過去一年，關於人形機器人到底應該「多像人」，行業內外已有不少討論。但如果把「像人」進一步拆解，會發現這個問題遠比想象中複雜。

有的機器人比如Ameca強調錶情，能眨眼、能微笑；有的機器人比如Sophia追求形象，還被授予「公民」身份；而更激進的做法，是類似波蘭知名的機器人公司Clone Robotics那樣，試圖復刻人類的肌肉與骨骼結構。這也引出一個根本性的問題：

我們連「機器人是否一定需要雙腿」都還沒有達成共識，為何有些機器人演進路徑，卻在「1:1復刻人類」這條路上走到極致？這是工程師的技術執念，是真實場景的剛需，還是為了講一個更好聽的資本故事？

本期騰訊科技《具身之路》直播，邀請了數字華夏研究院院長劉迅、同創偉業投資總監程建以及申萬宏源證券機械分析師胡書捷共同探討以下主題：人形機器人 1 : 1 復刻真人：技術執念、場景剛需，還是資本故事？

在國內，EX集團、數字華夏、松延動力等企業都在探索仿生機器人賽道，其中，EX集團於2013年成立，目前是新三板上市企業；松延動力完成數億元A+輪孖展，已研究出沉浸式交互的仿生機器人頭。數字華夏成立於2024年4月，目前推出三類機器人載體：帥氣風格的男性化機器人「夏起」，知性的女性機器人「夏瀾」，以及可愛風的「星行俠」多胞胎IP系列，它們均搭載自研的「巨號平台」，探索在真實場景中如何與人互動、提供服務。

今年3月，數字華夏獲得同創偉業數千萬元天使輪孖展。同創偉業在機器人領域已投資霞智科技、數字華夏、中科第五紀，覆蓋商用機器人、仿人交互與具身智能等方向。在人形機器人領域，其投資策略側重從上游核心部件切入，包括減速器、絲槓、關節等，同時也持續關注非人形形態在工業和倉儲等場景的應用。

本期直播核心要點：

1、機器人是否需要「像人」，本質取決於場景需求：對老人陪護、教育導覽等強調情緒交流的應用，「仿真」並非為了還原人類形貌，而是為打造低疲勞、高共鳴的人機交互。

2、仿人機器人當前主要沿兩條技術路徑推進：電機驅動，以及液壓或氣動驅動。電機路徑以Sophia、數字華夏為代表，通過向量控制驅動數十塊「面部肌肉」，實現表情與語言的擬人交互；氣動驅動如Clone Robotics，更貼近生物結構，從肌肉骨骼層面全面仿生。它們一個面向可交付與落地，另一個聚焦未來式仿生體驗。

3、在人形機器人感知、結構、運動和表情四大「擬人」技術中，感知擬人技術最成熟、表情擬人技術最複雜。表情擬人不僅要求電機驅動肌肉協同、還原口型，還要通過心智建模實現情緒表達，是當前最具系統性挑戰的方向。

以下為本期直播精華內容整理：

從骨骼、肌肉到微表情，復刻多少纔算「像人」？

胡書捷：回顧全球的一些典型案例，並對技術路線進行比較，可以看到仿生機器人已經成為全球共同的研發方向：比如海外的Ameca注重表情的精細表達，Sophia強調人形外觀和公衆形象，Clone Robotics則追求肌肉仿生；國內也有諸多探索者，比如今天的嘉賓數字華夏，以及大連的EX Robot。那麼，從骨骼、肌肉到微表情，機器人需要復刻到什麼程度纔算「像人」？

劉迅：我先簡單回顧一下幾個典型代表。

Ameca是英國一個工程團隊Engineered Arts做的，印象中他們主要是在上半身發力，特別是面部的傳神表達。比如嘴型、眼部的自動化控制這些，他們做得比較精緻。

