“现在说能做人形机器人的，不是想要拉升股价，就是想让投资人投钱的。能够沾上人形机器人的边，就有钱进来，这种好事谁不想蹭啊？”

这句话，是目前人形机器人赛道最真实的写照。

今年以来，机器人行业故事题材枯竭，加上下游需求急速收缩，业界迫切需要一个新的风口。而自从去年马斯克公布Optimus的原型机，又在今年5月特斯拉股东大会上演示Optimus的最新进展，并豪言称人形机器人未来需求将达到100亿台，大众对“人形机器人”的热情瞬间被点燃。

此外，英伟达CEO黄仁勋提出的“具身智能”，也即能够与环境交互感知的机器人将人形机器人与上半年红得发紫的AI绑定在一起。人形机器人立刻从利润空间有限的“大玩具”，变成一个充满想象空间的故事，成为机器人赛道上人人谈论的新焦点。

即使目前人形机器人大多还只停留在演示视频中，但无论是资本市场、机器人与零部件企业还是地方政府，人人都围着它起舞。人形机器人的爆火，首先带动的是机器人产业链上游整体股价的大涨，例如专攻核心零部件的步科股份，由于生产人形机器人可能会用到的无框力矩电机，5月大涨39%，6月涨幅近69%，年内累计涨幅约187.7%，股价多次飙出历史新高。南方精工为了蹭人形机器人的热度，甚至宣称“样品已送至美国特斯拉”，为此收到了江苏证监局的警示函。

反复强调自己有“供给人形机器人核心零部件能力”的上游企业躁动不已，这让本体企业当然也不甘落后，用某个核心零部件厂商的话来说，“从其他细分赛道转做人形机器人的企业像雨后春笋一样冒头”。北京、深圳、上海等地方政府也纷纷出台政策，鼓励人形机器人零部件与整机产品的研制与批量落地。

资本市场火热，产业链助威再加上政策利好，人形机器人俨然要来到“产业奇点”以及“iPhone时刻”，“万亿级蓝海市场”，甚至“兆亿级蓝海市场”近在眼前。

真的如此吗？

正如比尔·盖茨在1995年的《未来之路》所言，人们总是高估科技在未来两年发生的变化。高工移动机器人认为，人形机器人离商业化落地还有相当长的一段路要走，如果现在这条赛道被捧得过高，那就意味着，未来将会摔得更狠。

01

走不稳的人形机器人，怎么“起飞”？

想要让“万亿蓝海市场”的愿景成真，而不是隔空炒概念，必须要有能落地的人形机器人产品。同时，这个产品必须具备两种特性：功能性、低成本。

而据高工移动机器人调研，目前人形机器人产品，还远远做不到这两点。

所谓功能性，指的是人形机器人能够在制造业、服务业及其他领域中，成为比人或其他机器人更高效的生产力工具，而不仅仅被看成作为门面摆设或表演用的“大玩具”。从这一点来看，目前人形机器人的功能性还很弱，其根本原因是“运动智能”依然没有达到现实的要求，也就是说，它无法高效地移动以及与物体交互。

以人形机器人的移动能力为例，在这方面站在世界之巅的无疑是传奇的波士顿动力，它推出的Atlas跑酷的视频，让大众甚至认为人形机器人的运动能力已经接近人类。实际上，Atlas在拍摄过程中，接近一半的时间都会失去平衡倒下。Atlas控制负责人Ben Stephens就承认：“大约90秒的连续跳跃、慢跑、转弯、后空翻等动作中的每一个动作都有失败的可能，因此失败的概率加起来是相当高的。”

对此，即使最坚定的从业者也不会否认双足机器人移动能力的技术难度。

逐际动力创始人、南方科技大学教授张巍始终认为人形双足机器人是行业的未来，但他也指出，双足机器人的运动智能远未成熟：“目前满足足式机器人运动的硬件已经有了，但它不能完成你要的（全地形）移动，对于人形双足来说，目前还只能在平地行走，能走不平的都很少，能稳定上下楼梯的就更少。”

作为对比，四足机器人目前的运动能力已经较为成熟，据张巍透露，目前逐际动力的四足机器人能够实现在室外离散地形移动，正在攻克全地形移动能力。

究其原因，还是目前的软件算法的限制，让足式机器人无法实现全地形移动。张巍指出，足式机器人要实现全地形的稳定行走，需要基于感知的运动控制能力（Perceptive Locomotion）。而在这个领域有技术积累的企业非常少，就连学界也是这两年才逐渐开始研究，更不要提从实验室到工程化落地，还有相当长的距离。因此，要让双足机器人稳定地行走，企业还需要在这方面做大量的技术储备与积累。

张巍坦承，双足机器人的运动智能并不是短期突击就能解决的问题，这个赛道现在需要的是时间：“这个储备和积累短时间内，可能不一定能看到明显的效果，但这是个必经的阶段。如果我们要做出一个真正的生产力工具，就必须扎实地做好软件算法这件事。但逐际动力是要做出功能型机器人的，因此基于感知的运动控制从一开始就是必备的能力。”

这还仅仅是移动能力的局限，而人形机器人要有功能性，还需要手部的操作能力与决策智能，目前这些能力的发展，也并不比移动能力更成熟。

此外，业内人士认为最核心的难点，在于将机器人这些能力整合到一起的工作：“比如说运动控制，做单只手的控制还很容易达成，但是你比如说两只手，再加上手臂以后的整体的协调性，它整体的控制算法那就不是像单个手那么简单了。还有脚呢？还有思考决策呢？”