當(dāng)前，人形機(jī)器人產(chǎn)業(yè)已步入商業(yè)化落地的初級(jí)階段，產(chǎn)業(yè)技術(shù)從實(shí)驗(yàn)室走向市場(chǎng)驗(yàn)證，并形成數(shù)據(jù)驅(qū)動(dòng)邏輯下的主流技術(shù)路徑。相關(guān)市場(chǎng)主體 “大而全”“小而全”的發(fā)展策略弊端日益凸顯，亟待轉(zhuǎn)變發(fā)展思路，強(qiáng)化前瞻性視野和戰(zhàn)略性思維，從技術(shù)、標(biāo)準(zhǔn)、資源、政策等多角度構(gòu)建一體化產(chǎn)業(yè)技術(shù)生態(tài)，以穩(wěn)健的技術(shù)生態(tài)優(yōu)勢(shì)應(yīng)對(duì)不確定性，促進(jìn)人形機(jī)器人產(chǎn)業(yè)健康發(fā)展。

一、商業(yè)化拐點(diǎn)將至，產(chǎn)業(yè)技術(shù)走向市場(chǎng)驗(yàn)證

在技術(shù)和市場(chǎng)的雙重驅(qū)動(dòng)下，人形機(jī)器人已開始步入商業(yè)化落地的初級(jí)階段，其相關(guān)技術(shù)也面臨從實(shí)驗(yàn)室研發(fā)轉(zhuǎn)向產(chǎn)業(yè)化應(yīng)用的關(guān)鍵轉(zhuǎn)型。

1. 人形機(jī)器人商業(yè)化落地加速

2024年已被業(yè)界普遍定義為“人形機(jī)器人商業(yè)化元年”，首屆中國(guó)人形機(jī)器人產(chǎn)業(yè)大會(huì)發(fā)布的《人形機(jī)器人產(chǎn)業(yè)研究報(bào)告》顯示，2024年中國(guó)人形機(jī)器人市場(chǎng)規(guī)模預(yù)計(jì)達(dá)到27.6億元，并有望在2030年成長(zhǎng)為千億元市場(chǎng)。全球市場(chǎng)也顯示出強(qiáng)勁的增長(zhǎng)動(dòng)力，國(guó)際投資銀行高盛預(yù)測(cè)，到2035年人形機(jī)器人市場(chǎng)規(guī)模有望達(dá)到1540億美元。當(dāng)前，原型產(chǎn)品正從模擬訓(xùn)練進(jìn)入場(chǎng)景實(shí)訓(xùn)。工業(yè)制造和物流倉(cāng)儲(chǔ)領(lǐng)域成為優(yōu)先突破場(chǎng)景，行業(yè)領(lǐng)軍企業(yè)已經(jīng)開始部署實(shí)訓(xùn)。如特斯拉在美國(guó)俄勒岡州開設(shè)了機(jī)器人制造工廠“RoboFab”，并計(jì)劃在2025年交付部分Optimus產(chǎn)品。此外，零售服務(wù)、家庭服務(wù)、科研服務(wù)等領(lǐng)域也作為潛在市場(chǎng)開展特定場(chǎng)景應(yīng)用。

2. 產(chǎn)業(yè)技術(shù)從實(shí)驗(yàn)室走向市場(chǎng)驗(yàn)證

得益于現(xiàn)代工業(yè)機(jī)器人的行業(yè)奠基，加之AI技術(shù)突破帶來(lái)的智能化滲透，人形機(jī)器人正加速樣機(jī)迭代，加速?gòu)暮?jiǎn)單操作到復(fù)雜任務(wù)執(zhí)行、從單一功能到多功能集成的轉(zhuǎn)變。當(dāng)前，國(guó)內(nèi)外龍頭企業(yè)紛紛加大人形機(jī)器人產(chǎn)業(yè)布局力度，相關(guān)技術(shù)正經(jīng)歷從實(shí)驗(yàn)室研發(fā)向產(chǎn)業(yè)化應(yīng)用的關(guān)鍵過(guò)渡。如特斯拉以控制軟件和算法為核心，構(gòu)建AI生態(tài)并加快從智能汽車向人形機(jī)器人的移植；OpenAI以ChatGPT為核心，投資Figure AI和1X等通用人形機(jī)器人企業(yè)；英偉達(dá)立足算力平臺(tái)與芯片，為波士頓動(dòng)力、傅里葉智能、小鵬機(jī)器人等人形機(jī)器人企業(yè)提供模型算力支持；華為探索構(gòu)建“華為賦能”和“華為智選”人形機(jī)器人生態(tài)。在機(jī)器人具身智能能力建設(shè)的進(jìn)程中，需要突破結(jié)構(gòu)、關(guān)節(jié)、運(yùn)動(dòng)、感知、認(rèn)知和決策等多環(huán)節(jié)挑戰(zhàn)，面臨技術(shù)可實(shí)現(xiàn)性、資源可獲得性、主體可協(xié)同性和成本可接納性等多重約束和考驗(yàn)。