Sophia相對來說誕生得更早一點，是2015年由漢森機器人團隊開發的一個女性形象的機器人。她的重心也是在「臉」上，注重表情和微表情的表達，再加上一些端到端的AI對話能力。Sophia比較出圈的一個點，是她在2017年拿到了沙特阿拉伯的公民身份。

再來說Clone Robotics，這家公司會令很多人聯想到《西部世界》這部劇，它的LOGO好像也和那部劇有點關聯，我們也開玩笑叫它「殭屍機器人」。這家公司走的路線是很不同的：上肢採用氣動驅動，身體骨骼採用液壓系統，整體是在全仿生結構上追求「更像人」。

（從左到右：Engineered Arts旗下機器人Ameca，Hanson Robotics旗下機器人Sophia，波蘭Clone Robotics機器人）

程建：在探索機器人「如何實現仿人化」的過程中，目前主要有兩種技術路線。一種是電機驅動，以Sophia和數字華夏為代表；另一種則是液壓和氣動驅動，例如Clone Robotics和早期的波士頓動力。

電機驅動的原理是利用電機輸出的向量控制，推動或牽拉機器人面部的40多塊「肌肉」，從而生成各種表情，包括微表情。其具體實現方式可能是推杆式或牽拉式，核心在於通過機械結構來模擬肌肉組織的功能。

其實，人類對製造「像人」機器的嘗試並非始於當下。據我查閱的資料，早在蒸汽機時代，人們就已着手探索這一領域。然而，由於當時技術條件的限制，許多設想未能真正實現，相關成果也鮮有流傳。

胡書捷：也就是說，在「像人」這件事上，目前行業內部存在明顯的技術分歧？

劉迅：我不覺得是分歧，更像是路徑不同。我們選的是電機驅動這條路，它本質上是「電機智能」——基於綠色能源背景，走城市化、智能化路線。雖然還不能說完全成熟，但這條技術路徑具備多端通用性，邏輯是清晰的。

在人形機器人裏，電機智能可以支撐我們在「像人」這件事上實現表情和語言的能力。人是高度集成的生物，我們希望機器人也具備這種複合能力。

但像Clone Robotics，他們更像是在做生物動力系統。他們上肢用氣動，骨骼結構用液壓，目標是從結構層面全面仿生。這條路很硬核，技術天花板很高，但難度也大。我覺得他們現在做的是體驗性探索，也許未來會打開一個新世界。

我是認可他們的方向的，但現在更現實的是看我們能不能在材料、結構、驅動這些方面突破，把液壓真正工程化，這方面我們也在關注。而我們做表情這條線，既是技術驅動，也是業務驅動。市場確實需要可交互、能服務的「類人」機器人，這不是空談。

程建：目前整個行業仍處於早期發展階段，而表情、肌肉等仿人化技術更是處於探索的前沿。目前的技術路徑尚未收斂，各種路線都值得嘗試，每一種探索都具有重要意義。

以Clone Robotics為例，其採用液壓和氣動技術，而其他公司，包括數字華夏，大多采用電機驅動。電機驅動的優勢在於控制更加精準、易於數字化，且精度較高，這為後續的智能化發展提供了便利。相比之下，液壓和氣動系統則顯得較為複雜，控制難度大，調試成本高。因此，在產品落地方面，電機驅動更具現實性，開發速度也更快。

Clone Robotics所選擇的液壓和氣動路線可能更偏向於實驗性研發，其商業化週期可能會更長。

劉迅：波士頓動力本身就是一個典型案例，他們在去年正式從液壓系統轉向電驅動。對於我們這些學工科的人來說，幾乎是看着他們的視頻長大的。從最初的雙足機器人，到類人形，再到四足機器狗，波士頓動力一步步走到了如今的人形機器人。

氣動這條路確實很有想象力，比如柔性和結構控制，但它的問題在於精度和可控性。相比之下，電機的控制更精準，成本也更可控。雖然人形機器人整體系統很複雜，但電驅還是目前比較可行的路徑。

