为什么我不看好人形机器人？

TLDR：我不否认人形机器人在控制、硬件和人工智能上的技术价值，也不认为它会彻底失败。我不看好的是另一件事：“像人”并不自然等于“通用”，“通用”也不自然等于“有用”。 在可靠性、成本、能源、数据和维护问题解决之前，人形机器人更可能先成为科研平台、工业试验品、表演项目和极客玩具，而不是像个人电脑或智能手机一样铺开，甚至是成为“新质劳动力”，代替蓝领工人。

未来已来？

从 25 年春晚的《秧 BOT》开始，人形机器人再一次走入大众视野。宇树 H1 机器人灵活的动作让不少人感觉未来已来，那时的媒体更是原地高潮，让大家觉得未来的科技发展方向貌似又有了一个明确的指向标。

从那时起，我一方面惊叹于人形机器人的灵活性和可玩性，一方面又在怀疑：真的如这些媒体所说的，人形机器人就是未来吗？具身智能真的可以与人形机器人画一个约等号吗？而最近人形机器人运动大会的顺利举办，又让这个话题回到大众讨论的中心。

我想或许应该现在就明确说明自己的判断和立场，留一个档，以便未来观察。如果成功了，要看我现在忽略了什么；如果失败了，也要看失败原因是否与我的判断匹配。

明确范围

首先，我想先声明讨论的范围。

我并不是从技术上否定人形机器人。它当然集合了控制、机械、材料、传感器和人工智能等领域很前沿的成果。我不看好的是：人形机器人可以承担起某一部分人所说的“下一代通用生产力”。尤其是“像人”=“通用”=“实用”这条常见的逻辑链，里面暗含了许多逻辑漏洞，也包含了许多资本喜欢讲的故事。

接下来让我一步一步地讲明白这个问题。

技术难题

我想先试着说明白为什么最近几年国内机器人进步这么快。

进化路线

最早在互联网上持续引起大众关注的，应该是波士顿动力的机器人。早在 2004 年，互联网刚刚兴起，BigDog 项目就已经开始。随着 YouTube 的发展，大家都对这么一个机械狗的能力感到惊叹。其背后的控制技术、全身动力学建模、轨迹优化和接触力求解，这些名字背后是几十年来最聪明的工程师和昂贵硬件共同堆出来的护城河。波士顿动力的机器人一次又一次让人感到惊叹，其背后的技术和算法也无不让人震撼。

这个故事一直到2020年，才出现了变化。

苏黎世联邦理工 RSL 组在《Science Robotics》上发表了那篇著名的 ANYmal 强化学习越野论文，展示了在仿真中训练策略，再迁移到真实机器人上应对复杂地形的路线。

在RL仿真环境下不断训练，结果训练出的策略比BD手调的MPC在复杂地形上跑得还稳。完全不用手搓模型，而且还把代码开源了。

后来的 rsl_rl、legged_gym，加上 NVIDIA Isaac Gym 等工具，又不断降低了训练和复现门槛；宇树等厂商则把电驱机器人的硬件价格打了下来。MPC几十年筑起的城墙，使用RL，轻松绕过去了。过去只有少数顶尖团队才能接触的能力，开始被更多实验室和公司复现。

这其实是一次很了不起的技术突破。通过RL把桌子掀掉，利用最前沿的技术段时间完成了以前超乎想象的工作：很多难以完整手工建模的动作，可以先在仿真里通过大量试错学出来，再和传统控制、状态估计、安全约束组合使用。原来高高的技术门槛，就这样被绕开了一部分。

从这之后，国内公司有了成本更低、迭代更快的路线去实现机器人的运动控制，于是各种各样的机器狗和人形机器人开始逐渐出现在市场上。

仍然面临的挑战

让我们从简单逐渐向难的来说。

首先是能源问题。当然，目前已经有换电池的解决方案，还说得过去，但这也意味着机器人的工作范围和工作时长仍然受到限制。对一个表演十分钟的机器人来说这不算致命问题，但对一个要连续工作八小时、还要携带负载的生产工具来说，这就是直接影响成本的问题。

其次是结构问题。目前许多人形机器人采用电机驱动关节，而关节又要同时面对扭矩、散热、重量、冲击和寿命等互相牵制的问题。这方面我了解得并不多，不敢展开谈具体方案，但我知道演示一个动作和每天重复几千次动作，面对的是完全不同的工程标准。摔倒一次能不能自己站起来，连续工作后精度会不会漂移，关节坏了多久能换好，这些小问题累加起来最终都会出现在账单里。

最后是大脑。强化学习让机器人的运动和平衡能力进步了很多，但这更接近“小脑”的部分：怎样落脚、怎样保持稳定、怎样完成已经定义好的动作。真正决定机器人能否被广泛使用的，是它能不能理解环境、规划任务、处理意外，并且知道自己什么时候做不到。

