作者｜黃楠

編輯｜袁斯來

2025年，在一場機器人比賽中，把整理桌布、關閉保鮮盒作為任務，似乎有些太過兒戲。

然而，這些人類隨手完成的動作，對機器人至今是難題。

5月下旬，美國亞特蘭大ICRA WBCD 2025現場，一臺星海圖雙臂機器人正緩慢地將網球挪放至包裝紙箱內，半人形結構的ARX機器人反反復復開合保鮮盒卡扣，還有松靈機器人在模擬科學實驗桌上進行著操安裝硅膠柱、操作透明試管等操作。

這些展示和人類夢想中的“具身智能”相差很遠，可以說有些簡陋。

一個多月前，北京亦莊人形機器人馬拉松賽上，多臺參賽設備接連摔倒的畫面，以一種戲劇性的方式暴露出智能化表象下的技術短板。

這一場景多少戳破了市場長期以來的非理性期待。資本狂熱涌入后，部分具身智能企業沒有落地能力、缺乏實際應用支撐，估值卻短時間暴漲，這種不平衡之下顯然危機潛伏。

但也要看到，具身智能廠商方面正加速收斂各自路徑。

目前業界對具身智能機器人的應用已形成普遍共識，工業制造、物流倉儲、生物醫療、商業服務等被視為核心場景。

這些場景中，工業制造領域機器人相對普及。以美國市場為例，作為交通物流樞紐之一，亞特蘭大有眾多倉儲物流企業在此設倉，需雇傭大量本地工人完成作業，但人力成本高昂。根據Indeed、Glassdoor等網站數據估算，倉庫工人時薪在20 - 32美元不等；按平均時薪25美元、一年工作2000小時估算，年薪達5萬美金。

所以很多物流倉庫等已實現高度自動化，其中代表性的有亞馬遜Kiva構建的 “貨到人” 倉儲網絡。

機器人還遠未到代替人類的程度，但它們已經可以承擔部分重擔。

“即便只是某一細微環節問題的突破，機器人設備在規模化作業放大效應下，從非結構化環境中精度與靈活性的提高，對整個系統的效率帶來顯著提升。這種面向實際需求、具備商業價值的環節突破，正推動機器人從‘指令執行’向‘智能自主’的跨越。”WBCD（What Bimanual Can Do、探索雙臂機器人能力邊界挑戰賽）發起人、DeepMind機器人團隊許倬告訴硬氪。

三大核心場景問題

對比其他領域，廠房車間、物流倉儲等作為典型的工業場景，結構化明顯，工作環境更穩定。加上過去重型機械臂、協作機器人、物流無人車、AGV等設備積累了大量真實場景數據，能直接復用到具身機器人的訓練中。

但進入物流封裝環節，自動化技術還未能實現對其有效覆蓋與解決。

今天，全球有不少倉儲中心仍依賴大量人工操作來完成，工人們需要根據商品的形狀、尺寸和特性，靈活調整裝箱方式并完成精準封裝。這也映射出現有的機器人技術在柔性操作和環境適應上的根本性挑戰。

星海圖聯合創始人虞磊告訴硬氪，看似應高度自動化的封裝環節還離不開人工，一是商品形態多樣，不同品類的商品在尺寸、重量、形狀上差異顯著，需要動態調整裝箱策略；二是封裝工藝復雜，需確保商品合理擺放且箱體封閉牢固，涉及多指協同、力控感知等精細動作；三是單臂操作有局限，難以完成 “一手固定箱體、一手封裝”的協同任務，傳統雙臂方案則受算法限制，靈活性也不足。

ICRA WBCD 2025現場（圖源/企業）

而生物醫療領域要實現自動化技術的難度更大。

比如在制藥領域的實驗場景中，試管操作、移液器使用等重復性基礎工作耗費人力，還面臨操作一致性與精度的挑戰，催生了一個規模可觀的實驗外包行業。

合碳科技創始人、前藥明康德CIO陳志剛指出，僅 “純化” 環節、即從合成反應混合物中分離目標產物，就要耗費大量人力，“雖市面有自動過柱機完成部分步驟，但全流程自動化仍有細節難點，如對準、連接、穩壓等動作需高精度協調控制。”

以藥明康德為例，作為一家市值超2000億人民幣的頭部醫藥企業，就承接了歐美實驗室的部分研究任務，并在中國及亞洲其他勞動力相對低廉的地區組建團隊，處理重復性較高、技術門檻較低的實驗環節。

但即便有相對廉價的人工，企業仍希望能引入機器人提效。“由于許多生物實驗流程復雜，并且現有機器人末端執行器自由度有限，智能化和靈巧操作能力受限，因此在操作生物樣品時，很難模仿人手所展現出的高柔韌性和靈巧性。”Robotics and AI Institute（RAI）研究員孫凌峰告訴硬氪。