胡書捷：兩位都認為電驅在當前階段是更可行的路線，而液壓和氣動更多是技術層面的探索。回到微表情這個點——劉總，你們現在在做很多面部表情的工作，你覺得這些仿人表情，在不同的場景裏，有什麼實際價值？

劉迅：人形機器人這個「具身智能」，我把它分成三塊：運控智能、交互智能、業務智能。交互是最基礎的，人類最早的溝通方式就是交互，語言是核心工具。

但語言不只有語音，它包括動作語言、表情語言，還有語音語言。甚至還有「神韻」，也就是表情傳遞出的情緒。這些維度綜合起來，才構成完整的交互。

我們的目標是讓機器人不只是「speech to speech」，而是「多模態」的交互能力，說話時要有肢體動作，有面部表情，有情緒狀態。尤其是表情，它在情感共鳴上的作用很大。我們在機器人面部上加了幾十個電機，用來還原這些細微的情緒變化——有些是主動表達，有些是被動反饋。

這背後不是單純為了「像」，而是為了實現更順暢的交互體驗，有了這些能力，用戶纔不會感受到「恐怖谷效應」。

現在大家都在講恐怖谷，就是你做得像人，但又不夠自然，看起來反而怪。所以，我們強調「smooth」的交互體驗，這纔是「像人」的關鍵。

當然，有些場景比如工業作業，它對錶情要求不高。但在一些安全、應急場景裏，一個恰當的面部表情能在毫秒級內傳達關鍵信息，這是語音做不到的。

所以我們認為表情語言不是可有可無的，而是一個不可或缺的技術點。這也是我們在表情交互這個方向上「出圈」的地方。

胡書捷：確實，情緒價值本身也是一種很重要的價值。程總怎麼看？

程建：歸根結底，是否需要表情和人形化，還是要看機器人的應用場景。

目前的機器人大致分為兩類：一類是用於工業生產的，比如優必選的搬運機器人。在工廠場景中，機器人只需完成搬運任務即可，根本不需要表情，甚至不需要人形化。一個底盤加上機械臂，就能高效完成工作，任務完成後即可離開，無需與人進行情緒交流。

另一類是面向人類用戶的，比如陪伴機器人或客服機器人。在這種場景下，「像人」變得至關重要。豐富的表情和微表情能夠產生真正的情緒價值，從而更好地與人類用戶互動。

以酒店的送餐機器人為例。如果它只是一個簡單的桶狀機器人，將物品送到你面前後，你拿完就會轉身離開，不會與它有任何交流。但如果它是一個具有表情和神態的人形機器人，你可能會多看它一眼，甚至與它交談幾句。

因此，是否需要表情和人形化，從根本上取決於機器人的應用場景。如果機器人需要與人互動，那麼它就必須「像人」；如果它只需要完成任務，那麼人形化和表情就並非必要。

胡書捷：關於技術這塊，我們說表情擬人、結構擬人、運動擬人、感知擬人——這些分別涉及哪些底層技術？在難度和技術成熟度上有什麼差異？

劉迅：我簡單拆一下。

第一是表情擬人。底層核心是電機控制，所有電機動作都要做到平滑、有節奏，才能還原出人的「神態」。比如微笑時嘴角怎麼拉、嘴巴怎麼張，都是一套控制模型。而且不僅是靜態的模仿，更重要的是「個性感」——因為每個人的表情風格都不一樣。

第二層，我們會用擴散模型來實現表情的自動生成。一句話或一個語音輸入，就可以生成匹配的面部動作。這背後牽涉的是心智建模，每個角色要有自己的「性格檔案」。比如一個老師說「請進」和一個前台說「請進」，表情應該完全不同。

第三個關鍵點，是要基於「心智性格」去綁定機器人的表情輸出方式和頻率。

所以，表情擬人其實涉及三個層級：底層是電機節奏控制，中層是模型自動生成，上層是基於「心智」的個性化驅動。

第二個是結構擬人，主要對應的是骨骼、肌肉、關節這些，如果走液壓路線，確實要求非常高。但現在行業裏其實並不強求這部分完全1:1仿人。大多數人形機器人，還是用電機驅動結構，只要形態上像人、動作上有胳膊腿就行，這是工程上的「夠用」標準。

