每經記者｜可楊  張梓桐    每經編輯｜文多    

8月14日晚間，“2025世界人形機器人運動會”（以下簡稱機器人運動會）在國家速滑館（“冰絲帶”）開幕，一場集結26個比賽項目、487場巔峰對決的機器人競技盛會將于8月15日至17日的3天里火熱開展。

這是全球首個以人形機器人為競賽主體的機器人運動會。《每日經濟新聞》記者在開幕式現場看到，作為人類對機器人的歡迎禮，歌舞節目《歡迎來到碳基生命的世界》率先出演。隨后環節中，人形機器人戴上花環、穿上禮服，把跑道作為秀場，走起了服裝秀。本屆機器人運動會會旗、機器人代表方陣、國際代表方陣以及學生代表方陣也先后入場。

機器人運動會開幕式現場 圖片來源：每經記者 楊卉 攝

人形機器人運動會整體參賽陣容強大，涵蓋127個品牌，匯聚500余臺人形機器人。

從4月的人形機器人半程馬拉松到8月的機器人運動會，人形機器人技術發展迅猛。近日，多位業內人士表示，具身智能的技術曲線正“陡峭”上升，落地場景的邊界也在不斷外擴。不過，在“走出實驗室后”到“走進家庭前”的這段過程中，人形機器人還有多重挑戰。

圖片來源：主辦方提供

三類比賽項目 考驗機器人哪些能力？

約在半個月前，機器人運動會開始通過多個售票平臺對公眾售票，目前門票已銷售一空。賽程單顯示，宇樹科技、星動紀元、北京人形機器人創新中心、松延動力等知名廠商都將派隊參賽。

備受關注的宇樹科技此前已在官方微信公眾號宣布參賽，宇樹科技創始人王興興也在8月9日受訪時提起了這場機器人運動會。不過，宇樹科技提示，并非全場的宇樹機器人都代表宇樹，因為除宇樹團隊外有多支其他團隊雖使用宇樹機器人硬件參賽，但使用他們自研的算法。

機器人運動會分為競技賽、表演賽和場景賽三類項目。其中，競技賽著重考察人形機器人的高速運動穩定性、復雜環境適應性、爆發力與精準控制、多機協同等能力；表演賽著重考察人形機器人的全身實時協同控制和群體協同等能力；場景賽著重考察人形機器人在場景應用中的精細作業能力、智能化水平等。

在過去3年里，以人形機器人為代表的具身智能正從實驗室的研究課題快速邁向多元化的商業與社會場景。

在不久前剛閉幕的“2025世界機器人大會”上，國家地方共建具身智能機器人創新中心總經理熊友軍表示，摩根士丹利曾預測，全球人形機器人數量到2050年將突破10億臺，市場價值超過5萬億美元。盡管這一愿景尚待實現，但熊友軍特別強調，人形機器人這個產業面臨非常好的雙輪驅動良性發展機遇。

上海傅利葉智能科技有限公司創始人兼首席執行官顧捷表示，近年來，具身智能的技術曲線“陡峭”上升，落地場景的邊界也在不斷外擴。

星動紀元也參加了機器人運動會，其創始人兼首席執行官陳建宇向《每日經濟新聞》等媒體的記者直言，人形機器人不僅能夠完成高爆發力的360度跳躍和舞蹈表演，還能很好地做到物流分揀、疊衣服、搬運、掃碼識別等通用的操作任務。他進一步指出：“AI已經逐步進入各種電腦手機的終端，現在正在從思考走向行動??接下來，由于機器人有更強大、更通用的移動和操作能力，未來必將帶來整個生產力和社會服務力的革新。”

圖片來源：主辦方提供

從復雜到簡單，人形機器人尋找“甜蜜區”

機器人運動會的場景賽中，設置了工廠場景、倉儲中心場景、醫院場景、酒店場景，這也是目前人形機器人應用落地最多的場景。

人形機器人“進廠”時，具有工業機器人無法取代的優勢——它像人。樂聚機器人董事長冷曉琨認為，在很多工廠，80%的場景已經由工業機器人解決，但如果涉及到泛化性工作，還是需要大量人工。這些工作AGV（自動導向車）、四足機器人都沒法解決，只有雙足人形機器人可以勝任，因為涉及穿越復雜地形等原因。

