人形机器人简史：你的“落地”，我的“星辰大海”

2026-09-16 07:29:07 [聚焦] 来源：DooPrime德璞资本官网

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

2025年11月27日，落地国家发展改革委在例行新闻发布会上给出的人形人简数据显示，中国已经有超过150 家人形机器人公司，机器半数以上为初创或“跨行”入局。落地

在这长长的人形人简队伍中，站在前台的机器大多是“四肢发达、大脑简易”的落地硬件派，创始人大多来自自动化或机械工程专业。人形人简他们更偏重造机器人本体，机器造出的落地人形机器人往往拥有完整的双足，可以格斗、人形人简跳舞、机器跑马拉松，因此更简单吸引眼球。

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。

究竟哪些公司能胜利跑到终点？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。他那时被动地认为，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年代离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，其飞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宏伟，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，能让计算机学会自然语言，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期望。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，随着任务繁琐性增加，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，Figure公司在美国加州创办，它宣布要打造通用人形机器人。2023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，Figure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，Figure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。