第三是運動擬人，這塊非常關鍵。現在技術上一般用強化學習（RL）來做，從傳統位置控制轉向數據驅動。它分兩層，一層是「基礎運動」——像人一樣走路、上下樓梯、跑步，這是必須具備的。另一層是「表演級動作」——比如跳躍、翻跟頭，這要求結構穩定性和協同控制更強。目前最大挑戰還在運動穩定性上。雙足行走天然不穩定，但正因為它不穩定，才需要機器人去適應複雜環境，而不是讓環境適配機器人。

第四是感知擬人。人靠五感交流，最核心的是視覺和聽覺，機器人也是。視覺上我們用RGB和RGB-D相機；聽覺上是語音識別。嗅覺和味覺現在也有人在做，比如模擬呼吸氣體識別、食物成分檢測，我們甚至做過「美食講解員」機器人。但說到底，感知更多是為功能服務。比如視覺用於避障、識別、導航；語音用於控制和對話。

從成熟度上說，感知擬人是最成熟的，畢竟AI發展幾十年了，圖像、語音識別都非常成熟。

其次是運動擬人，現在很多企業已經能實現穩定的雙足行走，我們自己也在不斷優化走姿。結構擬人對精度要求沒那麼極端，只要滿足功能需求就行。

表情擬人，是我們比較專注的方向。它的難點在於不僅要還原肌肉動作，還要做情緒表達，實現情感共鳴和交互自然。

我認為當前最難的還是運動，特別是雙足運動。一旦這塊穩定下來，整個人形機器人產業無論在技術上還是落地上都會邁大步。

程建：劉博士已經講得很細緻了，我再補充一點看法。

結構、運動、感知這些方面，其實更多是功能性的，且已經有了一定的產業基礎。例如，結構部件可以借鑑汽車或自動化產業鏈，而感知傳感器則很多來自自動駕駛領域，比如攝像頭、激光雷達等。

不過，運動和表情是兩大難點。尤其是表情能力，這一領域其實處於「技術無人區」，此前沒有任何成熟的產業鏈為其提供支持。

如果表情不夠「像人」，用戶的直接反應就是「怪異」，那種「皮笑肉不笑」的感覺會產生「恐怖谷效應」。因為人臉表情並非由單個肌肉動作構成，而是由多個肌肉協同作用形成的動態組合，這種協調性非常難以實現。以前我們看動畫片，沒有使用面部捕捉技術時，表情總是讓人覺得有些彆扭。後來好萊塢採用面部動作捕捉技術，比如在《阿凡達》《阿麗塔》中，才真正解決了這一問題。歸根結底，表情僅靠參數調節是難以實現的，必須通過系統性模擬。

因此，我們認為表情擬人化是難度最高的部分。要通過多個電機驅動數十塊面部肌肉，精確控制向量輸出，還要配合說話時的口型變化，整個協調過程極其複雜，工程難度非常高。

胡書捷：我簡單做個小結：從骨骼結構到微表情，各種技術路線都在並行探索。目前來看，電機驅動的路徑在技術可行性上更成熟一些。微表情在很多人機交互場景中具備真實價值，技術難度也不低。它不僅涉及機電系統，還需要軟件模型，甚至是大模型的支持。可以說，這塊的技術目前還比較空白，探索空間很大。

機器人1 : 1 擬真是真需求還是演示秀？

胡書捷：我們接下來進入場景維度的討論。這個環節的問題比較直接：1:1仿真是真需求，還是演示秀？我們先探討第一個問題，當前人形機器人涉及的迎賓、導覽、陪護、表演等場景中，有多少是必須仿真的？