这也是当前 世界模型（World Model）（这里有一个很好的简单的介绍（并不是简短！））、长程任务规划、开放环境下的语义理解与异常应对这几个主流的研究方向。（其实这几个方向最后效果如何也有不少质疑的声音）

目前很多公司开始收集数据，希望像大语言模型一样通过 Scaling Law 实现一次突破。但现实世界的数据不像文本一样可以直接从互联网上下载。一段机器人数据需要真实硬件执行，需要标注动作和结果，还可能伴随磨损、碰撞和人工接管。

换句话说，语言模型可以用互联网上的文本“免费”训练，而机器人模型每一次“学习”，都在磨损硬件、消耗电量和人力。 这种成本结构，决定了它很难简单复制大语言模型的爆发路径。

更麻烦的是，不同本体、不同相机位置、不同关节参数采集的数据能不能相互迁移，这与我所熟悉的医学图像领域遇到的难题类似，甚至要更为麻烦，而医学图像至今也没有像语言模型那样清晰的答案。

所以“大脑”不仅是模型够不够聪明的问题，也是数据从哪里来、错误由谁承担、能力能否稳定复现的问题。

都是谁在买机器人——市场与应用空间

有些机器人公司已经拥有不错的收入，而且宇树公司的数据也显示他们早已实现盈利，但这不能直接说明人形机器人已经有了广大的终端市场。我们首先要看都是谁在买这些机器人，又拿它们来做什么。

根据新闻和公开案例推断，目前真正稳定投入生产的人形机器人仍然很少，更多购买者是高校、研究机构、展厅和需要做二次开发的公司。我常常看到某些高校为实验室里有一台宇树机器人而宣传，也常看到机器人出现在发布会、商场和运动会上，但很少看到工厂公开展示它已经连续运行了多久、替代了多少成本、产生了多少稳定产能。

根据摩根士丹利的数据是，65%拿去展示、接待、搞科研，真上产线的只有35%。宇树给上交所交的材料更直白：2025年前三季度，人形机器人收入73.6%来自科研教育。 而上产线的又有多少是为了讲故事？也暂时不可考纠。

这里的机器人更多的是一个论文生产工具、资本叙事对象、热度炒作方向。

我更愿意把它理解成一个昂贵的乐高模型，或者更贴切地说，类似于大疆 RoboMaster：它是一个很好的教学、研究和开发平台，也可以形成比赛、表演和爱好者文化，但这和它成为普遍生产工具是两回事。

当然，试验项目本来就是量产之前的必经阶段。我并不是说“现在没有，所以以后也没有”。我只是认为，在讨论市场时不能把送进实验室、展厅和试点产线的每一台机器人，都提前算作已经被验证的生产力。

那这时候就有人说了，当前没有市场，不代表其潜在市场不大。现在社会中的各种器械都是按照人体工程学设计的，所以将来最通用的也只能是人形机器人。

但这个逻辑并不闭环。

像人≠通用≠有用

这里有两个逻辑推理并不正确，首先像人≠通用，其次通用≠有用。

人手当然非常灵活，但它并不是为了现代工业环境而设计出来的。关于人手形态的演化有许多解释，抓握、投掷和使用工具都可能参与其中，可以参考这篇讨论投掷与人手演化关系的论文。但当今社会的发展已经远远快于生物进化的速度。我们会发明不同工具来做不同的事情，本来就是为了弥补手做不好的地方。

这本身就是“通用≠有用”的一个例子。螺丝用手也可以勉强扭动，但有螺丝刀会拧得更紧，有棘轮螺丝刀会拧得又快又紧，而产线上还会直接使用定扭矩电动工具。人手很通用，最后真正提高生产力的，往往是那些看起来一点也不通用的工具。

这些工具的演进都是工业积累，为什么不能平移到机器人上？轮式底盘移动效率更高，机械臂定位更稳定，夹具可以直接适配零件，传送带甚至不需要“理解”自己在运输什么。当一个场景足够固定时，企业通常会优先改造环境和流程，而不是购买一个具备两条腿、十根手指和全身平衡能力的复杂机器。

即使确实需要适应多种任务，也不一定非得完整模仿人。模块化的末端工具、可以快速更换的夹具、移动底盘加机械臂，再让本来就足够聪明的人类处理少数例外，或许是更便宜、更可靠的迁移方案。

