牛来了厂商All in人形背后，形态和技术的各种非共识

牛来了

蓝鲸新闻 8 月 13 日讯（记者武静静）在今年的 WRC 世界机器人大会上，人形机器人成了绝对的" C 位"，现场除了挤得水泄不通的人，最"多"的就是人形机器人。

步入展馆，仿佛踏入人形机器人的"主题乐园"，目光所及之处，几乎每个展台前都矗立着人形机器人的身影——他们有的在伴着音乐挥手起舞，有的低头搬运沉重的箱子，还有的与观众互动。人气爆棚的展位里，人形机器人打拳击、踢足球、踩着节拍跳舞，还有的一丝不苟地煮咖啡、叠衣服、甚至尝试叠被子，更有的在展区走来走去在模拟工厂流水线上分拣、搬运物料——那"工作"的认真劲儿，引得观众里三层外三层地驻足围观。

上游展区同样人头攒动。灵巧手展位前，好奇的小孩踮着脚伸手触碰那灵活转动的金属手指，大人们则纷纷举起手机，配备了人脸的机器人，凭借逼真的表情变化，成功圈住了一波又一波拍照打卡的观众。而在高扭矩电机、精密减速器、各类传感器等核心零部件的摊位前，同样挤满了热烈探讨技术参数的工程师和边翻产品手册边交换名片的资本方代表。

"人人"做人形背后，现阶段形态依旧是非共识

展会的背后，在机器人大行业，今年，"人形"几乎成了厂商的标准动作。无论是长期深耕工业机器人、服务机器人，还是刚从实验室走向商业化的初创公司，都选择布局人形机器人。

过去以工业机械臂闻名的库卡，也在展台摆出了自家的人形机器人模型；原本主打协作机器人的厂商，同样不甘示弱，让类人形态的产品"站"在了聚光灯下，成为吸引人流的第一道风景。更有趣的是，几家并非专攻人形的机器人公司，也特意为设备披上了类人的"外衣"，试图以更"拟人化"的亲切吸引人群的目光。

当问及"为何选择人形"，很多厂商都告诉蓝鲸科技，之所以布局人形这个形态，原因在于，他们认为，"人形是适配人类环境的最优解，甚至是终极形态。"比如，人形机器人是工业自动化、商业服务和家庭应用的"终极形态"。它能够在相同平台上承接更多任务，从工厂产线到家政清洁，从商场导览到应急救援，减少了为不同场景开发多种机器人形态的成本。这种共识氛围，不仅来自厂商，也在资本市场得到呼应。在大会同期的投资论坛上，多位投资人公开表达了对人形机器人的看好。

但即便表面上人人做人形，实际的形态选择仍存在明显非共识。大会现场可以看到，下半身设计的分歧尤其明显：有企业坚持双足行走，以追求人类行为的自然适配；也有厂商选择轮式底盘，追求更高的稳定性和能效；甚至有厂商提到未来可以混合设计方案，在不同任务场景间灵活切换。

一位宇树工程负责人解释："双足可以适应复杂的人类环境，但稳定性和能耗是挑战；轮式更易上手、易懂牛来了，也方便快速部署在仓储、商超这样的平坦地面。"

当问及为何选择轮式设计时，星尘智能相关负责人向蓝鲸科技介绍称：公司采用轮式底盘，主要考虑四方面因素——稳定性高，确保机器人在移动过程中保持平衡；能耗低，有助于延长续航时间；控制简便，便于在不同任务中实现精准移动；适应性强，能够覆盖家庭、办公室、工厂以及购物中心等多种场景。所以，星尘智能将轮式底盘与人形上身结合，形成"轮式底盘 + 人形上身"的一体化设计，既保留了轮式底盘的优势，又兼顾人形机器人的操作灵活性和仿真性能。

