今年，具身智能的概念可謂炙手可熱。如果說身著花襖、手持手絹，在“蛇年春晚”上驚艷亮相的機器人們是將這一事物引入了大眾視野，那么2025年政府工作報告首次將其列為未來產業培育方向，則標志著具身智能正式上升為國家戰略高度，成為與生物制造、量子科技、6G等技術并列的重點行業。

在展廳里，機器人們上得了廳堂、下得了廚房早已不是新鮮事。但要讓具身智能真正走出“秀場”，走進工廠、商店、家庭等現實場景，仍面臨諸多挑戰。2025年，被普遍認為是智能機器人量產元年，我們不禁要問：具身智能將如何突破技術瓶頸，重塑人類的生產生活方式？

機器人在春晚舞臺上表演

應用場景百花齊放

伴隨著具身智能概念的大火，2025年涌現出多個“首次”應用：首屆人形機器人半程馬拉松賽事、首個具身智能康復示范基地、首家具身智能4S店……具身智能“落地為王”的時代已然開啟。

智元機器人研究院執行院長、具身業務部總裁姚卯青表示，具身智能的特點在于更多強調一種反饋式的閉環控制。機器人將具備強大的推理規劃和柔性能力，在執行任務時能實時調整規劃，甚至在出錯時可以自主糾錯和重新規劃。

換言之，具身智能機器人不僅能執行任務，還能適應變化、主動思考，有時甚至能完成人類難以完成的工作。目前，具身智能已在制造業、服務業和居家生活等多個場景內悄然展開應用。

在工業場景中，傳統機器人更適應標準化、大批量的生產模式，而面對定制化任務時常捉襟見肘。以造船業為例，船舶的部件各不相同，傳統機器人需要頻繁調試程序，導致效率大幅降低。同時，柔性生產場景也是傳統機器人的盲區，配天機器人CTO郭濤表示，具身智能已經可以在焊接、噴涂等基礎的工業場景中發揮作用，有效緩解了招工難、人才培養難的問題，提高了生產質量。

在商業場景中，具身智能機器人猶如“全能員工”。在近期舉辦的世界人工智能大會上，智元機器人遠征A2進行了擊鼓、舞龍、書法等傳統文化技能表演；擎朗智能XMAN-F1機器人扮演“小食店服務生”，流暢地完成了爆米花和飲品制作工作；商湯科技機器人作為“講解員”，講解“長安的荔枝”PPT內容，能回答問題并進行階段性總結。

在家庭場景中，具身智能正在“飛入尋常百姓家”，科沃斯公關總監馬憲彬表示，做飯和做家務是家庭生活的瑣碎問題，也是具身智能機器人在居家生活中著重探索的方向。而樂享科技、鹿明機器人等公司對家庭陪伴型機器人的開發，則將機器人的意義從提供工具價值進一步拓展至提供情感價值。

落地模式各有側重

目前，具身智能機器人行業仍處于從概念驗證到早期商用的過渡階段，大規模商業落地尚未實現，“具身智能將在哪個場景率先落地”成為業界人士熱議的話題。

馬憲彬指出，目前具身智能機器人技術尚不成熟，應用主要集中在演示性場景和容錯率較高的場景。郭濤認為，未來的機器人將從應對簡單場景向解決復雜問題過渡，能夠在工業、服務、家庭等多個領域中發揮重要作用。

商超值守機器人（圖源：銀河通用）

有專家認為，工業場景或將在落地進程中“先人一步”。姚卯青認為，工業場景的優勢在于任務明確，環境也相對結構化。郭濤也認為，工業應用相對可控，對機器人泛化能力的要求較低，工業機器人憑借成熟的硬件基礎和豐富的應用經驗，其與具身人工智能的結合，將成為快速打開大規模下游場景的最佳路徑。但也有專家表示，工業場景對機器人的應用精度和適配程度要求較高，其實際應用價值尚不明確，相比其他場景落地難度更大。

無論秉持何種觀點，專家們普遍認可的是，具身智能機器人應用終將在家庭場景中爆發。對于具身智能進入普通家庭的時間，馬憲彬認為，短則三年，長則十年，關鍵在于資本市場對具身智能上游實體產業的投資與耐心。他指出，具身智能進入家庭還需解決兩個問題，其一是安全，包括信息安全和使用安全；其二是能力，機器人需要比人更有性價比。

值得注意的是，人形機器人被視為具身智能的關鍵載體之一，但具身智能機器人的最終落地形態并不一定是人形，而是跟隨場景與需求靈活變動。以工業場景為例，大部分機器人是非人形的，制約其發展的也并非硬件條件，而是智能化程度。

大規模推廣任重道遠

盡管具身智能機器人在落地模式上已有多元探索，不同場景的應用雛形也逐步顯現，但要真正突破“小眾應用”的局限，實現大規模推廣，仍面臨技術、成本、環境適配等多重挑戰。

從技術核心來看，樂聚機器人董事長冷曉琨認為，具身智能機器人產業的發展是大腦、小腦、本體三者的深度融合，其中，大腦+小腦的“+”會是更為核心的問題。騰訊首席科學家、Robotics X實驗室主任、福田實驗室主任張正友也指出，機器人硬件與具身智能的共生關系，不是簡單拼裝，而是從傳感器到大小腦再到執行器的系統級融合創新。

在實際運行中，機器人的大小腦技術均尚不成熟，走跑跳、抓握遞等動作控制能力，多由小腦控制。走進智元新創技術有限公司，記者看到，從貨架上取商品、把外賣交給顧客、在廚房烹飪、進臥室疊衣服……種種人類容易完成的動作，要想讓機器人效仿，需要數據采集員帶領機器人重復數百次、上千次，甚至更多才能實現。

在大腦訓練層面，具身“大腦”主要負責AI大模型驅動的任務規劃，具備自然交互、空間感知、意圖理解、分層規劃和錯誤反思等能力。“具身智能機器人使用的大模型技術不同于日常所說的大語言模型，還涉及多模態融合、實時交互等技術，要困難得多。”郭濤表示，“目前業界尚未形成統一的技術路徑，不可能突然端上來一個什么都會干的機器人，這是不符合客觀規律的。”

機器人學習疊衣服（圖源：智元機器人）

具身智能機器人發展還面臨數據瓶頸。業內專家普遍表示，虛擬仿真技術雖能緩解部分數據不足的問題，但現實空間往往更為復雜和多樣，使得機器人在陌生環境中容易“水土不服”；同時，跨語言數據獲取難，也制約了海內外市場的聯動效率。

除此之外，動力挑戰也不容忽視。具身智能機器人的精細動作控制、端側AI運算等功能需消耗大量能量，但機器人體積受限，無法配備過大電池，設計需平衡容量、穩定性、便攜性及安全性問題。

針對上述問題，行業推出了多種解決方案。例如，建立具身智能數據工廠、推出通用具身基座大模型、探索感知類模型的復用機制等，助力具身智能機器人加速落地。郭濤認為，中國完整的制造業體系、豐富的應用場景、龐大的從業群體，以及深厚的數據基礎，將持續推動具身智能產業實現跨越式發展。