人形机器人最大的悖论在于，它试图用最通用的身体，去解决最不通用的任务。

人形结构真正的优势，是可以直接进入为人设计的环境，不需要先改门、楼梯和工具。但这个优势也有一个隐藏前提：改造环境的成本，必须高于维持人形结构复杂度的成本。 在家庭、灾区或老旧建筑里，这个前提可能成立；在可以重新规划的工厂和仓库里，它未必成立。

那么应用空间有哪些？

在我看来，人形结构不可替代的应用，反而可能不是最常被宣传的流水线，而是那些“像人”本身就有价值的场景。如果未来真的能做出足够像人的机器人，让人摸起来、看起来、聊起来都像人 ，它当然可以成为虚拟乐园里的 NPC 或者陪伴机器人。那时，人形不是为了勉强兼容一把扳手，而是产品体验本身。

从我认为又由简单到难的顺序排序，我认为更接近下面的进程：

• 《铁甲钢拳》里面的拳击机器人——体育赛事
• 《A.I》中的家庭陪护机器人——陪护情感机器人
• 《西部世界》里面的虚拟乐园NPC——娱乐设施
• 《底特律：变人》里面承担各种基础工作的通用机器人——蓝领工人替代者

而我们目前距离科幻作品里的状态很远。所以当下的市场和科技水平，只能证明“我们已经可以造出越来越灵活的人形机器人”，并不能直接证明“机器人越像人，就越接近一条正确的商业路线”。

为什么大家都在看好人形机器人？

接下来我想谈谈人形机器人在当下讨论中有关的几点。

情绪怎样产生的？

首先是电影等一系列科幻作品，让大家不自觉地对人形机器人抱有许多玫瑰色的幻想。相比一条机械臂，人形机器人更容易被拍摄、传播和理解。它只要走两步、挥挥手，在头部显示一个表情，观众就可以马上与其共情。

正如上面写的那些应用空间，人形机器人不是没有未来，而是我们经常把科幻作品已经替它完成的想象，当成了现实产品已经完成的能力。

现在的经济环境低迷，大家急需寻找一个突破口来拉动投资。我们的唯物主义教育又反复强调生产力和科技进步的重要性 ，所以大家天然愿意支持看得见、摸得着的先进生产力，希望通过一次技术飞升改善现有处境。人形机器人恰好满足了这种期待：有人工智能的想象空间，又有实体机器的视觉冲击，还能连接制造业和供应链。

资本、地方政府、媒体和创业公司也都有动力把这个故事继续讲下去。资本需要足够大的潜在市场，地方需要新的产业名片，媒体需要吸引眼球的画面，创业公司则必须先说服别人未来足够大，才有钱把今天并不成熟的产品继续做下去。这些动力不一定意味着骗局，但会让讨论天然偏向最乐观的那个版本。

最常见观点的反驳

最有名也最好反驳的观点——所有技术一开始都不是一帆风顺的。

有人会举汽车作为例子，也有人会举飞机、手机和移动互联网。它们一开始都遭遇过质疑，后面却实打实地改变了人类生活。

但人形机器人并不是第一次出现在大众视野。

20 世纪 80 年代，Heathkit 推出过 HERO 1，Tomy 也推出过 Omnibot 这类“家庭机器人”。它们能移动、发声，有些还能通过简单机械臂夹取东西，当时同样承载了家庭自动化的想象，后来却没有成为家用电器的一部分。

大家记得住的只是已经成功的产品。当初被看好、后来却没有大规模普及的技术同样不少，只是人们在争论时选择性地跳过了它们，恰好进入了幸存者偏差 。

比如氢气飞艇、协和式超音速客机、3D 电视、Google Glass 和前几年的元宇宙。它们并非每一个都在技术上彻底失败，有些甚至直到今天仍有小范围应用，但它们都没有兑现最热闹时期“即将改变每个人生活”的承诺。

这些例子或多或少都符合当前人形机器人的某些特征：演示很震撼，技术确实先进，也能找到真实需求，但成本、配套设施、可靠性或者社会接受度，让它们难以按照最初的想象扩张。

所以“以前有人看错过汽车”并不能证明今天质疑人形机器人也是错的。要完成这个论证，至少还需要回答几个更具体的问题：它解决了什么非它不可的问题？比人类或专用设备便宜多少？离开精心布置的演示环境还能完成多少任务？故障、维护和安全成本又由谁承担？

可能的发展

但我又不至于悲观到认为人形机器人会一事无成。我认为它最终或许会更接近前几年同样大火的区块链技术。

区块链是一个经典的“过度承诺、兑现不足，但留下了一部分真实能力”的案例，与我心里想的机器人的发展路线大致重合，所以就用区块链来做例子。

2017 年 ICO 最热的时候，许多项目只要写一份白皮书就能融到大量资金，仿佛所有行业都应该上链；2018年—2019年，泡沫破裂后，大量项目归零，区块链又被整体骂成骗局。而到了今天，投机的那一批人退去，但底层技术稳定币、跨境结算等少数场景确实在继续发展。