劉迅：首先，技術本身也是經驗的積累，我們從小有機器人夢，這條路不只是技術，也是一種堅持。在這個過程中就會」燒錢「，而最該燒錢的地方是「場景」。

我們去年4月成立數字華夏時，定位很清晰——做交互領域，不做工業場景。

我們希望機器人是「面向人」的，要跟人打交道。而一旦面向人，就繞不開「恐怖谷效應」，簡單說，就是人和機器人互動時的心理疲勞感。比如幾年前的送餐機器人，桶狀外形一開始挺新鮮，現在大家都不太願意搭理了。

從生物角度來看，和人交互疲勞感最低的生物，還是人。那我們就要往「像人」這個方向去靠，這不只是長得像，更重要的是行為像。

我們團隊內部會不斷反思，比如我們 CEO 會說：「你模型指標都挺漂亮，但用起來還是不像人。」所以我們定義了一套交互標準，從H1到H5，第一是外觀，人是感性的動物，第一眼的接受度非常重要；第二是能力，包括表情語言、動作語言、語音語言這三種交互方式。

再往上，是情感交互。比如一個眼神、一個微笑，讓你覺得「它懂我」。這和我們對寵物的感情是一樣的，貓狗不會說話，但能讓你覺得被理解。這個「懂」，其實就是交互價值的體現。

當然，交互不只是「賣萌」。最終，我們還是要讓機器人能完成一些真實的服務，體現出業務價值。一比一仿真，其實是為了讓它能自然地融入人類社會。

胡書捷：其中哪些場景對仿真是剛需？

劉迅：幾個比較明確的方向：展廳導覽、教育陪伴、情感陪護，尤其是針對老人、小孩的家庭陪伴。這些場景中，情感交流是第一位的。比如陪護老人，提醒喫藥，遞水，甚至在他們情緒低落時講講笑話。不同的情緒反應，也需要不同的應對方式——有時傾聽，有時逗樂。這些不是靠一個「笑臉」就能解決的，需要的是一個更完整的情緒感知和表達系統。最終還是得靠一整套情商模型和人工智能系統去支撐。

程建：確實，這些場景都非常需要「人」的參與感。在現實生活中，迎賓、導覽、陪護等工作原本都是由真人完成的。例如，前台通常會安排顏值較高的服務人員，這充分說明了「顏值即生產力」。

再比如在機器人馬拉松比賽中，即使有的機器人腦袋掉了，從功能角度來看依然可以奔跑到終點，但如果發生在人類場景中，這樣的情況會讓人感到驚恐。

因此，關鍵不在於是否做到完全的1:1還原，而在於綜合考慮外觀、表情、情緒模型等要素，營造出一個「讓人接受」的交互體驗。

胡書捷：就是說，重點是人機交互和大衆的接受程度，只要能打動人，其實也不一定要完全復刻人類。

程建：對，沒必要非得1:1。

胡書捷：那換個問法：如果機器人已經足夠好用了，我們還需要它像人嗎？

劉迅：要不要「像人」，還是得看場景。像程總說的，馬拉松這種就限定了「人形」這個條件，如果不限定，貓貓狗狗機器人也能參賽。目前來看，我們仍然把機器人當工具，用來完成任務，只要任務完成得好，就沒必要強求「像人」。

但如果場景需要「與人打交道」，那就得「像人」。舉個例子，現在商場裏很多曾經引入的導覽機器人都退場了，原因是交互疲勞。一開始覺得新鮮，後面就沒人搭理了。所以我們必須回到剛纔說的根本——看場景。

程建：關鍵在於明確什麼是「足夠好用」。在工廠場景中，機器人只要能快速、精準地搬運貨物，就達到了「好用」的標準。然而，在人與人之間的互動中，情緒價值纔是核心。我們與他人交流時，不僅關注功能，更在意情緒的流動和共鳴。

比如，如果與一個「桶」形機器人交流，無論它功能多強大，都會讓人感覺彆扭。但與一隻貓或狗相處，哪怕它們什麼都不會說，人們依然會覺得它們「好用」，因為它們能夠提供情感上的陪伴和慰藉。

