人形机器人简史：你的“落地”，我的“星辰大海”

“如果特斯拉说人形机器人不做了，可能机器人整个赛道都会垮掉”。

有人讽刺众擎机器人是一家影视制作公司，这让赵同阳感到愤怒。

“每个机构的人都想在牌桌上，这个赛道，可以投错，但不能错过”。

他最近研发的项目是，“让机器人去叫同事开会”，据说机器人能记住1000张脸。

从2023年产业大爆发开始， 只花了两年时间，人形机器人赛道就变得非常拥挤。

2025年11月27日，国家发 展 改 革 委在例行新闻发布会 上 给出的数据显示，中国已经有超过150 家人形机器人公司，半数以上为初创或 “ 跨行 ” 入局。

在这长长的队伍中 ， 站在前台的大多是 “ 四肢发达、大脑简单 ” 的硬件派，创始人大多来自自动化或机械工程专业。他们更偏重造机器人本体，造出的人形机器人 往往拥有完整的双足， 可以 格斗、跳舞、跑马拉松 ， 因此更容易吸引眼球 。

另一批隐于幕后的公司则是造大脑的AI派，创始人基本拥有博士学位，有海外学术背景，出自人工智能专业。他们的人形机器人大多是轮式底盘，没有双足。 在真正决定技术走向的科研前线上， AI 派才是真正的主角。

究竟哪些公司能成功跑到终点 ？ 哪些公司只是昙花一现？ 不可能的任务

2020 年， 31 岁的王潜从美国 一所 大学博士毕业，没有选择读博时的机器人学习研究方向，而是 成立 了一家量化基金公司。他那时悲观地认为，在技术没有本质改变之前，机器人没有未来。

“ 因为即便穷尽整个地球的资源， 以当时的技术路径， 也不可能训练出一个真正具备通用智能的机器人。 ” 他对南方周末记者 说 。

早在 1973 年，日本早稻田大学教授加藤一郎就开发了 WABOT-1 ，它被视为全世界第一个全尺寸人形机器人，加藤一郎也因此被称为人形机器人之父。但 WABOT-1 仍是一个预设算法控制的提线木偶式机器人。

沿着这一技术路线，波士顿动力 、 北美机器人于1990年代分别 脱胎于麻省理工 学院、 卡内基梅隆大学， 这 两所学校的机器人实验室 大多 是自动化背景。

波士顿动力的 Atlas ，曾是历史上最先进的机器人，可以完成后空翻，在人类难以 保持 平衡的地形中跑酷，可是没办法替代人类工作。因为那些炫酷动作都是预先编程的结果，这种基于传统算法去控制机器人的方式，始终突破不了“提线木偶”的宿命。

到了 2016 年， AlphaGo 与李世石的围棋世纪大战让强化学习方法一战成名，其迅速成为机器人圈最炙手可热的技术。

但 强化学习 对数据量的需求极其庞大 ，而机器人几乎没有现成的数据 。

谷歌当时一项研究曾显示，一只机械臂仅通过自监督学习的方式，就需要采集超过 5 万条样本，才能学会一个稳定的抓取模型。一个婴儿学会稳稳拿住一把勺子，显然不需要 5 万次练习。

如果让真实的机械臂去完成这 5 万次抓取，人工与设备成本将高得难以承受。现实中更可行的办法，是先在物理仿真器中，为机械臂搭建一个 “ 虚拟世界 ” 的抓取训练场。但物理仿真器却难以对真实世界做到 100% 还原，由此产生了一个著名问题 ——“ 仿真到现实鸿沟 ” （ sim-to-real gap ）。仿真环境中学到的策略，到了真实机械臂上往往会 “ 失灵 ” 。

更重要的是，随着任务难度的提升，所需的学习样本还会呈指数级增长，基本上没有实现条件。

2022年年底，ChatGPT在自然语言领域验证了用预训练这种方式，能让计算机掌握自然语言，科学家们自然联想到，预训练是不是也可以让机器人拥有视觉理解和生成动作的能力？

2023年 4 月，谷歌 验证了这一猜想的合理性。它把大语言模型的训练方式，迁移到计算机视觉领域，发布机器人成果 RT-1 ，能覆盖 700 个任务。

3个月后，它又发布了迭代过的 RT- 2，提出一种针对机器人的全新预训练模型架构： “ VLA ” （ Vision-Language-Action ，视觉语言动作）模型，这是在互联网规模的视觉和语言数据上训练的大模型。

谷歌的新成果让王潜重新点燃了希望。他对南方周末记者说， RT- 1 和 RT- 2 证明了一件事，如果能训练出一个通用 的能完成 任何任务的 “ VLA ” 模型 ， 随着任务复杂性增加，机器人学会一项技能所需的数据样本反而更少了。这让他确定，实现通用机器人唯一的路径，就是打造一个具身智能的通用大模型。

2023年 7 月，王潜回国， 12 月创办了自变量机器人公司。 他如今留着一头飘逸长发，看上去更像一个艺术家。

当时，可以对标的 具身智能 公司 在美国 已经出现。 2022 年 2月 ， F igure公司在美国加州创办 ， 它 宣布要打造通用人形机器人。 202 3 年 5 月， Figure 以 14 亿美元的估值 ， 完成了7000万美元A轮融资 。

2024年， F igure打造 出了 具身智能大模型 Helix ，展现出强大的物体泛化能力。只需通过自然语言指令，就能抓取数千种形状、大小、颜色和材质各异的全新家居用品，哪怕这些物品在训练过程中从未出现过。

模型发布后 ， F igure 估值 在一年里 暴涨十几倍， 2025年 以369亿美元的估值问鼎全世界最贵的机器人公司。 大爆发的一年

王潜回国创业之前， 优必选、 宇树科技可能是国内最早创办的人形机器人公司 ， 均属于造本体的硬件派 。

优必选 创始人周剑原本是一 个 门外汉，他本科毕业于 南京林业大学木材工业学院 ，依靠做自动化设备生意积累了第一桶金。

2008 年，受到日本小型人形机器人的启发，

主题：