前不久，上海一场以“劳动最光荣”为主题的技能大赛，用同台竞技的方式，进行了一场压力测试，让我们看到机器人距离真实场景落地还有多远距离要走。无疑，仍处于发展早期阶段的具身智能，无论是大脑、小脑还是本体，尚有大量瓶颈待突破。

大脑不够聪明，训练数据不够，那就使用更多合成数据；机器人通用性难实现，那就先聚焦在一些特定场景的应用……行业喧嚣热闹，方兴未艾，创业者们纷纷选择自己的生态位，以“沿途拾蛋”的方式，共同推动这一未来产业的加速成熟。

赛事从“表演型”向“实用型”进发

与单纯追求视觉表现力和冲击力不同，中国人形机器人产业正以“好用、管用”为导向，加速商业化落地进程。前不久，以“劳动最光荣”为主题的国际人形机器人技能大赛在上海举办。可以看到，随着人工智能、传感器技术迭代升级，人形机器人正从实验室走进更多工厂和家庭，逐步从“表演型”迈向“实用型”，进入更多场景。

翻开赛事手册可以看到，汽车贴标、零部件上下料、衣服折叠、垃圾清理、商品扫码等工业、家庭、商业场景实现全覆盖。如果只看比赛项目，或许会以为这是一项人类劳动技能比赛。

刚刚完成比赛的机器人操控者王思浩告诉记者：“比如叠衣服这个动作，对人来说可能很简单，但对于机器人来说，却需要调动视觉、触觉等各个系统，非常复杂。但也因为如此复杂，人形机器人才可以在日常生活中真正帮到人类。”

更多具身智能产业企业也不再单纯追求“人形”。在一家主做仿生手的企业展位，记者了解到，该企业的产品并不一定需要装在人形机器人身上，搭载在一个平台上即可完成从1万元现金中抽取出5张纸币等银行柜员的基本操作。

以赛事为桥梁，拉近了机器人公司和场景应用方之间的距离。观看了商业场景赛事后，来自上海的朱先生立马向参赛队伍提出诉求。“我这边有1万多台自动售卖机。机器人能不能跟我的自动售卖机配合，在办公楼里完成下单、支付、取货、配送的完整工作流程？”

回顾来看，从北京的人形机器人半程马拉松赛，到无锡的具身智能机器人运动会，到杭州全球人形机器人格斗大赛，再到此次上海举办的国际人形机器人技能大赛，今年以来，人形机器人迎来了多场赛事。

“以往赛事更多聚焦机器人的运动能力，我们更看重让机器人具备进入各类场景，乃至千家万户去作业的能力。随着去年年底‘模塑申城’方案的全面实施，上海积极发挥场景应用优势，帮助人形机器人‘解锁’新技能，推动软硬件产品实现多元场景落地。”上海市人工智能行业协会秘书长钟俊浩这样介绍此次大赛的“上海特色”。

不可否认，人形机器人仍处在发展初期，从实验室走向工厂、走向家庭，仍有诸多技术难点待突破。通过这场赛事构建出的基于真实场景的压力测试场，我们看到了人形机器人率先在某些特定场景中应用的可能，以“沿途拾蛋”的方式不断积累数据、成熟技术。

脑部进化行业突围“数据荒”

从赛事来看，人形机器人在精度、速度、泛化度等维度仍显笨拙。行业人士表示，训练数据的不足，是当下阻碍机器人进化的一大瓶颈。

以ChatGPT、Deepseek为代表的大语言模型，其智能的涌现，离不开巨量的文本数据。具身智能模型能力的提升，同样有赖于大量训练数据的输入。不过，与文本数据相比，具身智能的训练数据十分稀缺，尤其是多模态数据。

为了解决训练数据缺乏的问题，机构和企业纷纷行动。比如，特斯拉Optimus的训练数据是让人在远程操作机器人的过程中，将操作动作和环境感知数据进行记录；谷歌DeepMind联手斯坦福大学等推出了Open X-Embodiment Dataset，包含100多万条真实机器人轨迹。国内人形机器人头部企业智元也发布了百万真机数据集开源项目AgiBot World。

行业解决数据难题的路径之一，是合成数据。合成数据（Synthetic Data）是一种模仿真实世界数据的非人工创建的数据，它是由基于生成式人工智能技术的计算算法和模拟创建而成。在前不久举办的2025张江具身智能开发者大会上，银河通用通过完全基于合成数据的端到端抓取基础大模型GraspVLA，以及导航大模型，展示了合成数据的价值。

当然，合成数据方法并非没有局限性。虽然目前生成视觉数据的能力相对成熟，但生成其他模态的数据，包括触觉、温度和声音数据等，仍然是一项重大挑战。

方兴未艾的具身智能：关于未来我们可以期待什么

从全球视野来看，具身智能产业发展呈现出创新活跃的多元竞争态势。美国以顶尖科研机构与科技企业为核心，在算法、芯片等核心技术领域取得突破；欧洲持续推进具身智能在工业场景中的应用探索。中国则得益于完整的产业链优势，集合了本体制造、算法优化，再到落地场景验证的全栈式技术储备，成为具身智能产业的一处高地。

“我国人形机器人初步建立了‘大脑、小脑、肢体’的创新体系，而这也成为世界范围内被广泛应用的技术体系。目前，我国人形机器人整机产品达到国际先进水平，涌现了宇树、智元、傅利叶、星动纪元、银河通用等一批企业。”国地共建人形机器人创新中心首席科学家江磊介绍。

江磊表示，在核心零部件方面，我国已经实现了安全有效的供给，尤其是在感知、控制、驱动、传动模块，在低成本约束下具有一定的领先优势。创新生态也逐渐完善。

“整体来看，我国具身智能产业规模爬升迅速，示范应用仍在培育阶段。”江磊说。

仍处于早期阶段的具身智能产业，无论是大脑、小脑还是本体，都面临诸多瓶颈。比如，在应用方面，目前更多是抓取、摆放、组装等一些“原子”技能的训练，难以完成长序列任务。在技术路线上，也存在诸多争议。

目前我国已有超过100家人形机器人整机企业，这些企业纷纷寻找自己的生态位，做出不同的选择。

（文章来源：经济参考报）