在這兩天召開的2025年世界機器人大會，成了人形機器人們技能比拼的賽場。它們競相登臺，跳舞、踢球、寫毛筆字、當(dāng)售貨員...無所不能，我們仿佛置身科幻電影之中。很多人篤信，具身智能即將實現(xiàn)從0到1的突破，迎來自己的ChatGPT時刻。然而，技術(shù)瓶頸讓這一愿景仍需時日。NVIDIA、宇樹科技和銀河通用等領(lǐng)軍力量，正在攻克模型、數(shù)據(jù)和硬件三大卡點，力圖讓通用人形機器人成為現(xiàn)實。

我們有幸參加了英偉達在WRC期間召開的媒體活動，NVIDIA高級副總裁Rev Lebaredian、宇樹科技創(chuàng)始人王興興以及銀河通用創(chuàng)始人王鶴分享了他們對人形機器人規(guī)模化商用的洞見。他們一致認為，人形機器人不僅承載著人工智能從“信息世界”邁向“物理世界”的宏大愿景，更有望撬動數(shù)萬億美元的產(chǎn)業(yè)革命。然而，通往這一未來的道路并不平坦，具身智能模型的通用性、仿真到現(xiàn)實（Sim2Real）的數(shù)據(jù)瓶頸以及硬件性能的物理極限，仍是人形機器人規(guī)?；l(fā)的三大關(guān)鍵卡點。

模型瓶頸：提升泛化能力，加速模型收斂

人形機器人的核心在于“具身智能”（Embodied AI），即讓機器人在物理世界中理解環(huán)境、執(zhí)行任務(wù)的能力。然而，當(dāng)前具身智能模型架構(gòu)碎片化、通用性和閉環(huán)能力仍是最大瓶頸。

宇樹科技的王興興坦言，現(xiàn)有模型多局限于特定任務(wù)，難以應(yīng)對復(fù)雜、多步驟場景。他指出：“你最大的問題目前其實還是整個具身智能的整個模型其實還是不夠泛用性，包括它的實用性還是有更大的提升，這塊其實是當(dāng)下是最棘手的問題了。”

在工業(yè)場景中，機器人需完成從搬運到碼垛、分揀的全流程閉環(huán)，但當(dāng)前技術(shù)僅在部分環(huán)節(jié)接近人類水平。銀河通用的王鶴以汽車制造為例，說明了這一挑戰(zhàn)的復(fù)雜性：“搬運方面，銀河通用最近展示的機器人視頻里，其搬運速度已經(jīng)接近人類水平……但是，搬運只是第一步。除了搬運，還需要實現(xiàn)碼垛的閉環(huán)能力，只有搬運和碼垛都完成閉環(huán)，機器人才能真正勝任整套工作流程。” 分揀任務(wù)的難度更高，尤其在高節(jié)拍、高精度的汽車產(chǎn)線上，機器人速度和精度仍難以媲美熟練工人。

模型架構(gòu)的碎片化進一步放緩了進展。王興興提到，當(dāng)前模型架構(gòu)的不統(tǒng)一導(dǎo)致行業(yè)整體進展緩慢。如果能收斂成標(biāo)準(zhǔn)化的架構(gòu)，結(jié)合當(dāng)前的技術(shù)熱潮，突破速度或?qū)@著加快。他分享了宇樹科技的嘗試：早期探索用視頻生成模型作為“世界模型”驅(qū)動機械臂的訓(xùn)練，但因算力限制未能深入。近期谷歌在視頻生成模型上的突破，憑借更強的物理對齊能力，重新點燃了這一方向的希望。

要提升具身智能，強化學(xué)習(xí)（RL）與VLA的結(jié)合成為一條關(guān)鍵思路。宇樹科技利用NVIDIA的Isaac Sim平臺，通過強化學(xué)習(xí)訓(xùn)練機器人掌握舞蹈、跳躍等動作，顯著減少了對真實數(shù)據(jù)的依賴。王興興表示：“不同于語言模型訓(xùn)練，動作訓(xùn)練只需少量真實數(shù)據(jù)，其余由強化學(xué)習(xí)完成。” 這一方法通過虛擬環(huán)境模擬復(fù)雜場景，加速了模型迭代。