因此，如果機器人的目標是提供情緒陪伴，那麼「像人」就變得至關重要。

全擬人路線能否跑出可觀回報？

胡書捷：用全擬人路線做機器人，在資本界其實爭議很大，比如最近朱嘯虎也表達了保留態度，產業內也有不少回應。從同創偉業的視角來看，會更關注什麼類型的人形機器人公司？更看重哪些性能？

程建：我們在機器人領域佈局較早且廣泛，其中許多並非人形設計，例如倉儲搬運機器人或用於工廠生產的機器人，這些應用場景並不需要機器人具備人形外觀。我曾在朋友圈提到「機器人何必像人」，當時還被一家上市公司的機器人負責人反駁。如今，我會對這一觀點進行修正：我們確實也在關注人形機器人領域，但我們的策略是從上游核心零部件入手，比如減速器、絲槓、關節等。

我們堅信，機器人賽道是一個萬億級的新興產業，全球都在加速佈局——從特斯拉到Figure等公司都在積極推動，因此我們不能錯過這一趨勢。但與此同時，我們也認同朱嘯虎的觀點：必須找到切實可行的落地場景，機器人不能僅僅會翻跟頭或打拳。最終，只有當人們願意為其買單時，才能形成真正的商業回報。

例如，我們投資的一些核心零部件企業，本身就擁有成熟的市場，無需依賴人形機器人的規模化落地來實現盈利。如果人形機器人市場崛起，那將是它們的第二增長曲線，而非唯一的依賴。

胡書捷：所以你們更關注的是整個機器人產業鏈，而不是特定形態。

程建：對，我們是從場景出發。

胡書捷：那回到「1:1復刻」這件事，你怎麼看它？是為了講故事，還是有實際價值？

程建：可以從兩個層面來分析。首先是機器的製造邏輯。人類製造設備時，通常會將複雜的運動拆解為簡單的運動。例如，要從A點移動到B點，不一定非要用兩足或四足行走，使用輪子往往更簡單、可靠且成本更低。同理，飛機也沒有被設計成扇動翅膀的形式，而是採用了螺旋槳或噴氣推進，這就是「簡化運動邏輯」的體現。

然而，人形機器人有其獨特的優勢。我們所處的環境大多是為人類設計的，到處是台階、把手、扶梯等，這些場景輪式機器人往往難以應對。因此，設計成人形機器人是為了更好地適應人類社會的基礎設施。雖然這未必是最優方案，但無疑是兼容性最強的方案之一。

最終，是否需要設計成人形，以及人形化到什麼程度，還是要看具體的應用場景。如果機器人用於交互陪伴，那麼「像人」就顯得尤為重要；如果僅用於執行純功能任務，那麼人形化可能就並非必要。

胡書捷：對，投資角度確實是兩條主線，一條是落地可行性，一條是技術空間、想象力。但這兩者之間的矛盾，比如高風險高估值，怎麼去做平衡？

程建：核心還是要回歸場景和客戶需求。以數字華夏為例，客戶明確希望機器人應用於展廳、4S店、營業廳等場景，這種需求是客觀且實際的。我們也清楚，第一版產品往往無法完美滿足所有需求，但只要客戶願意買單，就說明產品與場景匹配。反之，在某些場景中，比如工廠搬運，使用AGV加上機械臂就已經足夠，無需人形機器人。

人類進化為兩足行走本就不易，許多哺乳動物至今仍以四足行走為主。儘管兩足行走難度較大，但它解決了與人類社會環境的兼容性問題。因此，那些炫酷的機器人宣傳片背後，其實經歷了無數次的失敗和摔倒。但這並不意味着方向錯了，只是說明這一領域仍處於早期探索階段。

