机器人今年依然不会干活,但不妨碍机器人公司上市

2025-12-25 | 来源: 腾讯科技 | 转到微信 | 有0人参与评论 | 字体: 放大缩小 | 收藏 | 打印

硬件端的工程化难题桎梏着机器人的执行力，而软件端的算法瓶颈则让机器人难以真正变聪明。

年初，美国公司Figure AI与OpenAI解绑，发布自研的端到端VLA（视觉-语言-动作）模型Helix，让以“快慢脑”系统为核心的VLA模型架构受到关注。

中国公司里，星动纪元的端到端VLA模型ERA-42、星尘智能的VLA模型DuoCore同样采用了这一思路。

而像模型能力更为突出的Physical Intelligence、自变量机器人坚持端到端统一的VLA架构。

尤其是Physical Intelligence推出的π系列模型，性能一直在行业里占据前排，已开源的π0、π0.5都被称为了最强的开源VLA模型之一，成为众多机器人企业的技术参考基准。

尽管两年内具身智能在模型端取得明显进展，但行业并未迎来语言大模型那样的 Scaling Law，短期内难以实现具身智能的“ChatGPT 时刻”。

这一困境的卡点集中在数据、模型、系统工程三个层面：

数据层面，优质多模态数据极度稀缺。目前行业普遍采用 “仿真数据 + 真实数据 + 开源数据集” 的组合方式扩充数据规模。

但仿真数据与真实场景存在偏差，真实数据采集成本高、标注难度大，开源数据集覆盖面有限，导致模型训练效果受限。

红军城陷激烈巷战乌军机器人坚守阵地45天

宇树机器人"天花板级"后空翻马斯克坐不住了

力压15支顶级强队中国机器人夺冠

模型上，现有的模型架构还不够成熟，泛化能力存在明显障碍，缺乏统一且高效的模型方案。同时，机器人学习新技能效率低，投入和产出回报不完全形成正比，规模化技能拓展面临成本压力。

系统工程上，缺乏统一标准导致软硬件难以解耦，模型通用性差；同时，机器人本体有限功耗与云端计算延迟之间的矛盾，构成了算力部署的天然瓶颈。

而除了真实可见的技术参数，来自成本与效率的剪刀差带来了更深层的制约。

尽管单机价格下降，但人形机器人距离规模化经济临界点仍有距离。行业测算显示，其每小时综合成本需降至15美元以下，投资回收期短于2年，才对制造业有普遍吸引力。

目前领先企业的产品，在理想工况下仅能勉强触及这一门槛。一旦计入部署调试、定期维护、算法迭代和潜在产线改造等隐性成本，总拥有成本（TCO）显着上升。

另一方面，机器人的作业效率仍普遍低于熟练工人，在需要高度柔性和判断的工位上差距更大。

成本不低、效率不高的现状，使得机器人对大多数工厂而言，仍是一项需要精打细算的战略性投资，而非能快速铺开的降本工具。

除此之外，面对行业量产热和落地热，我们需要重新审视人形与非人形机器人在落地技术难点上存在显着差异，因为这种差异决定了两者的发展节奏和落地优先级。