洗衣做饭收拾房间，具身机器人何时能帮助人类做家务？何时能进入养老行业，提供生活照料和情感服务？比起花拳绣腿的炫技，具身机器人还能做哪些在我们看来更有价值的事情？

为展望人形机器人产业发展前景，2026年3月25日，海南博鳌，博鳌亚洲论坛2026年年会就相关话题举行“人形机器人的进阶与飞跃”分论坛。

会上，北京人形机器人创新中心CEO熊友军；商汤联合创始人、执行董事、大晓机器人董事长王晓刚；清华大学苏世民书院院长、人工智能国际治理研究院院长薛澜等知名专家学者围绕具身智能研究范式、家庭场景落地路径、技术创新与标准建设展开深入探讨。

【整理/ 唐晓甫】

薛澜：首先请问北京人形机器人创新中心的熊总，未来人形机器人的高质量发展有哪些新的趋势，哪些行业是人形机器人下一个风口？

薛澜(清华大学苏世民书院院长、人工智能国际治理研究院院长) 博鳌亚洲论坛

熊友军：非常好的问题，我想从技术发展、产品发展和产业应用三个方面来讲。

从技术发展的角度来看，当前人形机器人其实分了三个技术维度，机器人本体、机器人小脑、机器人大脑。本体外形方面相对来说是逐步趋向于收敛，这两年随着大模型的进步，运动控制能力也在快速进步，大脑方面现在有一个非常明显的趋势，就是小脑在协同进化，但是也出现了非常多的技术发展范式，比如说像世界语言行为大模型分层控制的方式，还有多模态大模型和VLA协同发展。另一个重要趋势是，世界模型与通用大模型正走向融合统一，并以此作为机器人的“大脑”加速发展。整体来看，机器人的大脑与小脑协同进化特征已十分显著。

第二个方面是产品发展趋势。现在人形机器人产业在整机与核心零部件领域正快速迭代升级，国产化、规模化发展态势尤为突出。去年，工信部已经牵头组建行业标准化委员会，对人形机器人上下游产业链标准进行系统梳理并面向行业发布。这是一个非常好的趋势，可以帮助行业从以往高度定制化模式，加速走向成熟的产业链协同方向发展。

如今，已经有大量零部件企业正与整机厂商、系统集成商深化合作，形成集团化协同发展模式，这样可以有效降低研发与生产成本。通过上下游联合攻关核心零部件实现共同进步，进一步提升产品可靠性、稳定性与标准化水平，持续降低行业准入门槛与应用成本。

第三个趋势是人形机器人正从技术炫技走向实用化，从专用场景迈向通用领域。过去的人形机器人更多的是偏向于表演式炫技，如今它们已深度切入产业实际应用，服务国民经济主战场与重点行业场景。

另外在泛工业领域，人形机器人正加速向汽车、家电制造，以及搬运、分拣、物流等环节渗透。未来，我们认为人形机器人的价值可能不止于完成简单重复的作业，更有望率先落地涉及生命健康、存在作业风险或不利于人体健康的高危场景，替代人工开展工作。随着技术持续成熟，人形机器人能做的事情会越来越多，也会逐步渗透不同的场景和用户。

王晓刚：刚才熊总提到的机器人大脑，其实行业对机器人通用智能的期待也是来自大模型。大家都希望将ChatGPT这类大模型放在机器人身上，使其具备更强的通用能力。但过去几年，大模型发展长期受限于数据瓶颈。以往机器人数据多依靠人工遥控采集，效率极低，过去几年累计仅约十万小时量级。对比来看，自动驾驶领域的特斯拉，其FSD技术路线依托海量数据以及世界模型的仿真加持，单日训练经验便相当于人类四百万小时的驾驶经验，两者数据差距极为悬殊。

当前行业的一个重要趋势是，机器人数据采集正从真机操控采集，转向通过人体穿戴传感器设备，在真实生产生活场景中捕捉人类行为，以此训练大模型与世界模型。这样，不仅可以让机器人实现跨本体训练，还能让机器人行为更贴近人类。此前网上一段机器人整理房间的视频便很有代表性：机器人双手被占用时，会主动将毛巾搭在肩上，用手臂夹起水桶。这些都不是人预先定义的行为，而是从人类行为中自主学习而来，这是数据层面的重要突破。

