ballbet贝博bb艾佛森

华泰人形机器人走进千行百业

时间: 2025-11-13 03:06:22 | 作者: ballbet贝博bb艾佛森

11月5-6日我们组织了2026年度投资峰会，产业投资人与多领域代表探讨了具身智能目前的发展阶段，未来机器人如何走进千行百业。

1、华业天成资本：产业界目前探索的机器人大脑VLA大模型百花齐放，但其任务执行成功率距商业化落地仍有距离。执行成功率偏低的根本原因在于现实世界中的长任务需要毫秒级闭环、连续高维状态与混合接触模式，状态密度远高于生成式模型，因此链路越长成功率越低。最终复杂任务的操作仍需灵巧手执行，目前“灵巧操作”瓶颈更多来自触觉与其系统级集成，而非单纯AI算法。

2、蔚建机器人：建筑行业面临老龄清退、青年工人流失与地产调整多重压力，劳工短缺日益严峻。十七部门《“机器人+”方案》政策加持，蔚建实测抹灰机器人日产能300㎡、综合成本仅2.2元/㎡，效率为人工6倍、成本降七成。工地非连续地面多，人形机器人下肢越障优势凸显，有望率先落地。破解推广瓶颈，需通过自动扫描建模、简化交互，降低工人学习成本与转岗阻力，加速建筑机器人规模化商用。

3、星动纪元：人形机器人产业核心矛盾在于场景碎片化导致边际成本高昂，难以规模化。星动纪元提出“通用大脑+通用本体”软硬全栈自研路径，以Era-42端到端VLA模型统一控制55自由度本体，首创快慢系统、世界模型及强化学习框架，实现从互联网视频零样本预训练到真机微调，突破数据瓶颈；硬件模块化复刻1:1人形，兼容人类数据，构建“模型-硬件-场景”飞轮，自上而下降维适配，打造物理世界通用智能体。

4、兰剑智能：AI与机器人驱动物流无人化，2024年全球仓储自动化渗透率不足20%，潜在市场逾2万亿元，预计中国2025-2029年行业CAGR近15%。兰剑智能深耕32年，自研全系列物流机器人，电商领域3D蜂巢系统日处理90万件，工业领域打通产-仓-配信息瓶颈，助力“无人工厂”；并依托物联网平台实现全程可视、闭环优化，携手山东大学布局具身智能，以场景化创新加速人形机器人落地。

VLA大模型层出不穷，但整体成功率仍有提高空间。过去两年中，VLA机器人模型是产业界主要探索的方向，各种细分技术路线百花齐放。产业界巨头例如Figure、智元机器人、Nvidia和Google均在大小脑结合的VLA模型上有建树，不断推动产品落地。但目前采用VLA模型的机器人，其执行任务成功率均低于商用标准，考虑到真实的生活中对于任务容错率的要求，该成功率仍有提升空间。

现有模型难以解决长任务规划难题问题大多在于累计谬误高。物理世界长任务需要毫秒级闭环、连续高维状态与混合接触模式，状态密度远高于Agentic AI。生成式模型多是“单状态/一问一答”，难以支撑“看多步、走一步、再重规划”的持久状态管理。以生成式为主的“单状态”智能难以承载这类闭环任务，面对个体与情境差异常失稳、恢复能力弱，因此链路越长成功率越低。

最终复杂任务操作仍需灵巧手执行，触觉传感器特别的重要。灵巧手的物理困境是感知能力与真实人手差距非常大。人手拥有“全手面连续覆盖+多模态（压力/剪切/振动/温度）+本体感觉”的低延迟闭环，因此在看不见、形变、不规则、易打滑的场景中依然稳定精细。目前的人造灵巧手多为“局部覆盖+拼装式多传感”，分辨率/带宽/耐久与系统融合存在短板，导致抓放易滑、用力不稳、从演示到产线的迁移困难。具身智能的“灵巧操作”瓶颈更多来自触觉与其系统级集成，而非单纯AI算法。