二、數(shù)據(jù)驅(qū)動(dòng)漸成主流，技術(shù)路徑日益明朗

人形機(jī)器人產(chǎn)業(yè)技術(shù)的發(fā)展，既繼承了工業(yè)機(jī)器人相關(guān)技術(shù)，又在AI技術(shù)的推動(dòng)下，展現(xiàn)出顛覆性創(chuàng)新態(tài)勢(shì)。在經(jīng)歷了多輪范式變遷與模式比選后，以數(shù)據(jù)為核心來(lái)構(gòu)建產(chǎn)品或服務(wù)的運(yùn)作邏輯漸成主流，并形成決策機(jī)制、系統(tǒng)架構(gòu)和支撐資源三層次技術(shù)路徑。

1. 部署思路：“自動(dòng)”向“自主”的范式轉(zhuǎn)型

當(dāng)前，智能系統(tǒng)的決策機(jī)制正逐步從規(guī)則驅(qū)動(dòng)的“模塊化”走向數(shù)據(jù)驅(qū)動(dòng)的“端到端”模式，進(jìn)而促使智能化部署從“自動(dòng)化的部件協(xié)同”升級(jí)為“自主化的整體行動(dòng)”。

傳統(tǒng)智能決策機(jī)制是一種基于規(guī)則驅(qū)動(dòng)的“模塊化”架構(gòu)，即將感知、定位、決策、控制等任務(wù)拆分為多個(gè)獨(dú)立模塊，通過(guò)邏輯規(guī)則驅(qū)動(dòng)功能實(shí)現(xiàn)，通過(guò)接口傳遞完成工作協(xié)同。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于數(shù)據(jù)驅(qū)動(dòng)的“端到端（end to end）”架構(gòu)開始出現(xiàn)，其將智能系統(tǒng)視為一個(gè)整體，通過(guò)多模態(tài)的神經(jīng)網(wǎng)絡(luò)模型直接從輸入的傳感器數(shù)據(jù)生成最終的決策和控制信號(hào)。相對(duì)于“模塊化”架構(gòu)，“端到端”架構(gòu)更加貼近人類行為模式，可實(shí)現(xiàn)數(shù)據(jù)輸入到?jīng)Q策輸出的無(wú)縫銜接，不僅提高了系統(tǒng)的性能上限，還具備更強(qiáng)的泛化和復(fù)雜場(chǎng)景適應(yīng)能力。其首先應(yīng)用于自動(dòng)駕駛領(lǐng)域，英偉達(dá)、特斯拉最先掀起“端到端”的自動(dòng)駕駛變革，百度、華為和以“蔚小理”為代表的造車新勢(shì)力均開始布局“端到端”自動(dòng)駕駛方案。鑒于該架構(gòu)的高度可移植性，“端到端”架構(gòu)在機(jī)器人導(dǎo)航和任務(wù)執(zhí)行中也開始逐步應(yīng)用。例如，特斯拉的Optimus機(jī)器人和谷歌的RT-2項(xiàng)目均采用了“端到端”模型，實(shí)現(xiàn)了高效、靈活的多任務(wù)處理；Figure AI與OpenAI合作開發(fā)的Figure 01機(jī)器人也展示了“端到端”如何轉(zhuǎn)變機(jī)器人決策邏輯。在“端到端”架構(gòu)日益成為業(yè)界共識(shí)的背景下，其核心能力儲(chǔ)備和掣肘因素破解也應(yīng)及時(shí)提上日程。模型優(yōu)化、數(shù)據(jù)質(zhì)量、算法創(chuàng)新以及算力提升，這些共同構(gòu)成了提升“端到端”技術(shù)成熟度的核心要素。同時(shí)，為了有效破除模型復(fù)雜度高、可解釋性差等挑戰(zhàn)，對(duì)相關(guān)資源的深度挖掘與協(xié)同布局，需引起更多關(guān)注與切實(shí)行動(dòng)。

2. 系統(tǒng)架構(gòu)：“漸進(jìn)”與“顛覆”的動(dòng)態(tài)平衡

近年來(lái)，作為部署思路的核心載體，系統(tǒng)架構(gòu)從萌芽走向成熟。其技術(shù)路徑主要分為兩類：即基于工業(yè)機(jī)器人的“漸進(jìn)式改良”與基于生成式AI的“顛覆式創(chuàng)新”。伴隨技術(shù)供給和產(chǎn)業(yè)需求的深入磨合，路線之爭(zhēng)也逐漸從并駕齊驅(qū)走向動(dòng)態(tài)平衡。

