来源：安邦智库(ANBOUND)

分析结论：

总体来讲，对于人形机器人产业不应过度炒作，技术应用需要分阶段突破。核电站高危环境作业、柔性生产线分拣等任务复杂度适中且人类参与风险高的领域，或成为人形机器人三年内规模化应用的突破口。但技术突破仅是起点，行业生态的共建更为关键。(LEQ)

分析过程：

5月25日，《CMG世界机器人大赛·系列赛》机甲格斗擂台赛在杭州举办，这是全球首场以人形机器人为参赛主体的格斗竞技赛事，杭州宇树科技有限公司以合作方身份参赛。从赛制来看，本次比赛共有4支队伍参加，各队伍均由真人选手手动遥控宇树G1机器人展开对抗，勾拳、侧踢、闪避……铁甲钢拳的贴身“肉搏”，让科幻走进现实。除赛事本身的看点外，在激烈碰撞以及高能耗输出的工况下，机器人的协调能力和稳定性能究竟如何？宇树科技董事王其鑫在比赛直播中称：“让机器人学会一套动作不是一件容易的事情。现在我们其实都依靠AI的技术手段来让机器人学习。首先动作捕捉会基于一些专业的格斗运动员，(根据)他们的动作捕捉数据，让机器人在虚拟的世界里来学习这些动作。”宇树科技市场经理孙宝岩在赛前表示：“我们希望人形机器人能够在3年到5年的时间内逐步实现一些生产上的功能。”

目前，从地方到企业都在加快布局具身智能和人形机器人赛道。北京、上海、深圳、重庆等地方政府纷纷出台相关规划或者建立和筹备建立产业基金。天眼查专业版最新数据显示，截至2025年5月，我国现存“机器人”相关企业近90万家。其中，2025年1-5月，新增相关企业10万家。与2024年同期相比增长44%。

在投资界，人形机器人产业链企业也颇受青睐。根据IT桔子最新数据，2025年以来全球人形机器人相关投资金额已经达到186.51亿元，已超过2024年全年的129.52亿元。2025年以来国内人形机器人相关投资金额达到61.06亿元，同样超过2024年全年的58.93亿元。密集调研了数家龙头企业的国投招商投资管理有限公司董事总经理曹正这样形容人形机器人赛道的现状：“现在是资本狂热期，大家都在往这个方向涌。国投系基金是国投集团发挥国有资本投资公司功能使命的重要方式，管理国家级基金规模2300多亿元，为中央财政放大倍数近6倍。国投招商是国投系基金中的重要一员，长期深耕机器人行业，围绕核心零部件进行了系统性布局，投资支持了减速器、编码器、行星滚柱丝杠、人工智能芯片等关键共性产品，突破‘卡脖子’环节，推动实现上游产业链自主可控和人形机器人的降本增效。”

多方加持之下，人形机器人加速商业化落地，工业场景被视为“第一站”。广东拓斯达科技股份有限公司(简称拓斯达)以运动控制作为切入口，推出“感-算-控”一体化的新一代智能机器人控制平台并实现工业场景的应用。继今年2月底发布智能机器人通用技术底座及人形机器人新品YobotW1后，不久前埃夫特智能装备股份有限公司(简称埃夫特)与华为云签署合作备忘录，将在具身智能领域展开深度合作，共同探索具身智能新生态。埃夫特董事长兼总经理游玮表示，“工业场景相对结构化，适合验证机器人的基础能力。特别是随着市场需求的变化，大规模产品的定制化需求也愈发强烈，而传统工业机器人往往难以适应更广泛的柔性生产需求。在大模型加持下的人形机器人有望完成更加复杂、更加多变的工厂生产任务。”中国信通院发布的《人形机器人产业发展研究报告(2024)》预计，2040年到2045年，我国全能型人形机器人实现工业场景和服务场景规模应用，整机市场规模达到约5千亿元至1万亿元。