此外，行業(yè)協(xié)作也在推動架構(gòu)統(tǒng)一，NVIDIA的Isaac平臺為模型訓(xùn)練提供了標(biāo)準(zhǔn)化框架，加速了泛化能力的突破。

數(shù)據(jù)瓶頸：Sim2Real的效率與魯棒性提升

人形機器人訓(xùn)練所需的數(shù)據(jù)量巨大，尤其是動作與環(huán)境的配對數(shù)據(jù)。真實數(shù)據(jù)的稀缺性成為瓶頸，例如，訓(xùn)練機器人應(yīng)對緊急情況（如自動駕駛中避讓行人）無法通過真實測試實現(xiàn)，因為真實世界數(shù)據(jù)的獲取成本高且存在倫理限制，所以具身智能訓(xùn)練高度依賴仿真技術(shù)，Rev Lebaredian強調(diào)：“如果你想構(gòu)建一個能夠在現(xiàn)實世界中行動且安全可靠的機器人系統(tǒng)，實際上唯一的選擇就是使用仿真?！?

然而，仿真到現(xiàn)實的精度差距（Sim2Real Gap）以及數(shù)據(jù)生成效率的限制，構(gòu)成了另一大瓶頸。

高精度仿真需準(zhǔn)確復(fù)現(xiàn)物理世界的規(guī)律，但這將會導(dǎo)致高昂的計算成本。Rev Lebaredian指出：“問題是這些高精度仿真計算成本極高，通常需要在大型計算機上運行數(shù)小時?！?

此外，合成數(shù)據(jù)的生成依賴于高質(zhì)量虛擬環(huán)境，但當(dāng)前仍需人工構(gòu)建復(fù)雜場景。生成具有真實物理參數(shù)（如摩擦系數(shù)、材料特性）的虛擬環(huán)境，需大量人工干預(yù)，效率低下。

銀河通用通過NVIDIA的仿真引擎，生成了全球首個百億級抓取和柔性物體操作數(shù)據(jù)集，顯著提升了模型的魯棒性。銀河通用的王鶴分享了他們的經(jīng)驗：“真實世界數(shù)據(jù)僅占我們訓(xùn)練數(shù)據(jù)的1%，其余99%均為合成數(shù)據(jù)?！?透過合成數(shù)據(jù)的泛化能力提升，才能確保模型在真實場景中的魯棒性。

為解決Sim2Real與數(shù)據(jù)瓶頸，英偉達提出了AI驅(qū)動的仿真策略。Rev Lebaredian介紹：“我們正在利用AI本身作為提升仿真速度和精度的工具?！?NVIDIA Cosmos項目旨在構(gòu)建理解物理規(guī)律的“世界基礎(chǔ)模型”，結(jié)合真實和仿真數(shù)據(jù)，生成更高效、精準(zhǔn)的虛擬環(huán)境。這種方法有望實現(xiàn)數(shù)據(jù)生成的“自動駕駛”，大幅減少人工干預(yù)，加速人形機器人的商用進程。中國企業(yè)在這一領(lǐng)域已取得領(lǐng)先實踐。銀河通用的百億級數(shù)據(jù)集，正是通過NVIDIA仿真引擎實現(xiàn)的突破。王鶴表示：“我們與NVIDIA一致認為，合成數(shù)據(jù)是推動具身智能快速落地的關(guān)鍵?！?未來，自動化仿真技術(shù)的進步，將進一步彌合Sim2Real差距，加速人形機器人的商用進程。

硬件瓶頸：性能物理極限的突破

盡管硬件成本已不再是主要障礙，但硬件性能的物理極限仍限制了人形機器人執(zhí)行復(fù)雜任務(wù)的能力。王興興指出：“當(dāng)前限制機器人執(zhí)行更復(fù)雜動作的最大因素并非算法，而是硬件物理極限。例如，要將奔跑速度從每秒3~4米提升到10米，對硬件的改進需求極高?！?