一方面，模型構(gòu)建從“大小之爭(zhēng)”走向“通專結(jié)合”。長(zhǎng)期以來(lái)，工業(yè)機(jī)器人領(lǐng)域通常采用小模型來(lái)滿足感知、運(yùn)動(dòng)、控制等特定任務(wù)的需求，這些小模型在硬件資源有限的機(jī)器人本體上運(yùn)行，確保可靠性和穩(wěn)定性。然而，隨著AI大模型的發(fā)展，越來(lái)越多的廠商開始探索如何納入通用大模型和行業(yè)垂直大模型，更好地解決工業(yè)領(lǐng)域的特定問(wèn)題。盡管如此，大模型當(dāng)前存在的專業(yè)認(rèn)知缺乏、算力資源不足、幻覺現(xiàn)象突出等問(wèn)題，使其應(yīng)用于工業(yè)領(lǐng)域仍面臨可靠性和成本等挑戰(zhàn)，需要在“通用性”和“專業(yè)化”之間找到平衡點(diǎn)。

另一方面，運(yùn)算路徑從“云端計(jì)算”走向“云邊結(jié)合”。傳統(tǒng)的機(jī)器人系統(tǒng)多依賴于云端計(jì)算，以利用強(qiáng)大的算力進(jìn)行復(fù)雜任務(wù)處理。隨著邊緣計(jì)算技術(shù)的發(fā)展，越來(lái)越多的計(jì)算任務(wù)被轉(zhuǎn)移到邊緣設(shè)備上，以減少延遲并提高實(shí)時(shí)響應(yīng)能力。例如，Meta、谷歌、高通、英偉達(dá)等都致力于推動(dòng)邊緣AI發(fā)展，云邊協(xié)同架構(gòu)也在車路運(yùn)一體化的智能駕駛、智能倉(cāng)庫(kù)巡檢機(jī)器人等領(lǐng)域開始被應(yīng)用，以實(shí)現(xiàn)高效的數(shù)據(jù)處理、實(shí)時(shí)決策和系統(tǒng)優(yōu)化。

3. 支撐資源：“私有”與“公共”的互為滲透

人形機(jī)器人運(yùn)行涉及軟硬件環(huán)節(jié)眾多，應(yīng)用覆蓋廣泛，傳感、控制、執(zhí)行及人機(jī)交互等領(lǐng)域的功能實(shí)現(xiàn)都將依賴于大規(guī)模算力、數(shù)據(jù)及訓(xùn)練場(chǎng)景支撐。盡管領(lǐng)軍企業(yè)已加大布局力度，但獨(dú)自承擔(dān)所有環(huán)節(jié)已不現(xiàn)實(shí)，未來(lái)必然趨向公共與私有部門攜手合作，共建共享資源體系。

一是算力資源從“個(gè)體部署”走向“集群共享”。傳統(tǒng)的分散自主部署算力模式存在周期長(zhǎng)、高能耗、利用率低等諸多弊端，且當(dāng)前面臨出口管制限制與國(guó)產(chǎn)替代緩慢等現(xiàn)實(shí)問(wèn)題。面向算力需求的爆炸式增長(zhǎng)和AI算力芯片的超短期迭代，算力建設(shè)也必將走向集約化和網(wǎng)絡(luò)化，實(shí)現(xiàn)算力、數(shù)據(jù)、算法等資源的流動(dòng)共享。通過(guò)集群共享的方式，可以實(shí)現(xiàn)算力資源的高效復(fù)用和按需分配，從而顯著提升資源利用率，降低算力成本。同時(shí)，在集群形態(tài)上，算力網(wǎng)絡(luò)將成為主要的供給方式，通過(guò)連接分散的算力資源，實(shí)現(xiàn)多中心資源聚合和多元異構(gòu)算力的融合。例如，英偉達(dá)算RiseVAST平臺(tái)通過(guò)虛擬化技術(shù)實(shí)現(xiàn)了異構(gòu)算力集群的混合部署、統(tǒng)一調(diào)度和管理，支持多任務(wù)共享同一顯卡，從而提升硬件使用效率并降低算力成本。特斯拉的DOJO智算中心將實(shí)現(xiàn)100,000PFlops算力，相當(dāng)于約30萬(wàn)塊英偉達(dá)A100的算力總和。在這一大背景下，協(xié)同推進(jìn)AI算力芯片產(chǎn)業(yè)的發(fā)展與智算集群的共建共享，是有效解決算力荒、算力弱、算力貴的關(guān)鍵突破口。