也就是说，泡沫和技术并不是只能二选一。一个方向可以同时包含真实的技术进步、过高的商业承诺和大量追逐风口的项目。 泡沫退去后，留下来的不一定是最初故事里的产品，却可能是训练框架、低成本关节、传感器、控制算法、供应链和一批真正懂机器人系统的工程师。积累一批真正有用的技术，然后被拆下来装进别的地方。

我猜人形机器人也会经历类似的过程：

1. 在热潮中，每家公司都要做人形机器人，每个发布会都要让机器人走几步。
2. 资本开始要求收入和复购后，一批找不到稳定场景的公司退出，行业进入幻灭期。
3. 剩下的公司不再强调“通用”，而是进入几个具体场景，老老实实解决一个动作、一道工序或者一种危险环境。
4. 人形结构的一部分技术被拆出来，进入机械臂、外骨骼、轮式机器人和其他专用设备。
5. 人形结构的一部分和传感技术可以辅助残疾人，就像火箭和MRI的关系。

如果最后真是这样，我不会认为人形机器人失败了。失败的是“它很快就会成为每个家庭和每座工厂里的通用劳动力”这个过度膨胀的叙事，而不是这些年积累下来的技术。

在不看好人形机器人的时候，我会看好什么？

我真正看好的，是人形机器人背后的 AI 模型、感知和推理能力。

一个可以理解现实世界的模型，能够识别物体之间的关系，理解人的意图，预测一个动作会产生什么结果，才可能是具身智能里真正通用的部分。它不一定非要装进人形身体里，也可以控制机械臂、无人机、汽车、轮式底盘，甚至只作为人的辅助系统存在。

相比于复刻人类的身体，我更看好以下几条路线：

• 针对明确任务设计的专用机器人，例如仓储、清洁、巡检、农业和手术机器人
• 移动底盘、机械臂和可更换末端工具组成的模块化系统
• 由人远程接管、模型逐渐学习的半自动系统，而不是一开始就追求完全自主
• 可以跨本体迁移的视觉语言动作模型、世界模型和机器人数据基础设施

这些方向没有一个完整人形机器人在舞台上翻跟头那么震撼，却更可能先进入真实世界。因为使用者购买的不是“智能感”，而是一个任务可以更便宜、更稳定、更安全地完成。

我认为人形机器人会怎么样？

我认为后续的人形机器人不会铺开得特别广泛，但会成为一种新的玩具和社交文化。随着价格下降，会有越来越多学校、实验室和爱好者开发自己的动作、外观和 AI 模型，带着机器人参加格斗、足球、竞速和障碍赛。它可能会像 RoboMaster、无人机和早期个人电脑一样，先形成一个充满创造力的爱好者生态。

与此同时，它也会进入少量不适合改造环境、又需要人类形态的场景。在这些地方，一台机器人即使昂贵、缓慢，只要能避免人类进入危险环境，就已经有价值。还有一些机器人会以租赁、表演、营销和陪伴产品的形式存在。它们可能是一门不错的生意，只是不是“替代所有劳动”的那门生意。

当然，我也给未来的自己留几条可以被打脸的标准。如果未来的人形机器人能够：

1. 在没有预先编排的家庭或工厂里连续工作数小时，并且很少需要人工接管；
2. 换一个场地后，不需要重新采集大量数据就能学习新任务；
3. 把购买、能耗、维护、停机和安全成本全部算进去后，仍然比人类或专用设备更划算；
4. 从发布会上的演示品变成可以批量交付、稳定维护、明确承担责任的标准产品；

那么我会承认，现在的判断低估了通用模型的迁移能力，也低估了规模化生产降低复杂硬件成本的速度。到那时，“像人”或许真的不只是营销上最容易理解的外形，而是适应人类世界最经济的方案。

但在这些事情发生之前，我仍然不愿意把一段流畅的舞蹈、一场机器人足球赛，或者一条剪辑精美的工厂视频，当成下一代生产力已经到来的证据。

人形机器人当然代表未来的一部分，只是未来从来不会只长成科幻电影里最熟悉的样子。真正改变生活的技术，有时恰恰是那些不再像人、不再适合登上舞台，却已经安静工作了很多年的机器。

---

2026-9-19更新：

这篇文章在知乎上有收到两条评论，都提出我这篇文章有稻草人谬误的情况。即先立了一个容易击打且不会还手的靶子，然后去攻击他。现在看来确实有点这个意思。

zhuanlan.zhihu.com知乎链接↗跳转到知乎看看大家的评论

可以点击这个卡片跳转过去看看。