WBCD生命科學實驗挑戰中的松靈機器人（圖源/企業）

松靈機器人北美負責人曾逸恒也向硬氪表示，生物醫療場景的實現難度更大，一方面醫療器械普遍價格較高，需要在有限預算約束下實現最優作業效果；其次試管識別、力度控制等精細動作也很難實現。

“完成任務的方法可以多種多樣，但在具體執行中，如何保障數據質量、系統穩定性和實驗完成質量，是必須面對的挑戰。”曾逸恒說。

第三類場景，也是所有具身機器人廠商的終極目標，即面向C端消費者，讓機器人真正融入千家萬戶。

目前有部分任務已具備先行落地的條件。以家庭廚房及部分商業餐飲機構為例，其中的食材處理、餐具清潔等操作流程高度標準化、模式化，恰好為機器人替代人工提供了理想的應用場景。

不過這類場景也只有少數公司在試水。僅鋪桌布、食品封裝保鮮盒等看似簡單的日常操作，其動作復雜、操作流程長，且缺乏相關訓練數據集和demo，無法提供有效的可參考路徑。ARX（方舟無限）機器人CEO張鑫亮認為，這類柔性物體及雙臂協同對力反饋敏感的任務，未來一兩年內都是業界需共同努力的方向。

WBCD用于餐桌整理場景的ARX機器人（圖源/企業）

具身智能面臨的問題雖然源于不同行業、不同場景，但本質上都歸為一點：現實的復雜遠超目前軟硬件的解決能力。無論是機械本身還是自動化系統，還需要很長時間突破瓶頸。

多種方案待驗證

從WBCD現場數十家企業與科研機構的演示來看，大體上可將具身智能方案分為三類。

第一類是遙操作，包括遠程遙操和新型遙操作系統加執行器硬件兩種。

二者都是通過交互設備或通信鏈路實時控制機器人，優勢在于操作更果斷靈巧，可以解決機器人在復雜、非結構化環境中自主能力不足的問題。比如具身智能方案商艾歐智能，其將控制端部署在深圳總部，由技術人員遠程操作美國會場的機器人；FrodoBot公司的解決方案可實現從紐約到亞特蘭大的遠程操作。

硬氪了解到，這種 “遠程操作” 模式不僅適用于數據采集場景，還可以通過跨地域人力調度實現成本優化。一個直觀案例是，通過由東南亞地區的操作者遠程管理歐美倉庫的機器人，可實現勞動力成本降低至本地水平的三分之一至十分之一不等。

WBCD物流打包場景中使用的星海圖機器臂（圖源/企業）

第二類是目前市場熱度較高的靈巧手方案，通過機械結構對人類手部的模擬仿真，融合感知和運動控制系統，確保機器人能完成精細的操作任務。

蘇黎世聯邦理工學院團隊在WBCD上演示了其開發的ORCA機械手，這是一款低成本、開源、高度擬人化的機器人手，17個自由度、手腕具備60度彎曲能力，能直接使用人類的各種工具，完成旋轉物體、堆疊積木等任務，還支持強化學習與模仿學習。

第三類是自動模型，即通過給機器人 “投喂” 海量操作數據訓練，讓機器人自主決策，最終可以獨立完成任務，無需人工實時干預。

但目前模型的發展仍面臨關鍵瓶頸，其泛化能力和對真實世界動態變化的適應性顯著不足，這本質上源于訓練數據的"三重困境"：真實場景數據雖質量優異但采集成本高昂；互聯網開源數據規模龐大卻噪聲干擾嚴重；合成仿真數據雖可控性強但存在落地鴻溝。

這也直接制約了模型在開放環境中的實際表現，成為亟待突破的重點方向。比如同樣采用VLA（Vision-Language-Action）框架的耐基梅隆大學、跨維智能和佐治亞理工等團隊，其方案在復雜指令解析能力、動態場景理解深度等技術路徑上有明顯差異表現。

ICRA WBCD 2025現場（圖源/企業）

短期來看，"人機協作"仍是主流范式，這也意味著機器人首先要在特定場景、單點任務中，接近人類作業水平，并各種維度上建立優勢。長期而言，隨著數據飛輪、仿真訓練、強化學習等技術成熟和突破，自主智能才是終極目標。

在這個進程中，人機共存的過渡形態不僅是合理的存在，更是產業迭代的必經階段。

商業世界遠比實驗室來得真實與復雜。身處浪潮中的企業，首要任務不再僅取決于技術先進性，而是如何精準把握“技術成熟度”與“市場需求”之間的微妙平衡。尤其是加快垂直場景的商業化驗證，才是在激烈的市場競爭中生存的關鍵。