胡書捷：我們在商業化路徑上怎麼考慮？雖然現在有一些需求，但整體還比較小衆，市場不夠大，同時研發投入又持續在燒，這時候如何保證資金的靈活運轉？

劉迅：我們現在是產品和市場雙輪驅動，一邊做產品、一邊做落地。B端或者B to C這些需求確實存在，我們會快速跟進，帶動產品在場景中迭代，促進資金迴流和技術演進。

其次，我們也強調財務可持續性。我們有技術先進性，同時產品的落地和市場能力也不弱。雖然在這裏沒有完全體現出來，但我們團隊的市場推動力其實非常強。

這就形成兩條路徑，一條是靠市場收入，一條是繼續孖展來支持核心技術研發。我們之所以有信心，是因為人形機器人這個方向，它的本質是具有通用潛力的，它不僅可以無限演進，還有一個很大的優勢是能適配人類社會既有的環境。

所以我們不是為了外形像人而做人形，而是因為它能自然嵌入人類社會的工作和生活系統，從而走向「類人協作者」的定位。

胡書捷：從資本視角看，也存在兩種路線：一種是現實主義，看效率和工程性；一種是理想主義，看技術突破或想象空間。資本當下更偏向哪個方向？

程建：不同的資本有不同的觀點和方向。有人追逐表演型機器人，有些機構則更看重其未來的想象空間。但如今已不再是僅憑PPT就能孖展的時代，企業更多地通過視頻展示來吸引投資，像衆擎、宇樹這樣的機器人通過舞蹈、武術表演，展示出的效果確實炫酷。然而，我們總會問自己：這東西能用在哪裏？客戶是誰？他們是否願意為此付費？我們始終保持着「內心火熱、頭腦冷靜」的態度。

比如在展廳或營業廳放置一個機器人，客戶確實會感受到「有它和沒它」完全是兩個層次。機器人本身就是一個關注焦點，它能夠提升整個空間的科技感和交互氛圍。

所以，我認為這並不矛盾。如果機器人的設計初衷是為了與人交互，那麼它能否順利完成交互任務纔是關鍵。流暢的交互體驗本身就是一種工程效率的體現。我們既要保持對未來的憧憬，也要腳踏實地；既要注重產品的落地，也要傾聽客戶的聲音。

胡書捷：對，既要有好產品，也要有未來空間。最後一個問題是：你們怎麼看當前行業的發展節奏？現在是在追求「能不能用」的階段了嗎？還是還在允許技術探索和想象力存在？什麼時候纔可能出現路線的收斂？

程建：目前具身機器人技術路徑尚未收斂，但其進化速度極快。短短幾個月間，技術狀態已發生顯著變化，AI的發展也是如此。因此，我們不能等到一切技術成熟纔開始參與。行業處於早期階段，產品不成熟是必然現象，而這正是我們佈局的最佳時機。

回顧歷史，火車剛問世時甚至跑不過馬車，但從其發展前景來看，火車最終超越了馬車。如今，我們看到機器人摔倒或零部件脫落，這些只是階段性現象，無需過分擔憂。投資不能等到一切都完美無缺纔開始，而應提前半步進入。這是我們基於行業趨勢做出的判斷。

劉迅：客戶的要求確實在提高，比如我們在某些場景能做到95分、100分，但換個環境可能只有85分、90分，但客戶還是願意接受。說明已經進入「能不能用」的階段。

這一年內有兩個標誌性事件：一個是馬斯克發佈了Optimus Demo，讓大家看到機械性能的高可能；另一個是宇樹機器人上了春晚，讓公衆開始覺得機器人「能進生活」，拉近了距離。

所以我把這幾年看作是人工智能的第三次爆發。第一次是2005到2012年的機器學習，第二次是2012到2022年的深度學習，現在是2022年後的大模型和具身智能時代。

目前技術還不成熟，那我們就需要創新。而創新就會伴隨失敗、伴隨高投入。隨着技術的不斷演進，市場會越來越關注結果、關注ROI，容忍度也會逐步收緊。

我個人判斷，2028年用戶問題可以基本解決，2030年走入C端，2035年人形機器人將達到類似汽車那樣的成熟狀態。它會是汽車之後的下一代通用平台。