还有很重要的一点是，OpenClaw 问世之后，为人形机器人赋予了自我进化的能力。机器人本身具备大量基础能力，一个机控平台就可管控多台机器人；而龙虾模型具备自我调用、自我反思与记忆能力，能够实现从单机具身智能到群体协同的转变，让机器人在环境探索与操作执行中不断变得更智能，也推动我们的数字员工走向物理执行层面，这是一个十分重要的发展趋势。

王晓刚(商汤联合创始人、执行董事、大晓机器人董事长) 博鳌亚洲论坛

薛澜：非常感谢晓刚总。刚才各位都介绍了最新的行业进展。目前人形机器人要实现规模化落地，还存在哪些技术瓶颈与现实问题？接下有请抖总为我们解答。

沈抖：刚才大家也或多或少提到了一些相关内容。其实目前机器人本体在稳定性、耐用性和灵巧性上，仍面临着较大挑战。我们很快将举办新一届机器人马拉松，但从去年现场的实际表现来看，机器人本体的表现仍有不小的提升空间。

第二点从技术层面来说，刚才晓刚总也提及大模型正在搭建统一的技术底座，可实际上，无论是机器人的 “大脑” 还是 “小脑”，整体技术路线尚未完全统一，行业还远未迎来类似ChatGPT或iPhone那样的关键节点。尽管当下行业热度很高、关注度很高，但整体仍处于技术建设阶段。

第三点就是刚才晓刚总说到的数据问题。我认为目前行业数据还未形成规模化的正向循环，一旦数据体系真正成型，发展潜力无疑会是巨大的，但现阶段具身智能尚未真正融入生产生活场景，仍以实验测试、数据采集为主。这一点显然不同于自动驾驶、无人驾驶，车辆规模化上路后就能形成数据正向循环，而目前数据仍是行业的一大短板。

也正因如此，我们专门在东莞设立了具身智能数据采集站，邀请各类机器人本体入驻，开展数据采集工作。只有突破这一关卡，人形机器人才能实现更快发展。所以说，行业成长空间广阔，但面临的挑战也确实不小，也正因如此，整个行业才会如此火热。

陈建宇：我再补充几点。目前行业内大家高度关注的一个问题是，机器人何时能从舞台表演、技术炫技走向真正的规模化实际应用。我们看到，从去年春晚到今年春晚，各类机器人都带来了十分炫酷的展示，今天受限于场地条件，否则也能呈现更多丰富的表演。这背后也对应着不少商业应用场景，包括各类商业展示，比如宇树机器人去年的出货量也达到了较高水平。而机器人究竟何时才能实现更高的价值交付，真正落地规模化应用，突破万台乃至十万台的量产应用规模，其实仍面临诸多挑战。这些挑战主要可以分为几类。

其一是对机器人的能力要求极高。在工业场景中机器人需要达到非常高的节拍效率，非常高的成功率，甚至99%以上，包括很高的可靠性，这是实打实要用的，真正要把它做成一个工业级稳定的产品，不只是单次能完成某项任务，而且要能够可靠、持续地完成，且实现低成本落地，每一项都很困难，这也要求我们的能力是全栈的。

这就要求机器人能力实现体系化升级，从大脑能力能实时进行感知反馈和快速决策，到小脑控制，再到底层硬件本体，本体包括本体零部件、关节体系化供应，所以我们必须把机器人从单机能力上升成系统化能力。这里也包括刚才晓刚总提到数据的平台。

第二个制约规模化应用的因素，是泛化能力。目前我们距离机器人的 “ChatGPT 时刻” 还有一段距离。我之所以认为现在还没到大规模进入家庭的阶段，最大的卡点就在于模型的泛化性。每个家庭的环境、布局都千差万别，我们没有足够的资源、时间，也没有客户的耐心，去在每个家庭单独采集数据、单独训练模型。这就要求我们的模型具备像 ChatGPT一样的泛化能力，能够适配全新环境，接收到任意指令即可实现零样本泛化，无需任何新的采集数据，零训练就可以去部署，这就是我们家庭应用的终极目标。