二是數(shù)據(jù)資源從“結(jié)構(gòu)化”走向“非結(jié)構(gòu)化”。隨著業(yè)務(wù)場(chǎng)景的改變，算據(jù)資源正在從基于數(shù)據(jù)庫(kù)的結(jié)構(gòu)化數(shù)據(jù)向非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)變。根據(jù)IDC的統(tǒng)計(jì)分析，文本、圖像、視頻等非結(jié)構(gòu)化數(shù)據(jù)占整體數(shù)據(jù)量的比重高達(dá)80%以上，且以每年55%～65%的速度增長(zhǎng)。同時(shí)，生成式AI技術(shù)的發(fā)展也推動(dòng)了非結(jié)構(gòu)化數(shù)據(jù)的應(yīng)用，使得基于非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行模型調(diào)優(yōu)和決策支持成為可能。例如，亞馬遜已開始通過(guò)Textract等工具處理大量非結(jié)構(gòu)化文本數(shù)據(jù)，以支持其云服務(wù)和數(shù)據(jù)分析需求；IBM的Watson人工智能平臺(tái)，正在通過(guò)自然語(yǔ)言處理和機(jī)器學(xué)習(xí)技術(shù)，將結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為有價(jià)值的洞察。這意味著，未來(lái)應(yīng)用于人形機(jī)器人的AI推理和訓(xùn)練算據(jù)很大程度上將以非結(jié)構(gòu)化數(shù)據(jù)為主，并基于其輔助AI算法優(yōu)化，這要求相關(guān)部門在推動(dòng)非結(jié)構(gòu)化數(shù)據(jù)源的整合、促進(jìn)技術(shù)創(chuàng)新應(yīng)用及完善多源數(shù)據(jù)治理體系等方面加強(qiáng)前瞻性部署。

三是場(chǎng)景資源從“實(shí)體訓(xùn)練”走向“虛實(shí)融合”。早期的人工智能訓(xùn)練場(chǎng)景以實(shí)地為主，存在時(shí)空受限、成本高昂、環(huán)境單一、安全風(fēng)險(xiǎn)等弊端。虛擬環(huán)境訓(xùn)練的引入，顯著提升了訓(xùn)練效率和降低訓(xùn)練成本，并緩解了AI算力短缺和真實(shí)訓(xùn)練數(shù)據(jù)缺乏問(wèn)題。例如，英偉達(dá)的Omniverse軟件實(shí)現(xiàn)了虛擬世界的物理級(jí)仿真和渲染，并在Omniverse基礎(chǔ)模型之上，研發(fā)出Isaac專用模擬訓(xùn)練機(jī)器人研發(fā)平臺(tái)。再比如，由卡內(nèi)基大學(xué)、斯坦福大學(xué)等近20家全球頂尖高校實(shí)驗(yàn)室聯(lián)合研發(fā)的生成式物理引擎Genesis，通過(guò)綜合性物理仿真平臺(tái)自動(dòng)生成多場(chǎng)景物理模擬，為機(jī)器人虛擬環(huán)境訓(xùn)練提供強(qiáng)大支持。此外，特斯拉通過(guò)構(gòu)建虛擬仿真空間和快速標(biāo)注技術(shù)，為規(guī)控算法的訓(xùn)練與驗(yàn)證提供高自由度的環(huán)境。這些技術(shù)的應(yīng)用表明，虛擬環(huán)境訓(xùn)練將是未來(lái)的重要趨勢(shì)之一，相關(guān)部門需要在訓(xùn)練階段定義、場(chǎng)景分級(jí)認(rèn)證、倫理和合規(guī)性認(rèn)定等方面加快前期部署。

三、分散競(jìng)爭(zhēng)弊端顯現(xiàn)，一體化生態(tài)亟待先行

隨著科研與產(chǎn)業(yè)界的深入合作，上述技術(shù)路徑已逐步從實(shí)驗(yàn)室階段邁向中等規(guī)模的實(shí)際場(chǎng)景驗(yàn)證，這一進(jìn)展無(wú)疑為人形機(jī)器人的產(chǎn)業(yè)化進(jìn)程注入積極信號(hào)。但也應(yīng)看到，當(dāng)前相關(guān)市場(chǎng)主體仍處于“春秋戰(zhàn)國(guó)”的分散競(jìng)爭(zhēng)格局中（注：國(guó)家地方共建人形機(jī)器人創(chuàng)新中心統(tǒng)計(jì)，截至2024年11月，國(guó)內(nèi)外通用人形機(jī)器人整機(jī)商業(yè)公司約150家，國(guó)內(nèi)超過(guò)80家，國(guó)內(nèi)的人形機(jī)器人整機(jī)商業(yè)公司中有半數(shù)來(lái)自高校的學(xué)生和教師創(chuàng)業(yè)。），尚未就產(chǎn)品定義、產(chǎn)業(yè)構(gòu)成及行業(yè)標(biāo)準(zhǔn)達(dá)成共識(shí)，對(duì)于產(chǎn)業(yè)鏈、供應(yīng)鏈以及創(chuàng)新鏈之間的協(xié)同路徑，也缺乏明確的認(rèn)識(shí)。這種狀況極易導(dǎo)致各主體采取“大而全”“小而全”的發(fā)展策略，不僅增加了產(chǎn)業(yè)化進(jìn)程中的不確定性，還可能導(dǎo)致重復(fù)投資與重復(fù)建設(shè)，造成資源浪費(fèi)，相關(guān)各方只有共同認(rèn)識(shí)到問(wèn)題所在，方能有效破局。