建筑行业劳工短缺、机械化程度低，机器替人是大势所趋。当前我国建筑工人老龄化现象显著，考虑建筑施工高处作业多、露天作业多等高危特点，多地近年来推出了“超龄清退令”。以上海市为例，2019年上海市住建委、市人社局和市总工会共同发文规定：禁止18周岁以下、60周岁以上男性及50周岁以上女性三类人员进入施工现场从事建筑施工作业。另一方面，随着房地产行业近年来相对承压，以及建筑施工作业本身繁重与高危的工作特点，慢慢的变多的农民工转而选择进入服务业，就业结构的变化也进一步加速了建筑业劳工的流失。但由于建筑项目常面临设计变更、场地条件复杂等问题，机械化设备难以快速适应，目前行业机械化程度较低，对人工的依赖程度仍较高。2023年，工业与信息化部、住房和城乡建设部等十七部门联合印发《“机器人+”应用行动实施方案》，提出加速拓展建筑机器人应用。我们大家都认为劳工短缺的困境与政策的有力支持或有望共同加速机器人在建筑行业的应用渗透。

分论坛上，蔚建机器人作为在建筑机器人领域技术路线与产品实力的领先者，对于机器人在建筑行业的应用现状、发展的新趋势以及推广痛点做出了分析与展望。建筑机器人已在抹灰等环节显著验证其降本增效的价值，而场景适配能力的提升，与使用门槛的降低，或将成为破解行业惯性、实现规模化落地的关键。

1）在抹灰、喷涂等环节，机器人可显著实现降本增效。以蔚建机器人公司推出的内墙粉刷系列机器人为例，其中建模机器人负责环境感知与数据上传，抹灰机器人能够自主导航并实现泵抹收压全自动抹灰，喷涂机器人(腻子/乳胶漆)采用智能路径规划，可实现墙面天花全覆盖。以抹灰环节为例，据蔚建机器人公司官网，人工抹灰单人可实现每天50平方米，单台机器人抹灰可实现每天300平方米，抹灰机器人效率是人工作业的6倍。成本方面，人工抹灰50平方米对应单人工资约400元，单平方成本8元；采用机器人以及两名操作工程师抹灰300平方米，工资合计需660元，单平方成本2.2元，明显低于纯人工操作。

2）聚焦于“脚”，建筑有望成为人形机器人应用落地的先行场景。从具身智能产业长期发展的目标来看，人形机器人应用的重点是实现通用性，灵活的适应不一样的环境和任务，因此迭代核心在于灵巧手。但应用于建筑行业的人形机器人，下肢即“脚”的运动能力与环境适应能力或更为关键。砌砖、钢筋加工等重要建筑工序的要求相对单一与标准化，在手的环节无需过于追求泛化，训练成本也相比来说较低，但针对建筑施工工地的非连续地面环境如楼梯等，人形机器人的“脚”在克服非连续地面上有优势，可弥补轮式机器人没办法进入楼梯间等场景的短板。

3）建筑行业的惯性是机器人应用推广的痛点。建筑行业的惯性不仅在于技术路线，还在于生产关系的组织。对于基层建筑工人而言，从亲自劳作到转向操作机器人的角色的转变，需要脱离原有工作模式，进行技能的再学习，并且可能减少工资回报，因此应用机器人的意愿相比来说较低，因此机器人需简化操作流程，如通过空间扫描自动生成程序，无需工人复杂示教，降低建筑工人学习相关操作技能的难度。此外，建筑机器人产品要一直加强工艺的积累与环境的适应能力，方可在建筑行业的场景实现加速应用，使得其不局限于技术创新，向商业化落地迈进。

人工智能的发展正经历从虚拟世界向物理世界的跨越，人形机器人是让AI通过物理载体具备“行动”能力的必然途径。我们大家都认为当前人形机器人产业高质量发展的核心矛盾在于：传统基于特定场景的硬件堆砌与独立系统开发模式，导致了人形机器人每拓展一个新场景都需付出高昂的边际成本，无法提高泛化能力与规模化应用，妨碍产业进行商业化落地。