虽然目前还有一定差距，但是我想告诉大家这个时间不会太长，我认为五到十年内，至少能够看到非常好的效果。当然在机器人版的ChatGPT出现之前，也不妨碍我们能在工业等场景去应用，因为工业场景是完全垂直标准化的，我们可以投入一定的力量在当前模型的基础之上，投入一定的数据和算力，把一些关键环节给打通，而一个环节就可以标准化复制到上万或者是数十万个场景。

薛澜：建宇刚才给了一个估计。我想顺便问一下其他几位产业界的老总，你们觉得人形机器人的ChatGPT时刻还有几年？

王晓刚：我们刚才聊到了数据量的问题，目前行业内的数据大概在10万小时这个量级。去年我们提出了环境式速采的方案，目标是在未来两年，也就是到2027年，将数据量提升到1000万小时的量级。在此基础上，再通过一些技术加持，数据量有望达到上亿小时的级别，到那个时候，才能真正迎来人形机器人的ChatGPT时刻，所以我们判断大概需要两年时间。

邵浩：我们在工业界做手机很多年，结合过往经验来看，我们觉得人形机器人的ChatGPT时刻会更久一些。大家可以想一下，AI领域的ChatGPT时刻是怎么来的？从2012年深度学习开始兴起，直到2019年ChatGPT时刻才真正出现，这中间最关键的变化就是数据层面的突破。

邵浩(vivo机器人Lab首席科学家) 博鳌亚洲论坛

我很早就投身于AI训练与推理的工程化落地，以前的核心问题在于：所有数据都需要人类手动标注，成本高、效率低。而ChatGPT时刻的到来，核心原因是我们找到了一条能获取低成本、海量且免费数据的路径。

人形机器人的ChatGPT时刻，什么时候才能实现呢？我认为，只有当我们彻底摒弃所有依赖人工数据采集的方案时，这一时刻才会到来。因为这里有个关键问题：机器人所需的数据维度极高，文本数据只是一维的，而机器人的数据维度能达到60多维。我们现在面临的核心难题，就是如何找到低成本的海量数据，人类的视频数据或许可以作为一种可行的数据源，这也是目前最前沿的研究方向，说到底，还是数据的问题。

薛澜：大概要几年？

邵浩：十年吧。

沈抖：我认为，目前数据的基础条件已经具备了，现在缺少的只是方法论上的突破。但具身智能不一样，就像我们刚才聊的，它需要不断与自然世界交互，逐步完善整个行为过程，这是一个渐变的过程。所以在具身智能的发展中，可能并不存在一个明确的“ChatGPT时刻”，它的进步是渐进式的、逐步发生的。

陈建宇：这确实是一个完全渐进的时刻，我们公众看到ChatGPT是突然出来，实际上技术的发展和研究是持续很多年的，行内人看完全是一个渐进的改变，从应用的角度也是一样，我们可以这么去理解，ChatGPT代表着我们做一个新的应用，付出的边际成本几乎为零，就是不需要投入新的数据和新的训练成本就能够直接去泛化用，现在可能没到这个时刻，你要把这个机器人用到一个新的场景，它是有一定成本的，但这个成本在显著降低。

以前我们任何一个新的场景都要单独造一个机器人，单独设计一个模型，现在我们已经有了一些比较不错的模型。这几组模型越来越强，我们发现在部署新的应用场景的时候，训练的时间及需要收集的数据是越来越少的，这会决定你到底什么时候该选择怎么样的场景应用。

熊友军：我补充一下，我觉得人形机器人的iPhone时刻或者是具身机器人的ChatGPT时刻，并非一蹴而就，一下子就实现的，而可能是跟技术的成熟度，跟商业的价值和跟社会的需求是耦合的。从当前技术发展的趋势来看，不仅仅是数据的问题，我觉得也存在一些结构化的环境，一些相对简单重复的应用场景，应用现在的世界语言行为大模型已经开始落地了。大家能够看到的，去年整个中国人形机器人发货量近2万台，大家预计今年可能是一个非常大的增长速度，明年增长的幅度可能更大，我觉得人形机器人在应用场景落地的速度比大家预想的可能要快。