1. 軟硬件標(biāo)準(zhǔn)尚不統(tǒng)一，系統(tǒng)銜接與供應(yīng)鏈搭建面臨較多堵點(diǎn)

盡管當(dāng)前已有近百家企業(yè)參與人形機(jī)器人產(chǎn)業(yè)，但軟硬件技術(shù)仍面臨快速迭代和選型之爭(zhēng)，標(biāo)準(zhǔn)尚未統(tǒng)一，導(dǎo)致供應(yīng)鏈效率低下和成本增加。

一是軟硬件標(biāo)準(zhǔn)化問(wèn)題。人形機(jī)器人的核心硬件多數(shù)處于從發(fā)展期到成熟期的過(guò)渡階段，而腦機(jī)接口等更先進(jìn)的技術(shù)則剛從萌芽期過(guò)渡到發(fā)展期，硬件層面仍存在較多痛點(diǎn)，并導(dǎo)致供應(yīng)鏈上游操作系統(tǒng)和工業(yè)控制PLC面臨部件、質(zhì)量要求等不統(tǒng)一，不利于形成規(guī)模和成本控制。

二是“云邊端”一體化問(wèn)題。新型運(yùn)算模式?jīng)Q定了云邊協(xié)同面臨著數(shù)據(jù)安全與隱私保護(hù)、網(wǎng)絡(luò)拓?fù)涞膭?dòng)態(tài)變化以及設(shè)備異構(gòu)性等問(wèn)題，需要優(yōu)化計(jì)算任務(wù)分配機(jī)制和安全體系等來(lái)提升整體效能。同時(shí)，不同行業(yè)對(duì)邊緣計(jì)算部署的要求各不相同，導(dǎo)致開放接口、數(shù)據(jù)格式、傳輸協(xié)議等方面存在較大差異，亟待建立面向共性領(lǐng)域的統(tǒng)一方案和針對(duì)細(xì)分領(lǐng)域的標(biāo)準(zhǔn)參照，以減少大量重復(fù)驗(yàn)證和適配成本。

2. 模型進(jìn)展差異較大，協(xié)調(diào)成本和協(xié)同缺口較大

適配人形機(jī)器人的通用大模型基礎(chǔ)仍處于早期階段，小模型雖然具備工業(yè)機(jī)器人領(lǐng)域的技術(shù)積淀，但面向運(yùn)動(dòng)協(xié)調(diào)和復(fù)雜場(chǎng)景的性能要求上仍具有較大差距，大小模型、新舊體系之間的協(xié)調(diào)成本和協(xié)同缺口仍然較大。

一是大模型瓶頸仍未有效突破。目前，國(guó)內(nèi)大模型研發(fā)為人形機(jī)器人的感知、決策和交互能力提供了一定技術(shù)支撐，但底層架構(gòu)和算法框架仍大多依賴國(guó)外技術(shù)，其高昂的成本、較低的可靠度、薄弱的泛化能力和尚未成熟的產(chǎn)業(yè)鏈，對(duì)商業(yè)化落地造成一定阻礙。同時(shí)，“百模大戰(zhàn)”催生無(wú)序競(jìng)爭(zhēng)不僅浪費(fèi)了大量資源，還可能引發(fā)行業(yè)內(nèi)的惡性競(jìng)爭(zhēng)。

二是小模型性能提升面臨限制。小模型精度和可靠性更高，但缺少真實(shí)的理解力，在處理復(fù)雜任務(wù)時(shí)仍難以達(dá)到人形機(jī)器人運(yùn)動(dòng)所需要的性能。此外，針對(duì)特定應(yīng)用場(chǎng)景的定制化開發(fā)，還面臨數(shù)據(jù)稀缺、標(biāo)注質(zhì)量和算力受限等問(wèn)題，尤其是在某些專業(yè)領(lǐng)域，低通用性與高開發(fā)成本的矛盾已日益突出。

3. 計(jì)算資源協(xié)同不足，數(shù)據(jù)和算法共享困境突出

人形機(jī)器人需要處理復(fù)雜的感知、決策和運(yùn)動(dòng)控制任務(wù)，這些任務(wù)對(duì)計(jì)算資源的要求非常高。面向數(shù)據(jù)與算力的集群布局，產(chǎn)業(yè)界和政府部門都在著手推進(jìn)，但共建共享面臨的技術(shù)與制度瓶頸依然較為突出。

