问题：从“能演示”到“能上岗”，具身智能仍差关键一步； 论坛发言中，王兴兴用更贴近落地的标准描述具身智能的拐点：把机器人带到陌生场景，只靠语音指令就能完成80%至90%的任务。他同时指出，此拐点可能还需要两到三年。多位业内人士认为，当前人形机器人在行走、抓取、交互等能力上进步明显，但距离“跨场景、可复制、可规模化”的通用能力仍有差距。现阶段应用多集中在相对可控的试点场景，距离大规模进入工厂、商业与家庭，仍有不少关键技术与工程难题需要解决。 原因：泛化能力不足叠加工程约束，导致“场景一变性能骤降”。 业内普遍认为，核心挑战在于模型的泛化与通用性。一些端到端路线在固定场景能取得较高成功率，但当光照、物体摆放、地面摩擦、任务顺序等条件变化时，成功率可能明显下滑，暴露出对数据分布和环境可控性的依赖。，人形机器人还要面对感知精度、决策时延、执行稳定性、能耗与续航、软硬件协同等工程约束；在复杂任务中，一次失败带来的安全风险与维护成本更高。此外，训练数据获取与标注成本、仿真到现实的差距、关键零部件可靠性与供应链成本等，也在制约通用能力更快落地。 影响：产业热度与理性校准并行，政策与标准加速“从研发到应用”。 具身智能被纳入未来产业重点方向，政策层面持续推动技术突破与产业化。市场层面，人形机器人被视为具身智能的重要载体，有望在制造、物流、巡检、商服等领域改变作业方式，并在养老照护、生活服务等场景释放需求。但行业也在从“概念驱动”转向“能力验证”，对安全、可靠、成本与维护体系提出更高要求。为推动规范发展，国家地方共建人形机器人创新中心联合行业机构发布《人形机器人分类分级应用指南》，以具身智能水平、上下肢能力与应用环境等要素建立分级框架，将产品划分为L1基础执行型、L2条件智能型、L3自主协作型、L4全场景适应型。业内判断，我国行业整体处于L2向L3过渡阶段，少数企业在特定场景已体现出L3能力，但迈向L4仍需时间与系统性验证。 对策：以场景牵引技术迭代，以标准与生态降低落地门槛。 受访专家建议：一是强化“场景—数据—模型—硬件”闭环，在工厂分拣、仓储搬运、商超理货、园区巡检等高频、可量化的任务中沉淀数据与工况经验，推动能力从单点演示走向稳定作业。二是加快关键软硬件协同攻关，提升多传感融合、力控与精细操作能力，完善安全冗余与故障诊断，降低单次失败带来的风险外溢。三是依托分级标准开展测评认证与示范应用，形成可对比、可复用的评价体系，帮助采购方“可选、敢用、会用”。四是推动产业链协同降本增效，在关节模组、减速器、驱动控制、整机集成与运维服务等环节形成规模化能力，提升产品可维护性与全生命周期经济性。 前景：两到三年或现阶段性跃升，规模化仍需持续积累与验证。 中国信息通信研究院对应的负责人表示，具身智能已出现阶段性突破：一上，大模型带动“认知智能”提升，机器人理解指令、任务规划与交互上更强；另一方面，强化学习、模仿学习等方法推动“物理智能”进步，人形机器人复杂地形行走、动态动作与上肢精细操作上表现提升，部分任务已能实现更自然的操作流程。市场方面，行业会议数据显示，2023年全球人形机器人市场规模约149亿元，其中我国约18亿元；预计未来几年我国市场增速有望显著高于全球水平，到2029年国内规模或达750亿元，全球占比更提升。多方判断，未来两到三年有望出现关键能力的明显进展，但从“突破”到“普及”仍取决于跨场景稳定性、安全合规、成本曲线与应用生态建设，真正进入L4全场景适应阶段或仍需3至5年的持续积累。
人形机器人产业的发展路径，折射出我国在人工智能领域从跟跑到并跑、迈向领跑的目标。当技术进步与市场需求形成合力，由具身智能推动的生产力变革，可能重新划定人与机器协作的边界。站在产业变革的前沿，既要清醒看到技术与工程瓶颈，也应重视其对生产与生活方式的重塑空间。