尽管人形机器人应用前景广阔，但目前在工业领域还处于小规模试验阶段，真正走进家庭为时尚早，推进规模化应用面临的瓶颈比较突出。

首先，技术路线尚未收敛，核心零部件亟待提升。我国人形机器人产业硬件上的技术路线尚未开始收敛，现有产品形态各异，导致成本较高。同时，硬件形态和传感方案差异大也限制了人形机器人大脑的数据采集和训练。人形机器人产业链高度复杂，还有不少核心技术也亟待提升。以传感器特别是触觉传感器为例，上海交通大学人工智能研究院助理教授穆尧说：“目前的人形机器人主要依靠视觉和听觉方案来实现与现实世界的互动，但触觉作为物理接触的重要感官，也是人形机器人真正实现大规模应用的关键。现有方案难以复现人类手部精细操作的感知能力，六维力传感器的高成本也阻碍规模化应用，灵巧手的灵活性与耐用性仍需进一步提升。”地瓜机器人销售副总裁江舟坦言，当前人形机器人的行动能力仍然有待提升，背后是控制算法、材料工艺与量产成本的博弈。“中国产业链的成本优势无可替代，但需要全行业协同优化，而非依赖单一企业。”

其次，高质量训练数据不足，采集成本居高不下。目前，人形机器人更多展现的是运动控制能力，这只能解决其能动的问题，不能解决帮助人干活的问题。人形机器人落地应用的关键在于自主智能，这需要海量的高质量数据进行训练学习。与自动驾驶通过日常行驶自然积累数据不同，人形机器人需依赖人工操作或仿真环境采集数据。家庭场景中，用户往往难以接受“边用边学”的模式，而工业场景中数据采集依赖较高精度的设备，成本居高不下。利用虚拟仿真场景收集数据成本较低，但仅可用于人形机器人预训练场景。要进一步落地应用，必须要在更多实际应用的真实场景中来进行后续训练，还需要熟练的操作者来获得高质量数据，这大大拉高了数据采集的成本。

此外，我国拥有全球最完整的制造业体系，在工业场景数据积累方面占据优势，但底层生态薄弱，算法生态开发有待加强。

针对上述瓶颈，中国需加速弥补底层技术短板，发挥场景与产业链优势，分阶段推进自主生态建设。一是联合推进关键共性技术研发。北京人形机器人创新中心品牌公关负责人魏嘉星说：“面对国内人形机器人产业尚未形成完整协同创新体系的问题，需要通过建立跨部门、跨行业的合作机制，推进关键共性技术研发，并把成果面向行业开源，从而打通行业关键技术环节。”整合行业力量夯实智能机器人技术底座和共性技术平台，尽快形成自主的生态。所谓通用机器人的通用性，可以通过一个个“专用”的技能包叠加而成。目前看来，如何将深度学习算法压缩至仅靠电池供电的机器人端侧，并实现接近人脑的能效比，也是技术攻坚的关键。

二是挖掘场景优势加速积累数据。拓斯达总工程师张晓辉认为，技术成熟度与价格下探是产业爆发的关键。商业化需以场景驱动，通过应用端的数据反馈加速技术迭代。针对数据不足问题，建议从两方面着手：一方面，通过多方合作搭建实景训练场景来改善。穆尧认为，如果单一企业或者高校难以承担大规模实训场景的搭建成本，可以考虑由政府牵头，组织多个高校和企业联合建设多场景大规模的集中实训平台，进而摊薄成本，提高效率。另一方面，可尽快发掘中国应用场景上的优势，在应用端形成数据的积累。游玮提出“封闭作业域”开发策略，即通过细分场景(如炒菜、焊接等)降低数据采集复杂度。

后续人形机器人的发展重点是提升“大小脑”的智能化水平，依赖于先进的模型算法与实际制造业场景海量数据的结合。国投招商一方面密切关注行业在模型算法、数据的采集和生成等方面的技术进步，另一方面充分发挥自身在制造业领域的产业生态，推动机器人企业与下游制造业客户充分合作，以实际场景需求为牵引推动技术创新，加速我国人形机器人产业化落地进程。

三是参考“首台套”政策加大支持。建议可以参考“首台套”政策，对早期应用场景提供补贴，从而降低企业试错成本，加速技术迭代与场景验证。同时，政府在加大资金支持的同时，牵头制定安全标准等规范，深度牵引人形机器人进入公共养老服务机构等应用场景。具身智能的爆发离不开政策支持、产业链协同与人才培养的长期投入。