一是數(shù)據(jù)共享和流通面臨障礙。人形機(jī)器人市場(chǎng)化落地需要大規(guī)模高質(zhì)量數(shù)據(jù)供給，但由于數(shù)據(jù)產(chǎn)權(quán)界定仍不明確，分級(jí)分類的數(shù)據(jù)使用規(guī)則和安全機(jī)制仍不明晰，導(dǎo)致數(shù)據(jù)共享與流通的規(guī)則仍然相對(duì)缺失。數(shù)據(jù)用戶不得不采用大量人力進(jìn)行數(shù)據(jù)采集，這不僅成本高昂，而且效率低下。

二是算力資源管理模式有待變革。隨著大模型的發(fā)展，對(duì)算力的需求呈指數(shù)級(jí)增長(zhǎng)，但智算中心的利用率卻極為有限，調(diào)查顯示智算中心機(jī)房出租率普遍僅有20%~30%之間，暴露出行業(yè)的結(jié)構(gòu)性問(wèn)題。一方面，國(guó)內(nèi)算力和智算中心在高速發(fā)展的同時(shí)，技術(shù)選型和系統(tǒng)架構(gòu)滯后問(wèn)題卻較為突出，高級(jí)算力涉及的網(wǎng)絡(luò)架構(gòu)、任務(wù)調(diào)度及智能運(yùn)維等能力并沒有同步增長(zhǎng)。另一方面，使用端尚未完全理解大模型訓(xùn)練深層次需求，簡(jiǎn)單的“堆卡”行為不足以應(yīng)對(duì)實(shí)際算力要求。這種供需錯(cuò)配導(dǎo)致了智算中心過(guò)剩與大模型算力緊缺的矛盾，需要從頂層設(shè)計(jì)、技術(shù)路徑和協(xié)作模式等多方面入手，推動(dòng)算力資源的有效配置和高效利用。

4. 跨界合作面臨挑戰(zhàn)，場(chǎng)景分散與行業(yè)割裂較為突出

目前，人形機(jī)器人尚未在下游終端應(yīng)用領(lǐng)域?qū)崿F(xiàn)規(guī)?；虡I(yè)落地，部分核心零部件在人形機(jī)器人領(lǐng)域的應(yīng)用也未得到充分驗(yàn)證。主要原因是人形機(jī)器人行業(yè)應(yīng)用中仍面臨路線分歧和場(chǎng)景割裂的問(wèn)題。

一是場(chǎng)景分散，難以支撐應(yīng)用規(guī)模。人形機(jī)器人在商業(yè)化場(chǎng)景的開發(fā)應(yīng)用上還處于探索階段，小規(guī)模應(yīng)用難以達(dá)到投入產(chǎn)出效能指標(biāo)，大規(guī)模應(yīng)用如工業(yè)場(chǎng)景則面臨穩(wěn)定性、可靠性的多重挑戰(zhàn)。上述情況，不僅限制了人形機(jī)器人的技術(shù)迭代和性能提升，反過(guò)來(lái)進(jìn)一步限制了其需求剛性和商業(yè)化進(jìn)程。

二是行業(yè)割裂，跨界合作創(chuàng)新渠道不暢。人形機(jī)器人主機(jī)廠商在行業(yè)推廣中仍面臨諸多挑戰(zhàn)。一方面，由于商業(yè)化合作機(jī)制不完善，導(dǎo)致資源與場(chǎng)景的互聯(lián)互通難以實(shí)現(xiàn)。另一方面，由于相關(guān)領(lǐng)域法規(guī)仍不健全，企業(yè)在虛擬訓(xùn)練和場(chǎng)景共享等方面仍面臨“法無(wú)明確不敢為”的困境，導(dǎo)致合規(guī)成本過(guò)高。

四、統(tǒng)籌部署技術(shù)生態(tài)，巧筑優(yōu)勢(shì)應(yīng)對(duì)變局

盡管競(jìng)爭(zhēng)態(tài)勢(shì)激烈，但總體而言，人形機(jī)器人產(chǎn)業(yè)的技術(shù)生態(tài)仍處于初創(chuàng)期，亟待市場(chǎng)配置資源的決定性作用與更好發(fā)揮政府作用的深度融合。面對(duì)市場(chǎng)的不確定性，積極強(qiáng)化人形機(jī)器人產(chǎn)業(yè)技術(shù)生態(tài)的科學(xué)布局，是搶占行業(yè)領(lǐng)先地位、優(yōu)化市場(chǎng)利益結(jié)構(gòu)和捍衛(wèi)國(guó)家產(chǎn)業(yè)安全的應(yīng)有之舉。預(yù)見技術(shù)演進(jìn)趨勢(shì)，洞察產(chǎn)業(yè)配置邏輯，