星尘智能 S1

甚至在展会上，也会看到一些"弱人形机器人"。它们通常保留双臂和灵巧操作末端，如类人手爪或工具接口，但放弃双足行走，采用轮式、履带式底盘或固定基座。这种设计大幅降低运动控制复杂度，提升移动稳定性与载重能力。

最近，智元远征 A2-W 与富临精工达成数千万元合作就是一个典型案例。远征 A2-W 采用轮式底盘 + 仿人双臂 + 多指灵巧手，专注于工业物料搬运场景，有点像"具身机器人 +AMR "的综合体，可以完成物料出库、产线上料和空箱回收的全流程作业。

智元远征 A2-W

"所谓的弱人形机器人并非性能的‘弱’，而是形态上不追求完全拟人化，技术上放弃‘通用性’幻想，专注特定场景的功能实现。"一位销售向蓝鲸科技解释道。他进一步指出，对于工业客户来说，最关键的指标不是机器人看起来多像人，而是稳定可靠与投资回报率（ROI）——搬运效率、故障率、维护成本、能耗和连续作业能力，都是决策的重要参考因素。在他看来，相比追求全拟人形态、通用场景适配的人形机器人，弱人形机器人在短期 ROI 和商业可行性上更具说服力，也更容易被传统制造业、仓储物流等行业接受。

技术路线各自分野

除了形态，另一个备受关注和争议的话题就是各种技术路线的探讨，一位投资人分享了自己的观察与感受。他指出，当前人形机器人领域仍处在技术探索阶段，技术路径尚未定型。无论是 VLA 模型、大脑 + 小脑架构、World Models，还是其他潜在方案，业内尚未形成共识，未来哪一种路线能够真正成为主流仍不明朗。

在主论坛的演讲中，宇树科技创始人王兴兴直言目前具身智能和机器人的模型架构不够好，也不够统一。"在大语言模型领域，当有了足够多的好数据时，就能把模型训练得越来越好。但是在具身智能领域，会发现在很多情况下，数据采集了，却用不起来。大家对模型的关注目前是相对有点少，反而对数据关注有点太高了。"

他认为，"仿真与现实的鸿沟"是机器人面临的核心难题。即使利用仿真产生海量数据，模型在真实机器上的偏差依然巨大。

也有人理解不同，国家地方共建人形机器人创新中心首席科学家江磊解释，目前的 VLA 模型虽然为运动控制提供了新范式，但其闭环仍不完善——感知、认知、决策和执行之间的连接尚未完全形成。他认为，单纯强调数据采集或仿真生成的数据，并不能真正解决现实机器人的偏差和泛化问题。

江磊说："大语言模型和端侧小模型需要协同，形成完整的‘大脑 + 小脑’体系。现有 VLA 架构不能简单等同于小脑模型，否则大脑追平的努力只发挥了一半。"在他看来，从模型设计、数据利用和软硬件协同三个层面去寻找新的解决范式。

星海图、自变量等公司强调的则是端到端模型的重要性，不过具体的实践路线不一样，星海图提出的是，分层系统是通往完全端到端的必经之路。上层负责高阶任务拆解的 VLM，下层负责执行具体动作的 VLA。自变量则主张直接走向完整端到端的统一大模型，打造统一且可扩展的模型架构，他们认为能力和智能水平会随着参数规模和训练数据量呈指数级增长。

总体来看，2025 年的 WRC 机器人展不仅展示了本体技术的快速进步，也呈现出行业在智能模型架构上的探索与分歧。这种观点的分歧，折射出当前人形机器人领域的核心矛盾：一方面是数据与模型的选择、仿真与现实的鸿沟；另一方面是软硬件与算法的协同、技术路线的未定型。

正如一位投资人所言："我们仍站在技术森林的入口，每条路径都通向未知。真正的共识，恰恰在于对‘未知’的坦诚。"在他看来，能够在这种不确定性中找到可落地商业模式的企业，将成为推动人形机器人产业走向规模化的关键力量。

牛来了