智平方（深圳）科技有限公司（以下簡稱智平方）創始人郭彥東認為，全球有約8000萬人在工廠里執行非結構化、不可預測的操作，但從業意愿持續下降，這本身就孕育了對人形機器人的需求。

“當人們還在質疑機器人能干什么的時候，我們很快會讓人類看到不可思議的東西。”眾擎機器人創始人趙同陽強調，從簡單場景到復雜場景是機器人發展必然路徑。他認為，商業化初期應聚焦于巡邏、商場導購、訪客接待等易落地的場景，這些場景不僅實用，更能錘煉機器人的運動與感知能力。

“不能為了炫技而選擇過于復雜的場景，也不能為了短期商業化做沒有長期價值的簡單任務。”智平方副總裁莫磊在接受《每日經濟新聞》采訪時表示，智平方的實踐邏輯是從半結構化場景切入——這類場景（如半導體車間、生物醫藥潔凈室）環境相對固化，任務流程標準化程度高，對機器人的柔性要求適中，是當前技術能力可及的“甜蜜區”。

正如北京加速進化科技有限公司董事長程昊所言，人形機器人或許會像計算機一樣經歷從“高價、低普及”到“低價、大眾化”的過程。但這個路徑既需要技術演進，也需要商業模式和生態的同步成熟。

圖片來源：主辦方提供

技術、數據與生態的多重挑戰

“很多技術的進步是需要時間的，當下馬上讓一個機器人去家里干點有實際價值的活還不太現實，如果只是做個Demo（演示）或者示例是沒問題的。”8月9日，在接受《每日經濟新聞》等媒體的記者采訪時，王興興提及，機器人進行比賽和表演具有階段性的意義。

至少到目前為止，人形機器人的大范圍商業化落地依舊面臨著多重關卡。數據鴻溝就是其中一道難關。

熊友軍直言，人形機器人在通用性方面確實還有很大的提升空間。

其中一個難題是，動作類數據的獲取不僅昂貴，且數據產能不足，真實環境下的數據采集成本更高。穹徹智能聯合創始人、上海交通大學人工智能學院副院長盧策吾強調，要找到特別好的數據收集方式，才能真正提升泛化能力。

另一個難題在于模型跨本體泛化，不同形態機器人在自由度、傳感器類型、模型輸出維度上的差異，直接限制了模型遷移效果。

陳建宇介紹，針對這一問題，星動紀元的解決方式是采用“數據金字塔”和分階段訓練。“在預訓練的階段，我們盡量使用跟具體本體無關、不是從這個真機上面采取的數據。”陳建宇說，然后在真機訓練階段進行適配，如果形態相對接近，遷移成果會比較好，但他也承認，跨形態遷移的難度依舊很大，“直接從人形（機器人）遷移到四足（機器人）上，或者從機器狗上遷移到人形（機器人）上，這可能就不行”。

硬件的不統一與標準化缺失同樣限制了產業規模化。不同廠商在本體設計、零部件選擇上的差異，造成了高昂的適配成本和系統復雜度。“今天我們一臺機器人上面可能會存在3臺不同的主控，帶來了整個系統的復雜、低效。”達摩院樂云具身智能平臺負責人陳明修直言，缺乏統一標準阻礙了機器人成本下降和生產規模擴張。

具身大腦的打造同樣成為關注焦點，國家地方共建人形機器人創新中心首席科學家江磊將問題拆解為“感知局限、決策斷層、泛化瓶頸”，他提出，如果一個具身智能沒有思考和進化能力，它的定義就值得商榷。

江磊還強調，關鍵是要打造感知、認知、決策、執行的閉環，“現在基本上打造的都是感知直接到執行，但是再往下的認知和決策其實做得不多”。

他還歸納說，大腦模型不夠大，小腦模型不夠小，實時輸出能力不足，意味著當前的系統很難支撐復雜場景下的高效執行。

此外，莫磊在采訪中表示：“如果說GPT-5這樣的大語言模型已達博士水平，具身智能的大模型最多算是高中生。”這種差距直接導致機器人難以實現“開箱即用”。

技術瓶頸、數據鴻溝、硬件非標，這些問題在短期內都難以完全消除。行業正在探索不同的解法。但無論路徑如何分化，普遍共識是，具身智能要跨過“臨界點”，必須在感知、認知、決策、執行的全鏈路取得突破，并依托低成本、高質量的數據體系與統一的硬件標準。

圖片來源：每經記者 楊卉 攝