1. 立足關(guān)鍵定義，加強(qiáng)國(guó)際標(biāo)準(zhǔn)輸出

一是順應(yīng)技術(shù)路徑演進(jìn)趨勢(shì)，推進(jìn)標(biāo)準(zhǔn)路線圖匹配。基于數(shù)據(jù)驅(qū)動(dòng)邏輯下的人形機(jī)器人技術(shù)演進(jìn)趨勢(shì)，積極整合電子電氣、自動(dòng)化控制、人工智能等多個(gè)學(xué)科領(lǐng)域的專業(yè)學(xué)會(huì)力量，組建跨學(xué)科專題研究小組，加快制定面向未來(lái)的人形機(jī)器人標(biāo)準(zhǔn)路線圖，分析識(shí)別關(guān)鍵領(lǐng)域的標(biāo)準(zhǔn)空白點(diǎn)并針對(duì)性地提出標(biāo)準(zhǔn)預(yù)研方案。強(qiáng)化與國(guó)際相關(guān)領(lǐng)域標(biāo)準(zhǔn)化機(jī)構(gòu)協(xié)作，提升在國(guó)際標(biāo)準(zhǔn)制定中的影響力和引領(lǐng)性。

二是聚焦功能、智能、性能，強(qiáng)化軟硬件標(biāo)準(zhǔn)布局。當(dāng)前，國(guó)家有關(guān)部委針對(duì)人形機(jī)器人領(lǐng)域已經(jīng)啟動(dòng)了基礎(chǔ)標(biāo)準(zhǔn)計(jì)劃，并著手構(gòu)建具身智能的標(biāo)準(zhǔn)體系。在此基礎(chǔ)上，需充分利用國(guó)家與地方共建的人形機(jī)器人創(chuàng)新中心以及本市標(biāo)準(zhǔn)化協(xié)會(huì)的資源優(yōu)勢(shì)，聚焦功能特性、智能水平及性能指標(biāo)等核心要素，進(jìn)一步深化垂直行業(yè)內(nèi)軟硬件標(biāo)準(zhǔn)體系的布局。同時(shí)，積極向國(guó)際標(biāo)準(zhǔn)化組織提議設(shè)立新的人形機(jī)器人技術(shù)標(biāo)準(zhǔn)委員會(huì)，旨在加速人形機(jī)器人通用標(biāo)準(zhǔn)的國(guó)際化進(jìn)程和輸出能力，為整合產(chǎn)業(yè)鏈優(yōu)勢(shì)奠定發(fā)展基礎(chǔ)。

2. 立足漸進(jìn)迭代，推動(dòng)系統(tǒng)架構(gòu)轉(zhuǎn)型

一是推進(jìn)工業(yè)機(jī)器人與人形機(jī)器人技術(shù)路徑融合。應(yīng)超越技術(shù)路線之爭(zhēng)，充分利用各自在形態(tài)結(jié)構(gòu)、運(yùn)動(dòng)控制和應(yīng)用場(chǎng)景方面的獨(dú)特優(yōu)勢(shì)，整合工業(yè)機(jī)器人標(biāo)準(zhǔn)化、穩(wěn)定性特點(diǎn)和人形機(jī)器人通用性、泛化性能力，通過(guò)技術(shù)融合實(shí)現(xiàn)互補(bǔ)發(fā)展。積極鼓勵(lì)并支持工業(yè)機(jī)器人與人形機(jī)器人領(lǐng)域的領(lǐng)軍企業(yè)組建創(chuàng)新聯(lián)合體，強(qiáng)化關(guān)鍵技術(shù)研發(fā)與核心產(chǎn)品創(chuàng)新的協(xié)同合作，加快形成完整的產(chǎn)業(yè)鏈和創(chuàng)新鏈。

二是強(qiáng)化“大、小”“云、端”協(xié)同部署。立足《人形機(jī)器人創(chuàng)新發(fā)展指導(dǎo)意見》提出的打造“大腦”和“小腦”的目標(biāo)，推動(dòng)系統(tǒng)架構(gòu)協(xié)同部署。通過(guò)推動(dòng)人工智能、信息通信、計(jì)算服務(wù)相關(guān)機(jī)構(gòu)聯(lián)合研發(fā)，優(yōu)化模型架構(gòu)銜接、深化端云協(xié)同部署，推動(dòng)大模型和小模型走“通專結(jié)合”發(fā)展道路。進(jìn)一步強(qiáng)化人工智能研發(fā)機(jī)構(gòu)與產(chǎn)業(yè)界的緊密合作，共同挖掘并創(chuàng)建通專融合技術(shù)在多元領(lǐng)域的應(yīng)用場(chǎng)景潛力，鼓勵(lì)各方根據(jù)市場(chǎng)需求及自身核心競(jìng)爭(zhēng)力，靈活選擇并推動(dòng)示范性商業(yè)模式落地。

