高質量的數據采集與供應，結合AI模型側的創新，來實現泛化與可靠性更強的具身智能系統。因此，我們希望能夠保持對具身智能賽道的敏感，并持續探索新的具身投資機會。
此外，随着這波浪潮的興起，我們也看好具身智能相關的技術與能力外溢到其他行業，比如傳統工業、協作類機器人場景，去推動垂直場景内的機器人智能化。例如焊接、打磨等經典工業機器人場景裏的任務，固定編程的傳統機器人可以升級成爲智能化的新型機器人。
钛媒體：具身智能賽道，您會着重看哪些方向的公司以及在選擇團隊時， 您會重視哪些能力？
曹巍：技術進步是推動機器人能力的關鍵抓手，藍馳在看機器人方向的時候非常關注底層技術變化趨勢。
機器人公司本質上來說是制造業公司，所以公司壁壘的構建首先體現在制造層面，是否有足夠的規模、高效的生産能力、高效的供應鏈協同能力。
第二從機器人層面看，是否在數據側、場景側、算法側形成足夠的差異化。如果創業者有差異化的競争力，單項能力突出就很好。但這樣的團隊一定要去快速補短，因爲未來的競争，一定是"六邊形戰士"之間的競争。如果創業者對機器人有夢想，而不隻是追熱點，并且有差異化競争力，他們随時都可以入場。
總體來說投機器人，一看技術變化，二看産業趨勢。除了機器人，在整個的大科技領域，我們還關注AI和智能硬件的結合，同時也關注文生3D、圖生3D等基礎的底層模型和世界模型。
Ivy Li：我們仍在關注有差異化競争力的團隊。我們相信，不論是長闆足夠清晰的企業，抑或是在産業中經驗豐富的企業，隻要在産業發展的過程中清晰自己的定位就存在機會。
顔黔杭：對于具身智能和人形機器人這類短期還未到達商業化拐點的前沿科技賽道，我們的投資判斷邏輯還是從技術趨勢和團隊能力這兩個角度來綜合判斷。
首先，我們希望團隊具備足夠前沿的技術戰略視野與決策能力，能夠領先于行業平均水平去推動前沿技術的發展，而不是總跟在後面"抄作業"。其次，團隊需要在這類新賽道裏具備非常強的快速學習能力，去應對行業發展過程中的預期外的新變化。
钛媒體：未來 10 到 20 年，全球人形機器人或智能機器人行業的格局将會變成什麽樣？
陳昱：具身智能最終應該是替代或輔助人去完成一些工作，所以商業模式肯定是對标人的。如果在一些應用場景下，機器人能夠做到比相應的人工成本更便宜，那市場肯定會買單。
更終局的視角下，大家最後都需要一個全能的個人助理，但這個商業模式還需要很長一段時間。
具身智能的發展模式和自動駕駛會有些類似，大概在2014年-2016年，我們已經能夠看到自動駕駛的雛形在路上跑了。具身智能也在走同樣的路，大家先把雛形做出來，再花5-10年把鏈條上各個環節的成本降下來。
曹巍：根據我們的觀察，人形機器人和半人形機器人，都需要穿越2個到3個投資周期才能成功。
在機器人落地的過程中，未來的發展趨勢一定是循序漸進，從簡單到困難逐步展開。因爲機器人什麽時候能落地取決于機器人的能力邊界和、場景和任務特點。
比如在 B 端場景，B 端最關注明确的成本要求，即要講清楚 ROI，明确替代幾個人、何時回本，是在場景側百分百完成簡單任務還是 80%完成複雜任務但隻是秀一下？他們需要百分百穩定的簡單任務。所以，B端場景裏，能夠克服外部幹擾，從簡單任務做起，做到高魯棒性，是切入點的關鍵。
而在 C 端，我們看到大量标準化任務已被成熟的消費電子産品取代，留給機器人創業公司的基本都是複雜任務，如非标的房間打理、帶孩子、照顧老人、非标的清潔等。這些任務非常複雜，既有空間交互的大量智能體與之博弈，又有複雜長序列任務的串聯，還可能涉及機器人與其他智能體的協作，所以 C 端并不容易。我們也看到很多優秀的團隊已經開始嘗試在 C 端努力，期待有團隊一起交流和碰撞，找到 C 端的解題路徑。
總的來說，機器人的落地不是一蹴而就的，而是一個循序漸進的過程。
最後，雖然我們談到了産業的發展趨勢、遇到的問題和挑戰，但我們也看到了大家對通用機器人、人形機器人、半人形機器人的巨大期望，這源于它們在場景适應上的包容性，無論是科研、交互服務、搬運巡檢、複雜分揀、産業組裝柔性任務，還是生活服務場景中的住宿、零售、批發，甚至 C 端的居家、養老、看護、陪伴等，未來都将是一個萬億級的市場，是一個值得大家傾心投入、共同努力的巨大機會。雖然短期内可能還看不到。（本文首發于钛媒體APP，作者｜郭虹妘，編輯｜陶天宇）
