2025年CES期間，從國產機器人(19.300, -0.30, -1.53%)樣機獲得熱捧，到英偉達創始人兼CEO黃仁勛提出“通用機器人領域的‘ChatGPT時刻’即將到來”，機器人市場正迎來前所未有的關注熱情。

這一方面源于AI大模型等核心技術快速演進，加速驅動機器人落地；另一方面相關用工需求也在出現，促使多類型主體參與推進機器人下場“打工”。

國內廠商中，早已積累多年出海經驗的掃地類目機器人，能力還在持續外拓；人形機器人、機器狗等更豐富的類型陸續進入大眾視野。由此，階段性拐點也在出現：2025年被認為將進入人形機器人量產元年。

在CES期間，特斯拉CEO馬斯克在一次訪談中更是談道，計劃2026年擴大規模量產旗下人形機器人Optimus（擎天柱）。一場圍繞AI大模型為基座的新一輪技術應用競速再度開啟。

圖片來源：新華社

在CES期間，21世紀經濟報道記者發現，國產廠商帶來的展品中，已經覆蓋包括家庭、工業等多種場景。即便是早已出海的掃地機器人也在持續迭代演進，由此帶來進一步價值升維。

例如追覓科技在掃地機器人基礎上，增加了仿生多關節機械手技術，據介紹可以實現30cm空間擴展，夾取400g~500g重量的物品。夾取后，通過大模型讓物品歸位。此外配有仿生機械足，可以完成4cm以上的越障。

掃地機器人還可以進一步演化成割草機，這也更匹配海外市場的具體需求。九號機器人展臺工作人員介紹，借助視覺+RTK方案，可以讓定位更可靠，展出的割草機產品能實現更大作業范圍、效率也大幅提升。

陪伴類機器人也備受關注。國產廠商萌友智能推出的Ropet，被定義為下一代AI機器寵物，在眾籌平臺Kickstarter上，截至記者發稿，該款產品已經獲得1012名支持者，認繳214.28萬港元，原計劃的認繳目標是1萬港元，受歡迎程度遠超計劃。

展出半天樣機就已經“預訂完了”的宇樹科技旗下機器人，是國內較早把大型機器人類目價格降到10萬元以下的廠商。其展示的如機器狗等產品，既能適應家庭陪伴場景，也能應用在工業、應急等場景中。

人形機器人類目也是最受現場觀眾歡迎、交互頻次極高的類型。在高通展臺上，全球首臺完全基于高通SoC平臺設計的端側多模態AI大模型人形機器人“通天曉”（Ultra Magnus）就在極高頻地與參觀者交流并連貫傳遞飲品。阿加犀CEO孫曉剛介紹，正計劃推動“通天曉”在工業制造、商用服務和家庭陪伴等領域應用。

引發更高關注的是馬斯克對Optimus量產進度的介紹。根據計劃2025年Optimus將開啟量產，2026年產量將增加10倍，目標是生產5~10萬臺人形機器人，到2027年產量再增加10倍。

這無疑意味著，在馬斯克看來，人形機器人正迎來進入重點領域商用的關鍵節點。根據此前展示，Optimus的確已經可以在特斯拉工廠中執行特定任務。

回溯本輪機器人發展熱潮，在此前多年演進迭代的基礎上，更為關鍵的是加入了AI大模型等相關技術，令機器人的泛化能力得到了大幅提升，才有如今更為智能的機器人產品涌現。這就不難理解黃仁勛提到的“ChatGPT時刻”即將到來。

CIC灼識咨詢執行董事余怡然對21世紀經濟報道記者分析，深度學習、生成對抗網絡和多模態AI等技術不斷推動AI的邊界拓展，使機器人具備更強的自主學習和適應能力，能夠更好地理解人類語言和指令。由此讓人形機器人從機械裝置邁向智能體成為可能。“如谷歌的RT-2等模型，可以讓大模型直接輸出動作，無需調用其他模型，展現了端到端模型的強大潛力。”

此外，IDC中國研究經理李君蘭對21世紀經濟報道記者補充分析，人口結構變化帶來“機器代人”市場需求明顯，機器人產業鏈成熟及價格下降，國家政策指引、資本跟進投入等也成為助推本輪機器人熱潮的重要因素。

當然挑戰也在出現，不少從業者已經指出，隨著物理世界的數據被大量學習，接下來能用來訓練模型的真實數據正走向枯竭的邊緣。這不僅可能會讓大模型本身迭代速度放緩，也將影響到應用場景的持續拓展。

恰恰在CES上，英偉達發布了一款物理世界模型，正是為了彌補當下面臨的發展短板。

據介紹，Cosmos世界基礎模型（WFM）使開發者能夠生成大量基于物理學的逼真合成數據，以用于訓練和評估其現有的模型。開發者還可以通過微調Cosmos WFM構建自定義模型。

黃仁勛表示：“與大語言模型一樣，世界基礎模型是推動機器人和自動駕駛汽車開發的基礎。我們創建Cosmos是為了普及物理AI，讓每一位開發者都能接觸到通用機器人技術。”

Cosmos的首批用戶包括14家機器人和汽車公司，其中國內廠商小鵬就將借此進行機器人研發。

余怡然向記者分析，英偉達Cosmos世界模型為機器人行業提供了一個集成的AI框架，大大降低了研發成本和時間，加速了機器人技術的商用落地。

“Cosmos能夠創建高度逼真的虛擬世界，機器人可以進行強化學習，不斷嘗試不同的動作和策略，并根據反饋調整行為，以達到最優決策效果。這種基于模型的學習方式可以大大加快機器人的學習速度，減少在真實環境中試錯的成本和風險。且其可以促進不同領域的機器人協同工作，通過共享的世界模型提升任務執行效率，實現跨行業應用場景的突破。同時，Cosmos平臺為機器人提供標準化工具，簡化開發過程，對加速其商用化進程有較大的幫助。”她進一步指出。

