人形机器人突破短期内难改生活

高调预言与现实落差

近期视频中频频亮相的白色人形机器人——黑头黑躯、能递爆米花、倒垃圾、按微波炉按钮，甚至跳舞——正是特斯拉Optimus。CEO埃隆·马斯克称其将是‘特斯拉史上最大产品，甚至可能是人类史上最大产品’，预计2027年底前面向公众销售，单价约2万美元，最终实现‘超人级灵巧度’，替代从搬运钢板到叠衣服的几乎所有人力劳动。类似乐观论调广泛存在：a16z联合创始人马克·安德森称机器人或成‘地球史上最大产业’；英伟达CEO黄仁勋断言人形机器人今年将达人类水平能力；摩根士丹利预测，到2050年类人机器人数量将逼近10亿台，催生超5万亿美元市场。

AI迁移的幻觉与物理世界的壁垒

这些宏大叙事很大程度上建立在一种假设之上：驱动ChatGPT、Claude等大模型的语言与视觉AI突破，同样能让人形机器人像模仿语言一样精准模仿人类运动。然而，大量一线机器人研究者对此持强烈怀疑态度。被誉为‘AI教父’之一的杨立昆（Yann LeCun）在一月达沃斯论坛期间直言：‘所有正在研发人形机器人的公司——一家都不例外——完全不知道如何让这些机器人聪明到真正可用。’他强调，基于文本和图像训练的智能，与驾驭物理世界无限变量所需的‘具身智能’存在本质断层。

形似不等于神似

专家还指出，将‘外观拟人’与‘能力通用’混为一谈是严重误导。俄勒冈州立大学机器人学教授、Agility Robotics联合创始人乔纳森·赫斯特解释：‘制造一个看起来像人的机器人非常容易；但要造出能在动态环境中像人一样移动、交互、适应物理约束的机器，难度呈数量级提升。’当前多数演示聚焦于结构化环境中的单点任务（如递水瓶），而真实家庭或工厂场景充满不可预测性——地面湿滑、物体堆叠不稳、光照突变、工具意外移位——这些恰是现有AI最薄弱的环节。

实验室里的务实演进

在喧嚣的商业宣传之下，美国各地机器人实验室正进行着缓慢却扎实的探索。十年前生成式AI的爆发源于一系列基础性突破；机器人领域研究者普遍相信，一场同等量级的革命同样可能到来——赋予机器真正的‘物理直觉’与运动流畅性。但关键问题是：驱动AI进步的同一套方法（如大规模语言建模、强化学习）是否足以攻克机器人难题？抑或需要全新的范式？

智能不靠外形，而靠任务泛化能力

以谷歌DeepMind的ALOHA 2平台为例：它并非人形，仅由双臂、夹爪与摄像头组成，外观简陋。但它却是测试前沿机器人AI系统Gemini Robotics的核心载体。在Gemini Robotics驱动下，ALOHA 2展现出显著的任务泛化能力——仅凭少量示例即可执行新任务，例如自主打包午餐盒。这印证了一种主流思路：通用性未必依赖人形结构，而取决于底层AI对物理交互的理解深度与迁移效率。真正的进展不在炫技视频里，而在如何让机器理解‘为什么这个动作在此刻会失败’，并实时重构策略。

编者观点：对中国企业而言，与其盲目跟进人形机器人整机军备竞赛，不如聚焦物理AI底层能力——如多模态具身感知、小样本技能迁移、安全鲁棒控制——这些才是穿越 hype 周期、构建长期技术护城河的关键。