硬件性能的制約工業(yè)場景對機器人的速度、精度和能耗要求極高。例如，汽車制造中的分揀任務(wù)要求機器人快速、精準(zhǔn)地抓取物體，但當(dāng)前硬件難以達到熟練工人的效率。此外，靈巧手的開發(fā)也面臨挑戰(zhàn)，需要更高的自由度和控制精度。能耗和散熱問題同樣關(guān)鍵，機器人需在有限電力下完成實時計算，同時保持散熱效率。

專用計算與全棧優(yōu)化NVIDIA Jetson Thor芯片為硬件突破提供了方向，其計算能力比上一代提升7.5倍，每瓦性能提升3.5倍，I/O吞吐量提升10倍，滿足了復(fù)雜推理和高帶寬感知需求。Rev Lebaredian強調(diào)：“Jetson Thor與之前版本最大的不同是，現(xiàn)在具備了足夠的計算能力，能夠運行更大、更強的神經(jīng)網(wǎng)絡(luò)和模型，支持更復(fù)雜的推理任務(wù)。”

更重要的是，硬件突破需依賴全棧優(yōu)化。NVIDIA通過芯片、算法和軟件的協(xié)同設(shè)計，確保性能、能耗和散熱的平衡。這種策略已在銀河通用的實踐中得到驗證，其機器人憑借Jetson Thor實現(xiàn)了更快的運動規(guī)劃和視覺處理。

王鶴分享：“銀河通用率先將Jetson Thor應(yīng)用于人形機器人，在演示中，配備該芯片的機器人展現(xiàn)出絲滑的運動性能以及實時的貨箱視覺處理與運動規(guī)劃能力，速度顯著提升?！?這一實踐證明了硬件性能對復(fù)雜任務(wù)的支持。此外，宇樹科技也在推進20自由度靈巧手的開發(fā)，目標(biāo)是實現(xiàn)日常任務(wù)的精準(zhǔn)操作。這些進展表明，硬件性能的提升正為模型推理提供更強支持，加速人形機器人商用落地。

未來：抓住窗口，產(chǎn)量突破和應(yīng)用部署是關(guān)鍵

人形機器人正站在技術(shù)與市場的交匯處，承載著人工智能重塑物理世界的宏大愿景。具身智能的通用性、Sim2Real與數(shù)據(jù)瓶頸、硬件性能的極限，是規(guī)?；l(fā)的三大障礙，但強化學(xué)習(xí)、自動化仿真和專用計算正在為突破鋪路。正如王興興所言：“AI領(lǐng)域充滿了可能性，往往一個靈光一閃的創(chuàng)意就能帶來突破?！?他預(yù)測，未來幾年機器人出貨量有望每年翻倍，行業(yè)正處于快速成長階段。中國的制造能力、人才儲備和應(yīng)用場景為其提供了獨特優(yōu)勢。

王鶴則認為，未來十年，人形機器人市場有望超越工業(yè)機械臂，邁向萬億級規(guī)模?！邦A(yù)計未來每三年人形機器人的產(chǎn)值會乘10，假設(shè)現(xiàn)在頭部是賣1000臺，三年后就是1萬臺，再三年后就是10萬臺。那么10萬臺級的量，如果賣幾十萬一臺的話，就達到了1000億，超過了整個工業(yè)機械臂的總產(chǎn)值?！?

然而，有質(zhì)疑聲認為人形機器人可能重蹈元宇宙覆轍，成為曇花一現(xiàn)的技術(shù)熱潮，在潮水消退之后便歸為沉寂。因此，人形機器人的廠商，更需要抓住當(dāng)前的窗口期，加快實現(xiàn)產(chǎn)量翻倍和行業(yè)應(yīng)用規(guī)模化部署，從而實現(xiàn)模型和數(shù)據(jù)的飛輪，技術(shù)和商業(yè)的飛輪，這兩個飛輪效應(yīng)的構(gòu)建，將會真正推動人形機器人走向爆發(fā)。而我們也期待這場機器人的盛筵，以中國為中心，在全球鋪開。

Rev Lebaredian指出：“中國擁有大量聰明、受過良好教育且充滿熱情的AI研究人員和開發(fā)者，這樣的生態(tài)體系和制造規(guī)模是其他國家難以匹敵的?！比騾f(xié)作同樣不可或缺：在NVIDIA的Isaac平臺、Jetson Thor芯片和Cosmos項目的支持下，與宇樹科技、銀河通用等企業(yè)的協(xié)作，正推動人形機器人邁向萬億市場，開啟通用智能的新時代。