熊友军(北京人形机器人创新中心首席执行官) 博鳌亚洲论坛

王晓刚：我补充一下，我觉得ChatGPT时刻主要是给了我们一个确定性，当ChatGPT出来的时候就知道背后是Scaling Law推动，沿着这条技术路线扩大数据规模会增加模型的规模，你一定能够得到收益。还有一个例子是自动驾驶里面的端到端，2023年特斯拉说我的端到端自动驾驶量产方案从规则切到端到端以后，大家知道沿着这条线下去只要增加数据量，去年就实现了跨越北美的零接管。到了这个时间点，我们就找到了一个技术的确定性。

陈建宇：如果非要给一个时间的话，我会认为，大概再需要五年，我们就可以见到对标ChatGPT的时刻，这也是我跟包括美国一些最顶级的做具身智能的学者讨论的结果。

薛澜：当机器人进入家庭、职场和公共空间，怎么能够去应对可能引发的物理安全、数据安全、伦理争议和责任认定的问题，请邵首席来回答一下。

邵浩：其实我们考虑了很多问题，我们的目标就是做家庭机器人，它进入家庭以后一定会产生物理安全、数据隐私安全，包括系统一旦失效所带来的风险。举个例子，现在的机器人安全边界做得还是比较好的，我不可能命令一个机器人拿起刀去伤人，但是我可以用一种间接的方式，比如要求这个机器人握住刀柄，以一个非常快的速度移动到一个位置，这就可能会产生间接伤害的问题。

所以我们要从几个方面去解决这些问题，首先是从物理安全的角度，我们要在整个机器人硬件设计的时候就把这些物理安全考虑进去，包括物理围栏、即停机制、与人的安全距离等等，这样就能保证机器人一旦出现问题的时候，我们可以在物理上保证它的安全性。

第二是数据隐私与应用保护。机器人不仅有摄像头，还有麦克风，会产生各类应用数据，所以我们必须明确数据采集的边界，通过软件系统确保数据不被泄露；另外，要把所有数据放在端侧处理，杜绝数据流失。从政策层面来说，每个企业也都会严格遵循用户隐私数据保护的相关规则。

第三是责任认定。一旦发生人形机器人伤人事件，我们要明确责任在制造商、运营方、系统提供者还是用户。其实我们可以参考自动驾驶领域相对成熟的条例，比如欧盟的人工智能法案，其中规定L2及以下自动驾驶的责任全部由用户承担，而L3及以上的责任则由车企和系统提供者承担，这一点非常值得人形机器人落地家庭时借鉴。

王晓刚：刚才提到了自动驾驶，其实机器人一旦进入家庭，就不可能是L2级别，因为L2属于人操控机器的自动驾驶模式，而进入家庭的机器人，必然要达到L4级别，所以安全伦理、法律法规就是一个很大的问题。当然，这也是一个相辅相成的过程：在自动驾驶领域，人们先通过L2级别的长期使用，充分验证了技术安全性，等到进入L4级别时，保险公司也能跟上，明确理赔机制、算清相关成本。

所以机器人可能也要经历这个过程：先在To B的受限场景大规模落地，进行压力测试，让人们对其安全性建立足够信心，之后再进入C端家庭市场。

另外从技术层面来说，机器人其实比自动驾驶更复杂。自动驾驶领域有紧急制动系统，依靠视觉、激光雷达，能在几十米外发现目标；但人与机器人的距离非常近，依靠传统传感器根本无法及时感知突发情况。给机器人配备安全皮肤、实现紧急应对，这些技术目前还有很长的路要走。

薛澜：所以我们可以期待机器人搬运工的落地，但家庭养老机器人，可能还需要一段时间。

王晓刚：对，尤其是面对老人和小孩。

沈抖：我补充一下，对于机器人安全问题，第一不能忽视，第二也不用过度放大，它有一个循序渐进的发展过程。现在我们对机器人参与生产、辅助生活的了解还远远不够，因为它还没有真正普及、没有在我们身边广泛应用，我们对它的认知还很片面。即便机器人进入家庭，也肯定是从特定场景起步，想要让它全面接管家庭管理，这个速度肯定比刚才讨论的ChatGPT时刻要慢，这一点我非常确定。