3. 立足融合共享，創(chuàng)新資源配置模式

一是積極發(fā)展虛實(shí)融合訓(xùn)練場(chǎng)景體系。技術(shù)端方面，應(yīng)強(qiáng)化多模態(tài)數(shù)據(jù)標(biāo)準(zhǔn)、訓(xùn)練系統(tǒng)和深度強(qiáng)化學(xué)習(xí)技術(shù)的融合，開發(fā)基于云平臺(tái)虛實(shí)融合測(cè)試系統(tǒng)，構(gòu)建相關(guān)數(shù)據(jù)交互協(xié)議，提升生成復(fù)雜場(chǎng)景的能力。產(chǎn)業(yè)端方面，應(yīng)同步構(gòu)建虛實(shí)融合測(cè)試標(biāo)準(zhǔn)體系和政策體系，推動(dòng)新型研發(fā)機(jī)構(gòu)和公共技術(shù)平臺(tái)加大虛實(shí)結(jié)合測(cè)試場(chǎng)景的的多元化開發(fā)。

二是推動(dòng)智算集群集約化協(xié)同化建設(shè)。順應(yīng)通用型人工智能應(yīng)用態(tài)勢(shì)，適度超前布局超算智算基礎(chǔ)設(shè)施，注重芯片、服務(wù)器、操作系統(tǒng)等關(guān)鍵算力部件的國(guó)產(chǎn)化替代，構(gòu)建基于異構(gòu)計(jì)算架構(gòu)的自主軟硬件生態(tài)。同時(shí)，聚焦產(chǎn)業(yè)鏈區(qū)域化布局，推動(dòng)長(zhǎng)三角地區(qū)數(shù)據(jù)中心一體化布局和算力跨區(qū)域調(diào)度，加快構(gòu)建“產(chǎn)算協(xié)同、數(shù)算融合、跨域輻射”的集約化智算公共網(wǎng)絡(luò)。

4. 立足聯(lián)動(dòng)賦能，構(gòu)建產(chǎn)業(yè)飛輪范式

一是推動(dòng)技術(shù)產(chǎn)業(yè)化合作創(chuàng)新，構(gòu)建產(chǎn)業(yè)飛輪原動(dòng)力。重點(diǎn)圍繞人工智能、深度學(xué)習(xí)、視覺傳感、空間智能等核心技術(shù)，進(jìn)一步發(fā)揮政府對(duì)基礎(chǔ)研究和技術(shù)創(chuàng)新的支撐作用，以專項(xiàng)基金、產(chǎn)業(yè)基金等方式支持產(chǎn)學(xué)研聯(lián)合研究項(xiàng)目開展，強(qiáng)化各方在市場(chǎng)需求、行業(yè)數(shù)據(jù)、AI模型、AI算力、傳感器、電控單元、系統(tǒng)總成等領(lǐng)域的優(yōu)勢(shì)，集中共建產(chǎn)業(yè)鏈生態(tài)。

二是推動(dòng)場(chǎng)景協(xié)同開發(fā)和拓展，構(gòu)建產(chǎn)業(yè)飛輪自驅(qū)力。進(jìn)一步發(fā)揮政府在工業(yè)、醫(yī)療健康、交通物流、社會(huì)服務(wù)等行業(yè)的信息集成和轉(zhuǎn)型促進(jìn)職能，建立常態(tài)化、多通道供需對(duì)接平臺(tái)，探索構(gòu)建政務(wù)服務(wù)、城市治理領(lǐng)域應(yīng)用場(chǎng)景率先開放機(jī)制，鼓勵(lì)人形機(jī)器人相關(guān)新模式、新服務(wù)和新業(yè)態(tài)孕育。

三是推動(dòng)基于要素的扶持政策，形成產(chǎn)業(yè)飛輪補(bǔ)給力。突破傳統(tǒng)分行業(yè)管理模式，聚焦數(shù)據(jù)、技術(shù)、人才、標(biāo)準(zhǔn)等關(guān)鍵要素，立足產(chǎn)業(yè)鏈上下游聯(lián)動(dòng)賦能，推動(dòng)數(shù)據(jù)流動(dòng)集成、共性技術(shù)開發(fā)、科學(xué)設(shè)施裝置、開源模型系統(tǒng)、虛實(shí)融合場(chǎng)景、復(fù)合人才認(rèn)定等一攬子配套政策，推動(dòng)技術(shù)生態(tài)要素的可持續(xù)供給。 

（作者徐珺系上海發(fā)展戰(zhàn)略研究所副所長(zhǎng)，正高級(jí)工程師）