此外記者發現，不僅創業類公司，既往以汽車、手機等為主業的廠商也對機器人品類表現出極高興趣。這一方面源于更多廠商看到機器人在工業場景的應用價值，另一方面也與既有產業鏈能力可以有所復刻有一定關聯。

2024年，在機器人領域沉淀多年的頭部廠商波士頓動力結束了液壓驅動路線，轉而改成電驅路線，與目前汽車電氣化路線也有所接近。

李君蘭對21世紀經濟報道記者分析道，總體來說，汽車和手機廠商在機器人領域具備一定供應鏈優勢。“以智能駕駛為基礎，汽車廠商已具備傳感器、控制系統、執行器等精密組件的供應鏈基礎，同時其擁有自動駕駛相關的AI視覺、實時控制、自動化等方面技術積累。手機廠商則是在小型化、高性能計算、精密制造等方面具備優勢。”

余怡然進一步對記者指出，電車廠商在發展純電機器人方面確實存在一定產業鏈先發優勢，但深入到技術縱深角度看，仍有一些技術壁壘需要克服。

“從機械原理角度看，電車和機器人的動力系統、傳動系統等有一定相似性，因此電機的使用和控制技術有望被率先復用到機器人上。在感知交互領域，電車所采用的先進視覺技術、高精度激光雷達以及多模態傳感器，為人形機器人的環境感知與交互提供了可復用的技術基礎。”她分析道，但是AI相關技術方面就相對難以復用。

“電車的自動駕駛技術雖然也涉及AI，但主要集中在車輛的路徑規劃、障礙物識別等相對較為封閉和規則化的場景中，其素材庫主要來源于道路環境和交通規則。但機器人的AI技術需要適應更為復雜和多變的類人環境，涉及自主感知、規劃和執行等多方面任務，需要重新進行大量數據訓練。因此，電車廠商仍需要投入更多資源進行研發和創新。”余怡然續稱。

不過整體來看不難發現，目前在計劃商用落地的機器人，多是局限于特定場景，即便是Optimus在工廠熟練完成多種類型工作，也顯然有很強針對性。讓機器人真正進入大眾市場尚需時間。

vivo執行副總裁胡柏山近日就分析道，機器人要真正能手腳靈活、有較強大腦決策能力，成為人們理想中的產物，預計可能需要十年甚至十五年以上，但是可以分階段實施，規劃階段性產品周期進行迭代。

因此2025年僅被定義為人形機器人量產元年，但距離大規模商用還有更多發展空間。

群智咨詢（Sigmaintell）執行副總經理兼首席分析師陳軍對21世紀經濟報道記者指出，2024年全球機器人出貨規模約4700多萬臺，到2025年將實現近6000萬臺出貨量，維持18%年增速。

“其中占據市場80%比重的依然是服務型機器人，這其中有近70%用在清潔場景，典型就是掃地機器人、擦窗機器人等。”他續稱，群智咨詢監測發現，其中人形機器人的量還非常小，2024年總體量不到4000臺，預計2025年全球出貨約5000臺，顯然仍處在發展前期。

余怡然對21世紀經濟報道記者分析，目前機器人進入市場應用的難點在于高昂的成本，以及技術穩定性和可靠度。

“中國市場對于機器人的價格接受能力較國外市場低，這使機器人企業在國內市場的利潤空間有限。”她進一步指出，目前機器人價格仍較為高昂，特斯拉的Optimus Gen2目前成本為5~6萬美元，規模生產后成本將在2~3萬美元。鑒于成本限制，企業更傾向于出海以獲取更高議價能力。同時，機器人商業化仍存在技術上的成熟度瓶頸，如數據稀缺性、模型推理效率及可靠性等問題等待改善。

目前業界將人形機器人的發展拆分為大腦、小腦、肢體三個維度，不難發現，大模型對大腦和小腦的發展有重要驅動，但當前仍有較大能力迭代空間。

李君蘭對記者分析，目前來看，“大腦”是人形機器人成熟度最低的維度。IDC調研顯示，用戶最希望提升機器人的自主感知識別能力，也即大腦的認知和決策能力。

“大模型對機器人大腦的提升價值明顯，多模態大模型是其中重要方向，接下來還需要進一步拓展至物理層面的多模態（視覺、聽覺、觸覺、慣性、定位等）感知融合；此外，自學習、迭代升級等能力也需要進一步深入。”她進一步指出，小腦方面，需要在動態平衡控制、高自由度復雜運動規劃、協同運動自主學習等方面進一步優化。四肢則需要在觸覺與反饋、柔性材料與結構設計、高效能源管理等方面進一步突破。

余怡然對記者進一步分析，“在過去發展中，人形機器人更多聚焦于硬件+控制板塊，注重執行模塊的發展，因此四肢發展相對較為成熟。大腦和小腦對應著大模型和小模型，是人工智能領域中高速發展的部分，尤其是具身大模型，由于缺乏現成數據，開發難度較大，數據集是主要壁壘之一。”她續稱，目前，視覺語言大模型已基本能夠實現對操作對象和人類語言的感知泛化，而具身模型的主要目標是實現物體操作的執行泛化，以實現在無人為預設程序的前提下與外界環境達成交互感知，連續性地完成任務。只有實現足夠泛化，人形機器人才能在多場景中實現商業化應用。