星动纪元认为，破局之道在于回归“通用性”的本质。传统的机器人软硬件不具备通用的可能性，传统机器人范式下，每一种场景要建立一套独立系统，类似的硬件堆砌难以催生最终的智能进化，通用人形机器人=通用大脑+通用本体，人类的形态与学习模式为机器人发展提供了最佳蓝本，直接“向人学习”是构建通用机器人最短且最可行的路径。星动纪元从成立起便坚持软硬一体的技术路线，是国内唯一一家软硬皆全栈自研企业（海外为特斯拉、Figure、1X），以Era-42大模型驱动本体和灵巧手运动，最高可控制全身高达55个自由度，致力于打造物理世界中的通用智能体、交付通用生产力。

认知引入阶段（2023年起）：行业主要探索将ChatGPT等具备强大认知能力的语言模型与视觉语言模型引入机器人系统。该阶段的模型与行为动作控制仍是分离的，属于“认知”与“行动”的初步结合。

快慢系统融合阶段（当前主流）：以π0、Helix等模型为代表，形成了“实时行动且深度思考”的端到端模型，将语言模型的深度思考能力与行为控制的实时响应能力相结合，虽为快慢双系统，但实现了端到端训练。

生成式世界模型阶段（前沿探索）：以Sora为代表的生成式模型为机器人带来了质变。机器人交互的对象是具体的物理世界，而传统语言模型的理解停留在抽象空间。生成式模型能精细捕捉物理交互的动态变化，并从海量无标注的互联网视频数据中自监督地学习物理规律，构建“世界模型”，解决了机器人真机数据稀缺的核心痛点，实现了从“互联网级”数据中汲取知识。

强化学习优化阶段（性能突破）：以DeepSeek R1模型为代表，将强化学习引入基于模仿学习的VLA模型。单纯的模仿学习无法超越示范者的能力上限，且在复杂物理交互中表现欠佳。强化学习通过对探索与试错的奖励，能明显提升任务的成功率与模型的鲁棒性，是实现性能超越的关键。

端到端模型是机器人通用化的关键路径。目前 “开卷考”与“实践优化”融合的双阶段训练法已成为高效解决方案。第一阶段为预训练（“开卷考”），模型融合机器人数据与互联网视频，通过世界模型学习通用常识，具备零样本生成策略的能力。第二阶段为微调（“实践优化”），基于前期强大的先验知识，仅需少量真机数据即可针对特定任务实现性能的大幅度的提高，有效破解了数据瓶颈。往后看，我们大家都认为，构建通用大脑是实现机器人智能化的核心。在Transformer架构出现之前，NLP领域有为解决不同任务而设计的复杂模型与算法，而Transformer以其简洁统一的架构，颠覆了原有格局，并在各项任务上展现出卓越的泛化性能。当前机器人领域正面临类似的变革，端到端模型有望成为机器人领域的“Transformer”，通过一个统一的模型解决多样化的任务，实现通用化。

星动纪元最早提出快慢系统，首创具身世界模型，持续引领VLA模型范式变革，让机器人在物理世界“有的学、学得快、做得多”。2023年公司推出了全球首篇结合大语言模型与人形机器人的算法框架DoReMi，赋予了机器人像人类的认知能力；24H1公司发表HiRT论文，首次提出机器人快慢系统VLA架构，使得机器人像人一样“实时做”并“深思考”，此后Physica Intelligence、Figure Al、NVIDIA等行业头部机构陆续发布了类似架构的VLA模型；24H2公司发布了首个融合世界模型的VLA算法框架PAD以及VPP，能够让机器人从互联网视频数据中学习物理世界规律，此外公司还首创提出了使用强化学习训练具身大模型的算法框架iRe-VLA。当前公司的ERA-42模型集成了视觉、理解、预测、行动为一体，实现同一个端到端VLA模型，去控制高自由度机器人全身灵巧操作，用语音命令完成柔性物品分拣、扫码，使用螺钉枪、移液器等上百种复杂操作。