归根结底，一方面是法律法规、政策要求需要逐步完善明确；另一方面更关键的是产品技术的成熟。大家觉得机器人进家庭很危险，但其实220伏的电进入家庭更危险，现在不也用得很好吗？所以这是机制和产品共同完善的过程，值得期待，我们既不忽视风险，也绝对不放大风险。

沈抖(百度集团执行副总裁、百度智能云事业群总裁) 博鳌亚洲论坛

薛澜：下面这个问题，机器人具备更强的学习和交互能力以后，未来人机关系的边界怎么确定？怎样避免过度依赖？假设它以后越来越能干，就业替代就是一个很大的问题。

陈建宇：我觉得未来AI一定会越来越强大，确实有必要想清楚跟人的边界，有几个方面是一定要牢牢掌握在人类手中的。

第一是目标设定，机器人该做什么事，必须由人类来决定，不能让机器人自己去思考，最多只能让它给出建议，具体做什么最终得由人拍板。不然的话，很容易引发危险，就像现在龙虾很火，但也出现了不少乌龙事件，有些就是因为过度放任它，最后造成了损失。

第二，规则必须由人类来界定，机器人能做什么、不能做什么，这种约束一定要由人类来制定。

第三，非常关键的点就是责任，责任必须归于人类，而不是机器。如果机器人出了问题，最终得由人类来兜底。比如说人开车撞了人，总不能说责任在车而不在人吧？这个责任可以是某一个个人，也可以是某一个组织，但这个个人或组织一定是由人类组成的，要承担最终的责任。

薛澜：这个机器人就像调皮小孩，干什么坏事都是家长来负责。

陈建宇：也不能规定得太死板，还是要给机器人一定的自由度，但最终的责任必须由人类来兜底。它必须隶属于某一个人，或者某一家公司、某个组织，由这个主体来承担最终的责任。

熊友军：我觉得可以从两个方面来看这个问题，一个是机器人和人类的关系角度，另一个是机器人和人类的分工角度。

先说说关系层面，机器人终究带个“器”字，本质上就是一个辅助工具，核心作用是辅助人类、帮助人类，始终处于辅助角色。我认为，无论从技术、功能还是应用层面来说，机器人都应该以人为中心，和人类之间是互补短板的关系，核心还是围绕人类的需求来发挥作用，这是第一个方面。

第二个方面就是边界问题，这个边界应该很清晰：人类做自己擅长的事，机器人做机器人擅长的事。就目前来看，人类擅长的无疑是创造性工作、情感类工作，还有系统决策类工作；而机器人则更偏向于执行层面，比如一些高精度、高速度的工作，还有那些危险的、会对人类造成伤害的工作，这些都可以优先让机器人来完成，所以两者的边界其实很明确。

沈抖：我稍微补充两句，我也特别希望像刚才两位说的那样，人类永远处于主宰地位。但如果机器智能真的按照现在的速度发展下去，它的出现是必然的。我们拉长时间周期来看，38亿年前地球上根本没有生物，我们人类也是从无生物的分子组合开始，经过亿万年的进化才成为现在的样子。

而如今，智能又开始回归到非生物载体上，我们可能会觉得不习惯，但这其实就是一个大的循环。我们当然希望人类永远是主宰者，但未来也有可能是人类和机器共存的局面，拉长周期来看，我们得做好这样的心理准备，也要建立相应的机制去拥抱这种变化。

不过话说回来，离那样的局面还有很长的路要走，我们现在还有很多更迫切的问题需要解决，比如健康问题、能源问题，甚至是战争问题，这些归根结底都是因为技术还没有发展到能让人类按需满足的阶段，技术的进步还有很长的路要走，我们不妨一边发展一边观察。

院长之前提出的“小步快跑，边发展边治理”的理念就很好，这可能是应对未来变化的最佳方式。我们当然要去设想、去担忧可能出现的问题，也要提前设计好相关机制，但这些都要建立在技术真正发展起来的基础上，否则一切担忧都无从谈起。

薛澜：刚才大家都谈到了未来人形机器人、数字机器人给我们带来各种场景，下面请各位嘉宾，大家从各自的专业角度出发，来思考一下当机器人离我们越来越近时，你们觉得当前我们最迫切需要做的是什么？

