中国经济网版权所有 中国经济网新媒体矩阵 网络广播视听节目许可证（0107190）（京ICP040090） 在近日举行的第八届虹桥国际经济论坛“仿人机器人创新发展合作”分论坛上，来自政府、学术界和产业界的代表共同探讨了仿人机器人技术的前沿进展、产业化路径和未来挑战。与会专家普遍认为，仿人机器人作为人工智能技术与机器人技术融合的创新产品，带来了关键的发展机遇时代，但实现规模化落地仍需要技术、数据、标准和应用场景的不断突破。今年，仿人机器人正迎来“量产元年”，加速从技术样机验证到工程实施的跨越式发展的推广和大规模应用。论坛上发布的《仿人机器人产业链图谱（2025年版）》系统梳理了仿人机器人主要环节的技术指标和发展情况，明确了产业发展脉络和创新方向，为产学研合作提供了明确指引，助力产业创新发展。工业和信息化部科技司副司长姚嘉认为，仿人机器人被认为是实体智能的最佳载体，有望成为继智能手机、新能源设备之后的颠覆性产品，即深刻改变人类劳动和生活方式，重构全球产业发展格局。他表示，下一步将支持国内外企业联合攻关，加快突破等关键技术。作为“视觉-语言-动作”的大型模型、高性能集成关节、端侧高算力芯片，推动仿人机器人产品差异化升级。 “御树科技在惊艳之手的研发上投入了大量时间，致力于真正实现完成工厂末端工作的机器人。”御树科技创始人王星星分享了公司在仿人机器人领域的最新进展，并传递了他对行业技术瓶颈和未来成功要点的看法。 “目前，真正实现工厂端到端模式的稳定高效运行，在全球范围内都是一个非常困难的问题。”王星星表示，“在任何情况下跌倒后快速恢复”是未来仿人机器人大规模应用的重要能力，而公司研发的“全身动态遥控”系统为大规模应用奠定了基础。cale，高质量的数据收集。不过，他也承认，相比控制技术的快速迭代，大型机器人模型的发展“比预期慢了一点”，尚未达到爆发的临界点。他呼吁业界从模型架构变革和质量提升两方面入手，而不是一味追逐数据规模或模型参数。对于核心技术的路线，业界专家进行了深入的讨论。浙江汉诺机器人创新中心首席科学家熊荣表示，机器人技术的发展需要走一条模型预测控制（MPC）和数据驱动方法相结合的创新之路。他认为MPC方法具有灵活性强、能够快速定义优化目标的优点。然而，它对动态建模的精度要求非常高，并且面临着难以实时测量等工程挑战。复杂人形系统的ime应用解决方案。他强调，模拟和真实环境必须形成迭代闭环。通过nBy不断地相互验证和优化，我们将共同推动机器人技术的发展向更高水平迈进。数据被普遍认为是当前仿人机器人发展的主要瓶颈。 “多样性是数据质量的关键。虚拟环境可以高效生成多样化的场景，极大丰富了训练样本，而真实数据则保证了算法在现实场景中的可靠性。”国务院实体智能机器人创新中心首席技术官唐健指出，目前机器人的训练数据应统称为“虚实数据”，并强调“虚实结合”是推动实体智能发展的主方向。顾导演丁宁省体身智能创新中心表示，当前数据驱动的学习技术虽然助推了机器人企业蓬勃发展，但其发展面临着数据多样性不足、泛化能力弱等挑战。下一步还得靠“融合创新”和“数据拉通”来打破局面。面对挑战，专家们一致同意建立统一的标准和开放的生态系统。与会代表呼吁尽快在数据格式、硬件接口、安全规范等方面建立标准，避免重复投资和资源浪费，为链上协作和大规模应用扫清障碍。值得一提的是，仿人机器人产业化的加速离不开应用场景的突破。 “人形机器人的实施是首要任务。”徐金池Pacini传感科技创始人兼首席执行官Eng认为，小型近端人形机器人的实施速度应该非常快，至少五年内就可以进入工厂。优必选科技副总裁、研究院院长焦继超表示，明年将是仿人机器人应用的关键一年。找到真实的应用场景对于行业来说非常重要，“而且这种场景是可以复制的、具有一定规模的”。他进一步预测，人形机器人将首先在工业场景落地，明年更多地应用在展厅导游、讲解等商业场景，而进入家庭场景可能需要8到10年的时间。