硬件通用模块化使1:1人形机器人适应不一样场景。我们大家都认为，1:1人形机器人是通用机器人的最终形态，采用人形能以最低成本实现与人类行为数据的最大兼容性，便于数据的迁移与收集。为实现机器人的商业化规模应用，硬件通用化与模块化或是必然选择，易于形成物流AI的进化分润：在顶层，统一的大脑模型赋能人形机器人本体；在中层，模块化的硬件适配不同应用场景；在底层，场景应用产生的反馈数据持续反哺模型优化。

在 AI 和智能机器人加速发展的背景下，物流解决方案智能化和无人化水平有望不断提升。

智能仓储让企业更清楚自己的供应链状况也更了解计算机显示终端的用户行为，从而使得企业从供应链库存到终端产品交付都更加可靠和高效，并有望实现物料搬运从场内无人化延伸至场外无人化，以此来实现全流程的无人化发展。我们大家都认为，智能仓储和物流解决方案不仅是物料的无人搬运，更是企业能快速通过数据了解库存和客户的真实需求情况并快速做出调整的得力助手。2024年全球约80%的仓库尚未采用自动化解决方案，全球仓储自动化解决方案的总潜在市场超过2万亿人民币。2024年全球仓储自动化解决方案市场规模4711亿元，预计到29年达到8040亿元，CAGR4.8%。根据灼识咨询，中国智能场内物流解决方案市场规模有望从2024年1013亿元增长至2029年2010亿元，CAGR14.7%。在AI和数字化驱动以及企业对效率和降本的需求提升下，我们大家都认为全球仓储自动化渗透率有望较快增长。

分论坛上，兰剑智能作为我国高端智能物流机器人的先行者，对机器人以及具身智能在搬运、分拣等多领域的应用以及行业需求痛点展开分享。公司认为研发应围绕场景应用，提供适合客户的解决方案才能有效解决客户的真实需求痛点。公司深耕智慧物流32年，是全流程解决方案提供商与物流机器人制造商，以“以智破卷惟有创新”为核心，自研仓储、拣选等全系列机器人。覆盖从消费到工业的18大行业，服务全球超千家高端客户。

1）在电商、快消等领域，智能物流解决方案能够大幅度的提高企业库存管理和交付能力。兰剑智能针对电子商务行业大规模、高效率、高准确性的拆零拣选需求，提出了3D蜂巢货到人储分一体的解决方案，且实现了在唯品会、考拉海购以及跨境电子商务希音等电商头部企业的广泛和多次应用。以国内某大型电商物流中心为例，每日系统解决能力最大可达90万件产品，仓储中心存储量可达800万件，在面对海量订单，海量SKU，海量库存的场景中依然可以在一定程度上完成高实效性和高准确率。

2）在工业领域，中国作为工业和制造业大国，有望持续落地行业数字化和智能化转型。智能场内物流系统打通生产、仓储与配送各环节的信息与物料流通瓶颈，推动制造流程高度协同与无人化演进，有望成为推动“无人工厂” 加速落地的驱动器。根据灼识咨询，中国工业智能场内物流解决方案市场规模 2024年达到近 500亿元，预计到 2029年将增长至1065 亿元，复合年增长率 16.5%。

3）数字化和AI提升企业精细化管理能力。物联网智能管控平台是以物流全程可视化为应用主线，通过对物流全过程的业务节点、数据和视频、能耗、温湿度等传感设备的监控实现对物流作业的实时控制，通过物流关键绩效指标监控发现物流过程存在的问题，通过运行日志记录每天物流运作时的状态，通过物流分析实现对物流过程的统计分析，通过运行分析报告实现对物流过程的持续改进，帮企业建立一套闭环的智能化物流过程控制体系，提升企业的整体物流运营水平。此外公司积极布局具身智能机器人，8月29日，兰剑智能与山东大学在山大中心校区正式签署协议，共同成立“物流具身智能机器人研究院”。双方将深层次地融合产学研资源，快速推进具身智能机器人尤其是人形机器人在物流细分场景中的研发与产业化落地。