陈建宇：我觉得当前有几件事情是最需要迫切做的。第一是软件层面，推动标准化与规模化。软件和模型这套系统的标准化和规模化，刚才提到各种各样模型的路线，各种各样数据的路线，但是真正迫切要用起来之后，需要是一个标准的产品，它可以合规化的复制，这个需要找到当前最有效方式去做。

陈建宇(星动纪元创始人) 博鳌亚洲论坛

第二是硬件层面，拉通产业链，实现降本规模化。供应链和产业链要拉通并且准备好，达到降本，可规模化复制。

不光是为了把这件事情做了，还要可持续的、连续低成本的交付高价值，这个事情已经非常快了，第一个规模化的应用会非常快地出现。

王晓刚：我觉得现在最关键、最迫切的，还是找到研究范式的变革，找到我们在具身智能领域里能用的核心方法。当我们不断扩大我们的模型、算力和投入的时候，能够找到确定性，所以支撑它的就是数据和模型。

薛澜：还有一个领域值得关注，就是人形机器人是否能具备同情心。很多时候，让人形机器人走进我们普通家庭生活，它带来的挑战远比我们想象的要大。因为它不仅需要强大的、有海量信息支撑的人工智能，还得掌握陪伴相关的知识。现在的人形机器人，还无法自主移动来支持我们的生活，更别说最终承担起照顾病人的角色。

它不仅需要配备大量的传感器、各类感知设备，要是想成为人类的伙伴，还得去理解人的心理。另外，如果我们过度依赖机器人，人类自身的能力还有可能出现降级。不过有意思的是，有时候机器人给出的回答，反而有时候给我们一个非常有人性的回答。

邵浩：现在我们想做的一件事情就是找到用户想要什么，用户到底需要机器人解决什么问题，而且解决的问题一定是端到端的，比如说我们看到很多机器人在做叠衣服这件事情，叠衣服属于端到端的服务吗？并不是，叠衣服只是在衣物处理当中一个很小的环节，我从进家门脱下外套开始就要考虑，这件外套是开始洗还是放在一个次洗衣区、要不要烘干等。

我们要做的，就是在家庭场景的上千个细分场景里，拆解每个子流程，分清哪些机器人能做、哪些做不了，然后再考虑让什么样形态的机器人进入家庭，把这些事情完整做好。如果目前自主智能还不够成熟，包括刚才专家讲的大脑技术还不够成熟，那我们第一步可以采用人机协同的方式，比如说我可以用90%的遥控操作，让机器人可以比较好地完成这个任务，在数据飞轮的加持之下逐渐实现数据飞轮。我简单总结一下，就是从用户场景出发，真正端到端地为用户解决实际问题。

人形机器人的进阶与飞跃现场 博鳌亚洲论坛

熊友军：我觉得有三点，第一点，人形机器人科学技术有很多还没有被点亮，当前最主要的是要抓住人形机器人技术创新这方面来做文章，所以我们做了两个平台进行技术创新和迭代，重点瞄准人形机器人底层的关键核心技术做突破，然后把这些创新成果向行业进行开源开放，形成一个很好的生态服务行业，推动人形机器人产业共同发展，这是推动技术进步方面最迫切要做的。

第二，尽可能推动人形机器人在一些可行的行业里用起来，不管是试点应用还是规模化应用，都要推动政产学研协同发力、形成合力。北京已经出台了很多政策，开放了不少场景，推动人形机器人在各个领域开展试点应用，还提供了很多便利条件，这是非常好的举措。

我们作为国家级平台，也在持续把“天工”平台开源开放给二级开发者、高校和科研院所，让他们在垂直领域开展试点应用，逐步挖掘那些规模化、可重复、高价值的应用场景，以应用牵引产业发展，这是推动应用落地需要重点解决的问题。

第三个问题，目前行业里存在一些无序发展的情况，这可能会造成资源浪费，所以我们迫切需要做的，就是制定产业发展标准，通过标准来规范、引导整个产业协同有序发展，推动行业从定制化研发向标准化、规模化转型，朝着大工业、大产业的方向迈进。标准的制定非常关键，大家也能看到，工信部刚刚成立了人形机器人标委会，正在牵头制定各类标准，规范行业发展，我们创新中心也在全力支撑标准的建设工作。